Aaqa.org.ar

Nombre del curso de posgrado: TÓPICOS DE QUIMIOMETRÍA

Director del curso: Dr. Héctor C. Goicoechea (FBCB-UNL)
Docentes: Dr. Rafael Lisandro Althaus (FCV-UNL), Dra. María Silvia Cámara (FBCB-
UNL), Dra. María Julia Culzoni (FBCB-UNL) y Dra. Luciana Vera Candioti (FBCB-
UNL).

Objetivos:
El objetivo del presente curso de postgrado es brindar a los participantes aprendizajes
significativos, relevantes y actualizados de diferentes áreas de la quimiometra: diseño y
análisis de experimentos y calibración, que les permita planificar en forma adecuada las
actividades de su labor científica, resolver dichas situaciones e interpretar
correctamente los datos obtenidos, para de obtener información relevante a partir de
ellos.
Perfil de los alumnos a quienes está orientado el curso: Alumnos del Doctorado en
Ciencias Biológicas. También se aceptarán alumnos de otras carreras de postrado en las
diversas ciencias experimentales.

Fecha: 11 al 15 de mayo de 2009
Carga horaria total y distribución horaria de las actividades:
Carga horaria: 30 horas
Número de semanas: 1
Distribución horaria: se dictará 5 clases teóricas y 5 clases prácticas de 3 horas cada
una, con un total de 6 horas por día.
Número de vacantes: 20

Requisitos de formación previa de los inscriptos: graduados en las carreras de
Bioquímica, Licenciaturas en Biotecnología, Licenciatura en Química, Ingeniaría
Química, Ingeniería Agronómica, Veterinaria y otras carreras relacionadas.
Programa Analítico Teórico y Práctico:

Tema 1. Diseño experimental y optimización.
1.1. Experimentación. Diseños experimentales. Requisitos que debe cumplir un diseño
para que sea experimental. Aleatorización y emparejamiento. Diseños casi
experimentales. Diseños no experimentales. Diseños longitudinales y transversales.
Resolución de situaciones problemas.
1.2. Comparación de más de dos tratamientos. Análisis de la varianza con un factor
(ANOVA). Descomposición de las sumas de cuadrados. Test de “F”. Comprobación de
idoneidad del modelo. Análisis de los residuos. Gráficas en papel probabilístico normal.
Presentación de datos. Factores cuantitativos. Efectos lineales y cuadráticos. Análisis de
homocedasticidad: Prueba de Bartlett, Prueba de Cochran. Método no paramétrico de
Kruskal-Wallis. Práctica a realizar con procesador estadístico.
1.3. Estudio simultáneo de varios factores. Ortogonalidad. Estimación de valores
faltantes. Diseños factoriales. Diseños de dos factores. Comprobación de la idoneidad
del modelo. Estudio de interacciones. Presentación de datos donde existen
interacciones. Gráfico de Daniel para el estudio de las interacciones. Adición de puntos
centrales a los diseños 2k. Análisis de artículos científicos, resolución mediante software
estadístico y discusión de los resultados.
1.4. Modelos de regresión. Fases de un estudio mediante regresión lineal. Regresión
lineal simple. Coeficiente de regresión. Regresión lineal múltiple. Inclusión de
relaciones no lineales. Variables dummy y sus interacciones en los modelos de
regresión. Validación del modelo. Análisis de los residuos. Comprobación del grado de
acoplamiento. Multicolinealidad. Puntos influyentes. Regresión múltiple opción
forward, backward, stepwisse.
1.5. Introducción a la metodología de análisis de la superficie de respuesta. Diseños
central compuesto, estrella, Plackett y Burman, matriz de Doehlert. Optimización de
una y varias respuestas: función deseabilidad.
Tema 2: Validación de procedimientos analíticos
2.1. Terminología. Clasificación de los métodos de análisis químico.
Requisitos de los sistemas de calidad. Regulaciones y guías asociadas.
Concepto de validación. Validación interna.
2.2. Parámetros de validación: precisión, exactitud, linealidad, rango, límite de
detección, límite de cuantificación, selectividad, especificidad y robustez.
Requerimientos analíticos.
2.3. Validación interlaboratorial. Estudios colaborativos.
2.4. Conceptos relacionados: incertidumbre, revalidación, transferencia de métodos,
aplicabilidad, aptitud del sistema.
Tema 3: Calibración
3.1. Estructura de datos multivariados.
3.2. Calibración multivariada de primer orden. Determinación de dos analitos por
análisis con dos sensores. Análisis con múltiples sensores. Cuadrados mínimos clásicos
(CLS). Cuadrados mínimos inversos (ILS). Regresión en componentes principales
(PCR). Cuadrados mínimos parciales (PLS). Redes neuronales (ANN) como alternativa
para datos no lineales.
3.3. Calibración multivariada de segundo orden. Análisis paralelo de factores
(PARAFAC). Resolución multivariada de curvas (MCR-ALS). Métodos basados en
bilinearización de los residuos (RBL).

