IQUIR   05412
INSTITUTO DE QUIMICA ROSARIO
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
Nuevas dimensiones en calibración multivariada de orden superior
Autor/es:
ALEJANDRO CESAR OLIVIERI
Lugar:
Tucuman
Reunión:
Congreso; XXVII Congreso Argentino de Quimica; 2008
Resumen:
<!--
/* Style Definitions */
p.MsoNormal, li.MsoNormal, div.MsoNormal
{mso-style-parent:"";
margin:0cm;
margin-bottom:.0001pt;
mso-pagination:widow-orphan;
font-size:12.0pt;
font-family:"Times New Roman";
mso-fareast-font-family:"Times New Roman";}
@page Section1
{size:595.3pt 841.9pt;
margin:70.85pt 3.0cm 70.85pt 3.0cm;
mso-header-margin:35.4pt;
mso-footer-margin:35.4pt;
mso-paper-source:0;}
div.Section1
{page:Section1;}
-->
Alejandro C. Olivieri
Título
Nuevas
dimensiones en calibración multivariada de orden superior
Resumen
La
instrumentación analítica moderna está produciendo datos multidimensionales que
requieren de nuevas y poderosas técnicas de procesamiento. La investigación en
las dos décadas pasadas ha dado lugar al desarrollo de una multiplicidad de
diversos algoritmos, cada uno equipado con su propia y sofisticada artillería. Los químicos
analíticos han descubierto lentamente que este cuerpo del conocimiento puede ser
adecuadamente clasificado, y que hay aspectos comunes en estas formas aparentemente
diversas de analizar datos. Consecuentemente, al pasar de datos univariados (un
solo dato por muestra, empleados en la bien conocida calibración univariada
clásica), a los datos multivariados (datos multidimensionales por muestra de
estructura y número de dimensiones cada vez más complejos), se obtiene un
aumento en la sensibilidad, combinado con ventajas analíticas de gran
importancia. La ventaja de primer orden, que se logra usando datos vectoriales
por muestra, permite al analista marcar muestras nuevas como outliers (muestras difíciles de modelarse
con una dada calibración). La ventaja de segundo orden (que se alcanza con
datos de cualquier número de dimensiones superior a dos) permite no sólo marcar
una muestra nueva como outlier, si
contiene componentes que no están presentes en la fase de la calibración, sino también
modelar su contribución a la señal total, y, más importante, cuantificar los
analitos calibrados con exactitud. No parecen existir ventajas analíticas
adicionales si se procesan datos de tercer orden. Investigaciones futuras podrían
permitir, entre otras cosas, determinar si este escenario del tipo '1,2,3,infinito'
de la calibración multivariada es realmente cierto.
Title
New
dimensions in higher-order multivariate calibration
Summary
Multi-dimensional data are being
abundantly produced by modern analytical instrumentation, calling for new and
powerful data-processing techniques. Research in the last two decades has
resulted in the development of a multitude of different processing algorithms,
each equipped with its own sophisticated artillery. Analysts have slowly
discovered that this body of knowledge can be appropriately classified, and
that common aspects pervade all these seemingly different ways of analyzing
data. As a result, going from univariate data (a single datum per sample,
employed in the well-known classical univariate calibration) to multivariate
data (multi-dimensional arrays per sample of increasingly complex structure and
number of dimensions) provides a gain in sensitivity, combined with analytical
advantages which cannot be overestimated. The first-order advantage, achieved
using vector sample data, allows analysts to mark new samples as outliers
(samples difficult to be modeled with the current calibration set). The
second-order advantage (achieved with data of any number of dimensions higher
than two) allows one to not only mark a new sample as an outlier, if it
contains components which do not occur in the calibration phase, but also to
model its contribution to the overall signal, and, most importantly, to
accurately quantitate the calibrated analyte(s). No additional analytical
advantage appears to be known if third-order data are processed. Future
research may permit, among other interesting issues, to assess if this
1,2,3,infinity situation of multivariate calibration is really true.