IQUIR   05412
INSTITUTO DE QUIMICA ROSARIO
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
DESARROLLO DE UN NUEVO ALGORITMO BASADO EN ANÁLISIS FUNCIONAL PARA RESTAURAR LA MULTILINEALIDAD EN DATOS CROMATOGRÁFICOS
Autor/es:
BORTOLATO S.A.; LOMBARDI JUAN MANUEL
Lugar:
Río Cuarto
Reunión:
Congreso; 9º Congreso Argentino de Química Analítica; 2017
Institución organizadora:
AAQA
Resumen:
En la resolución quimiométrica de datos cromatográficos de tres o más vías, regularmente se presentan ciertas dificultades, ya que en la información instrumental obtenida las bandas cromatográficas de los diferentes componentes de la muestras presentan corrimientos y/o deformaciones. Esto es producto de realizar mediciones sucesivas, siempre sujetas a pequeñas alteraciones en las condiciones experimentales (cambios de temperatura, variaciones en la composición de la fase móvil, etc.). Este fenómeno produce la pérdida de multilinealidad en los datos analizados, lo que lleva a que los algoritmos de descomposición lineal tengan desempeños poco satisfactorios al momento de cuantificar los componentes de interés. Existen actualmente por lo menos dos opciones bastante difundidas para resolver sistemas que tengan los problemas recién mencionados, al menos para datos cromatográficos de tres vías: MCR-ALS y PARAFAC2. Sin embargo, la forma en que estos algoritmos funcionan es bastante diferente y, como se ha informado, muchas veces no tienen un desempeño satisfactorio [1]. En este trabajo se propone un nuevo algoritmo basado en el análisis funcional de datos, que permite restaurar la multilinealidad [2]. Para esto, se requiere que los datos analizados presenten por lo menos una vía, o canal, con selectividad no nula (SNN). Cumplido ese requisito, el algoritmo se implementa a través de los siguientes pasos: (1) Se estiman los perfiles del canal con SNN de cada analito e interferente. (2) A partir de los perfiles estimados, se generan dos nuevos espacios vectoriales: U, cuyos vectores base son los perfiles de los canales con SNN de los analitos, y UT, cuyos vectores base son los perfiles de los canales con SNN de los interferentes y de los analitos. (3) Se proyectan los datos del conjunto de muestras de calibrado sobre U y los datos del conjunto de muestras incógnita sobre UT. (4) Una vez obtenidas las proyecciones, se funcionaliza el espacio de los coeficientes empleando una base de funciones que resulte conveniente según la naturaleza de los datos. Por ejemplo, una base de funciones gaussianas si se trata de datos cromatográficos. (5) Se alinean las funciones resultantes por simple corrimiento de las mismas, empleando un criterio conveniente de minimización. (6) Se reconstruyen las matrices individuales de cada analito por cada muestra (calibrado e incógnita) por producto matricial simple entre los perfiles espectrales y las auto-funciones ya alineadas. En este punto se tiene una matriz por cada muestra y al mismo tiempo por cada analito. (7) Finalmente, se reconstruyen los datos originales como suma de las matrices reconstruidas de cada analito e interferente. (8) Una vez alineados los datos, se pueden aplicar los algoritmos lineales convencionales para cuantificar los analitos de interés.El desempeño del nuevo algoritmo se ensayó en datos simulados y experimentales con problemas de alineación y/o deformación, y se obtuvieron resultados más adecuados que los obtenidos con los algoritmos de referencia.