Bibliografía

1) Cochran, W., Cox, G. M. 1997. Diseños experimentales. Edit. Trillas, 3er Edición, México,
661
2) Massart, D. L., Vandeginste, B. G. M., Buydens, L. M. C., De Jong, S., Lewi, P. J. and
Smeyers-Verbeke, J., Handbook of Chemometrics and Qualimetrics: Part A and B, Elsevier,
Amsterdam, 1997.
3) Meier, P. C. and Zund, R. E., Statistical Methods in Analytical Chemistry, Wiley, New York,
2000.
4) Montgomery, D. C. 1991. Diseño y análisis de experimentos. Ed. Grupo Editorial
Iberoamérica, México. 589 pp.
5) Prat Bartés, A., Tort-Martorell Llabrés, X., Grima Cintas, P. And Pozueta Fernández, L. 1997.
Métodos estadísticos. Ed. Universidad Politécnica de Catalunia. 300 pp.
6) Althaus, R.L., Molina, M. P., Peris, C., Torres, A.,Fernández, N. 2003. Accuaracy of BRT and
Delvotest Microbial inhibition test as affected by composition of ewe's milk. Journal of Food
Protection, 66 (3): 473-478.
7) Althaus, R.L., Torres, A., Montero, A., Balach, S., Molina, M. P. 2003. Detection Limits of
Antimicrobials in Ewe Milk by Delvotest® Photometric Measurements. Journal of Dairy Science,
86: 457-463.
8) Araujo, P., Brereon, R. G. 1996. Experimntal design I. Screening. Trends in analytical
chemistry. 15 (1): 26-31.
9) Araujo, P., Brereon, R. G. 1996. Experimntal design II. Optimization. Trends in analytical
chemistry. 15 (2): 63-70.
10) Araujo, P., Brereon, R. G. 1996. Experimntal design III. Quantification. Trends in analytical
chemistry. 15 (3): 156-163.
11) Bajksy, C.A.; Reiczigel, J.y Szenci, O. (1999). Cicardian changes in blood ionized calcium,
sodium, potassium, and chloride concentrations an pH in cattle. (1999). Am. J. Vet. Res. 60:
945-953.
12) Clas, S. D., Koller, E., Allen, L.H. 1993. Characterization of the effect of hemicellulose on
the deposition of calcium soaps of tall oil using factorial design analysis. J. Of pulp and paper
science, 19 (5): 177-180.
13) Fanali, S., Furlanetto, S., Aturki, Z., Pinzauti, S. 1998.Experimental design methodologies to
optimize the CE separation of epinephrine enantiomers. Chromatographia, 48 (5/6): 395-401.
14) Gipson, T., Grossman, M. 1990. Lactation curves in dairy goats:a review. Small Ruminant
Research, 3: 383-396.
15) Koenen-Dierik, K., De Beer, J. O. 1998. Optimization of an antibiotic residue screening test,
based on inhibition of Bacillus subtilis BGA, with experimental design. Food Additives and
Contaminants, 15 (5): 528-534.
16) C Didier, M: Etcheverrigaray, R. Kratjie, H.C Goicoechea 2007. Crossed mixture design and
multiple response analysis for developing complex culture media used in recombinant protein
production. Chemom. Intell. Lab. Syst, 86: 1-9.
17) L. Vera Candioti, JC Robles, V. Mantovani, HC Goicoechea 2006. Multiple response
optimization applied to the development of a capillary electrophoretic method for pharmaceutical
analysis. Talanta, 69: 140-147.
18) GA Moreira, GA Micheloud, AJ Beccaria, HC Goicoechea 2007. Optimization of the Bacillus
thuringiensis var. kurstaki HD-1 -endotoxins production by using experimental mixture design
and artificial neural networks, Biochem. Eng. J., 35: 48-55.
