ESTRATEGIA DE FUSIÓN DE DATOS DE NIVEL MEDIO PARA EVALUAR EL EFECTO SINÉRGICO DE SEÑALES PROCEDENTES DE CROMATOGRAFÍA LIQUIDA CON DETECCIÓN DUAL

AZCARATE S.M.; GOICOECHEA H.C.; CULZONI, M.J.; TEGLIA C.

Río Cuarto

Congreso; 9º Congreso de Química Analítica; 2017

Introducción. La cromatografía líquida (LC) con detección dual (DAD/FSFD) en asociación a la calibración de múltiples vías han permitido mejorar el rendimiento analítico1,2. En esta progresión de adquirir mayor y mejor información, la fusión de datos (DF) puede ser una herramienta poderosa para lograr resultados aún más confiables. La estrategia de DF consiste en combinar la información procedente de diferentes fuentes (técnicas o detectores) para una misma muestra3. Esta metodología es implementada sobre las calibraciones con el propósito de obtener mejores predicciones con menor incertidumbre cuando los resultados se comparan con los obtenidos a partir de una sola fuente. Así, existen diferentes posibilidades de realizar y evaluar esta estrategia.Resultados. Se desarrolló una estrategia de fusión de datos de nivel medio para el procesamiento de datos de segundo orden adquiridos mediante cromatografía líquida con detectores DAD y FSFD. Se analizó un set de datos de quince principios activos de uso veterinario, once compuestos no fluorescentes y cuatro fluorescentes, que pueden estar presentes en camas de aves de corral. Previo a la fusión de la información individual proporcionada por cada detector se realizó una serie de pre-procesamientos de los datos y se desarrolló una etapa de extracción de información aplicando MCR-ALS. El modelado quimiométrico implicó el análisis de los datos fusionados por MCR-ALS, y previo a una etapa de alineamiento, PARAFAC y N-PLS. La sinergia del nuevo bloque de datos se evaluó mediante la estimación de las cifras méritos. Finalmente, esta estrategia de fusión se aplicó a la determinación de los compuestos estudiados en muestras reales de camas de aves de corral.Conclusiones La estrategia propuesta es una herramienta sencilla y potente, que contribuye al análisis de datos cromatográficos de segundo orden registrados por diferentes detectores. En cuanto al rendimiento de los modelos, la fusión de datos de nivel medio aumenta la capacidad de predicción global y disminuye la incertidumbre de cada resultado individual.