Modelado de la retención de plaguicidas por RP-HPLC en función del pH, composición de fase móvil y temperatura

PEDRO CIFUENTE; SEBASTIAN CARUSO; LEONARDO G. GAGLIARDI; CECILIA B. CASTELLS

Santa Rosa

Congreso; X Congreso Argentino de Química Analítica; 2019

Universidad Nacional de La Pampa & Asociación Argentina de Químicos Analíticos

La optimización de variables es un paso fundamental en el desarrollo de métodos analíticos, para la obtención de las mejores prestaciones posibles en el menor tiempo y con el mínimo costo y generación de desechos. En cromatografía de líquidos, el proceso de optimización implica, en primer lugar, determinar las variables discretas: tipo de columna, tipo de solvente orgánico, tipo de buffer, etc., y luego optimizar las variables continuas en función de algún parámetro que califique la separación según algún criterio: resolución, tiempo de análisis, costo, o una función multicriterio. Si se conocen los modelos que dan las dependencias de la retención cromatográfica, k, con las variables continuas, es posible optimizar matemáticamente. Los modelos que dan las dependencias más simples de la retención con cada una de las variables individuales (composición de solvente, φ, pH, temperatura, T) han sido propuestos y comprobados mediante el análisis de sustancias simples en los comienzos de la cromatografía. En base a estos modelos de variable simple se han propuesto métodos para optimizar selectividad y resolución. Sin embargo, cuando se optimizan múltiples variables, se observa que las dependencias de k con una variable son afectadas por las otras variables, es decir, que existe interacción entre variables. Varios años más tarde se retomaron los estudios de sistemas multivariables, y se elucidaron las interacciones entre variables estudiadas por pares, por ejemplo, k (φ, pH) 2 o k (Τ, pH) 3 , y en un caso se han estudiado sistemas de tres variables k (φ, pH, T) 4 . Algunos de estos modelos se utilizaron para predecir con mucha precisión selectividades, pero no se han utilizado para hacer optimizaciones multivariables.En este trabajo, se propone hacer una integración de los desarrollos anteriores en un modelo de tres variables: k´(φ, pH, T) que contemple las dependencias simples y las interacciones estudiadas previamente y luego, en base a este modelo, realizar una optimización simultánea de estas tres variables en la separación de un grupo de sustancias ionizables. Los compuestos seleccionados son un grupo de ácidos carboxílicos que se emplean profusamente como plaguicidas en nuestro país, y se analizaron en una columna de C18 utilizando como fase móvil mezclas metanol/agua. En la primera etapa, de adquisición o entrenamiento del modelo, se estudia la retención de los compuestos combinando dos niveles para cada variable utilizando un diseño experimental del tipo 2^n . Estos resultados se utilizan para obtener los parámetros del modelo para cada uno de los compuestos. Con estos modelos ya parametrizados se lleva a cabo la optimización matemática por maximización. Finalmente, se realizan análisis en las condiciones halladas como óptimas y en el entorno cercano de las variables. 1 P.J. Schoenmakers, Optimization of Chromatographic Selectivity; A Guide to Method Development, Elsevier, Amsterdam,1986.2 M. Rosés, E. Bosch, J. Chromatogr. A 982 (2002) 1.3 L.G. Gagliardi, C.B. Castells, C. Ràfols, M. Rosés, E. Bosch, J. Chromatogr. A 1077 (2005) 159.4 P. Agrafiotou, C. Ráfols, C. Castells, E. Bosch, M. Roses.