19) LVera Candioti, AC. Olivieri and HC. Goicoechea 2007. Simultaneous multiresponse
optimization applied to epinastine determination in human serum by using capillary
electrophoresis, Anal. Chim. Acta. 595: 310-318.
20) MS Cámara, C Mastandrea and HC Goicoechea 2005. Chemometrics-assisted simple UV-
spectroscopic determination of carbamazepine in human serum and comparison with reference
methods, J. Biochem. Bioph. Met., 64: 153-166.
21) A.C. Olivieri, H.C. Goicoechea and F. Iñón 2004. MVC1: An integrated MATLAB toolbox for
first-order multivariate calibration, Chemometr. Intell. Lab. Syst., 73: 189-197.
22) MJ Culzoni and HC Goicoechea 2007. Determination of loratadine and pseudoephedrine
sulfate in pharmaceuticals based on non-linear second-order spectrophotometric data
generated by a pH gradient flow injection technique and artificial neural networks. Anal. Bioanal.
Chem., 2007, 389, 2217-2225.
23) MJ. Culzoni, PC. Damiani, A. García-Reiriz, HC. Goicoechea and AC. Olivieri 2007.
Experimental study of non-linear second-order analytical data with focus on the second-order
advantage, Analyst, 132: 654-663.
24) GM. Escandar, NM. Faber, HC. Goicoechea, A. Muñoz de la Peña, AC. Olivieri, RJ. Poppi
2007. Second and third-order multivariate calibration: Data, algorithms and applications. Trends
Anal. Chem. (TRAC), 26: 752-765.
25) L Vera Candioti, AC. Olivieri and HC. Goicoechea, Simultaneous multiresponse optimization
applied to epinastine determination in human serum by using capillary electrophoresis. Anal.
Chim. Acta., 2007, 595, 310-318
26) MD Gil García, MJ Culzoni, MM De Zan, R Santiago Valverde, M Martinez Galera, HC
Goicoechea, 2008. Solving matrix-effects exploiting the second order advantage in the
resolution and determination of eight tetracycline antibiotics in effluent wastewater by modelling
liquid chromatography data with multivariate curve resolution-alternating least squares and
unfolded-partial least squares followed by residual bilinearization algorithms. II. Prediction and
figures of merit", J. Chromatogr. A, 1179, 115-124
27) MJ Culzoni, HC Goicoechea, GA Ibañez, VA Lozano, NR Marsili, AP Pagani, AC Olivieri.
2008. Second-order advantage from kinetic-spectroscopic data matrices in the presence of
extreme spectral overlapping. A multivariate curve resolution - alternating least-squares approach. Anal Chim. Acta, 614, 46-57. 28) L. Vera-Candioti, M.J. Culzoni, AC. Olivieri, HC. Goicoechea 2008, Chemometric resolution of fully overlapped capillary electrophoresis peaks: quantitation of carbamazepine in
human serum in the presence of several interferences. Electrophoresis, 29, 4527-4537.
Método de evaluación y promoción del Curso.
Se realizará a través de dos instancias:
1) Al finalizar el curso, los alumnos deberán realizar un examen escrito sobre los
contenidos básicos del curso.
2) Se les entregará un cuestionario con 10 casos prácticos a resolver utilizando los
conceptos y programas vistos en el curso. Los alumnos deberá entregar los problemas
resueltos 15 días después de finalizado el curso.

Source: http://www.aaqa.org.ar/pdfs/Curso-Goicoechea.pdf