Este documento describe el software Quimiometrix, el cual provee herramientas para el procesamiento multivariado de datos químicos y bioquímicos. El software permite la gestión, pre-procesamiento y transformación de datos, así como técnicas de exploración de datos. Se presentan ejemplos del uso de Quimiometrix para lectura de perfiles de ADN, calibración multivariable en espectroscopia y clasificación de combustibles. El software ha sido instalado en 18 instituciones ecuatorianas y provee una interfaz amigable
Resolucion de Problemas en Educacion Inicial 5 años ED-2024 Ccesa007.pdf
Comunicacion cientifica
1. ESCUELA SUPERIOR POLITECNICA DE CHIMBORAZO
UNIDAD DE NIVELACION
CICLO DE NIVELACIÓN: SEPTIEMBRE 2013 / FEBRERO 2014
MÓDULO INTRODUCCION DE LA COMUNICACIÓN CIENTIFICA:
1.- DATOS INFORMATIVOS
- NOMBRES Y APELLIDOS:
María Paola Ramos Sandoval
- DIRECCIÓN DOMICILIARIA:
García Moreno Y Luz Eliza Borja
- TELÉFONO:
2955449
- MAIL:
paobaby2013_@hotmail.com
- FECHA:
01 de Noviembre de 2013
Riobamba – Ecuador
CELULAR: 0987375304
2. Objetivos:
Identificar el contenido del artículo científico.
Conocer con profundidad como la ciencia ha ido avanzando dia a dia.
Mejorar un sistema médico eliminando la tasa de mortalidad por enfermedades terminales.
Desarrollo del proyecto:
Experiencia en el uso del software Quimiometrix para el procesamiento multivariado de datos químicos y bioquímicos
El desarrollo de las técnicas de análisis químico
industrial y su vinculación con las tecnologías
informáticas.
Posibilitando una gran cantidad de datos
imposibles de ser analizados e interpretados.
La Quimiometria nueva especialidad dentro de
la química, emerge del escenario mundial para
solución de esta problemática. Cambiando el
sistema de empleo en técnicas químicas,
matemáticas e informáticas, dando como
resultado la obtención de información
escondida tras inmensas matrices numéricas.
Su aplicación:
Procesamiento de datos de imágenes químicas
Lectura automatizada de perfiles de ADN.
Calibración multivariable en datos espectrales.
Muestra a través de ejemplos prácticos en la
investigación nacional. Las potencialidades que
ofrece el software Quimiometrix.
Determinación cuantitativa de hidrocarbonos.
Actualización y computarización:
Los laboratorios han llevado consigo diversas
consecuencias una de ellas s adquisición de
cantidad de datos estos datos proporcionan la
respuestas indicadas.
La quimiometría la sitúan en el campo
interdisciplinario aunque la consideran también
como una rama más de la química analítica y
estadística.
3. Esta logra acoplarse a la instrumental científica
de alta tecnología con micrordenadores a
mediados de los años 1980-1990.
En la actualidad un laboratorio autorizado
genera, trata y almacena en corto tiempo los
datos mediante técnicas de enorme poder
resolutivo como: cromatografía electroforesis y
espectroscopia IR, etc.
Motivados en el 2004 por la quimiometria a
nivel mundial las potencialidades en el país para
el desarrollo de sistemas computadorizados.
El desarrollo de la quimiometria fue tardía por
la lenta evolución del instrumental científico en
los sesenta la recopilación de datos se
realizaban en logaritmos matemáticos.
En la quimiometria hay un campo abierto de
inmenso trabajo no solo en desarrollo de
herramientas sino también para el
procesamiento de datos y en su empleo de
investigaciones.
Los investigadores enfocaron sus esfuerzos en
la profundización de toda información
actualizada a lo concerniente
4. También resulta de interés el epígrafe referido
al análisis del software más utilizado por su
relación con el presente trabajo son:
Theunscarmbel, CAMO Inc. Suecia.
Multivariate& experimental desing software:
combina de forma eficiente las técnicas de
análisis estadístico en el mapeo multivariable
Pirouett for windowa. Infometrix, INC. USA.
Comprehensivechemometricsmodeling
software: es el que contiene los módulos para la
exploración de datos. Clasificación y análisis.
PLS_Toolbox, eigenvector research Inc. USA.
Esta es una colección de rutinas quimiométricas
avanzadas que trabajan en el ambiente
computacional.
5. Materiales y métodos.
Quimiometrix es un paquete
herramientas Quimiometricas
Este software está dividido en: 3
Gestión de datos
Permite la entrada,
ordenamiento, edición y
salida de los datos a través
de una amigable interfaz
gráfica.
Pre-tratamiento de datos.datos experimentales
mejorados y preparados
convenientemente para el
análisis.
Pre-procesamientos
Transformaciones.
Un conjunto de operaciones
estadísticas q emplean datos
dentro de un mismo rango.
Conjunto de técnicas
matemáticas que
disminuyen o eliminan
variaciones aleatorias.
Centrado respecto a la
medida.- cambia de lugar el
origen de datos sin alterar las
relaciones
Auntoescalamiento.- trata el
valor de cada variable restando
su media y dividiendo por su
variación típica.
Escalamiento por altitud.ajusta el intervalo de los
valores entre 0 y 1.
Escalamiento por la varianza.elimina la influencia de la
variable dominante más
grande con respecto al otro
más pequeño.
Alisamientos.- elimina el
ruido experimental en las
muestras.
Correcciones de la línea
base.- se presenta dos
alteraciones de la línea
base en un espectro: el
efecto de offset.
Corrección logarítmica.- se
aplica logaritmos de base
10 y neperiano útil para
intensificar intensidades
bajas en datos mediante
fluorescencia de rayos X
Conversiones
espectroscópicas.- útil para la
lineación de datos, la ecuación
defina la intensidad espectral
y concentración
6. Resultados y discusión.
Lectura de perfiles del ADN
y geles de poliacrilamida.
Reacción en cadena de la polimerasa
incrementa la cantidad de la muestra.
Los perfiles del ADN traen la
atención de la comunidad
científica internacional.
Extracción del ADN a partir
de cualquier materia
biológico.
El impacto de la tecnología
ha traído la identificación
de materia molecular del
hombre.
En dicha molécula es
necesario someterlas a
procesos formados x los
siguientes:
Una persona hereda de sus padres dos
longitudes específicas las cuales son
diferentes una de otra.
Detención y lectura
de la información del
ADN.
Los resultados se muestran
a través de un par numérico
que son independientes de
cada marcador genético.
Para q dos perfiles se consideren
prevenientes del mismo individuo tiene
que una correspondencia total entre los
valores numéricos de cada marcador para
ambos perfiles
7. Introducción
En el tema “ EXPERIMENTACION EN EL USO DEL SOFTWARE QUIMIOMETRIX PARA EL PROCESAMIENTO MULTIVARIADO
DE DATOS QUIMICOS Y BIOQUIMICOS” ha sido una gran fuente de conocimientos mediante técnicas investigaciones hemos
podidos leer, escuchar y llenarnos con mucho más interés en lo que se refiere al software quimiometrix en donde observamos que
no solo se trata de nuevas herramientas en el campo de la química y bioquímica sino que también el tiempo ha ido modernizando
nuestras áreas de trabajo, con el avanzar de la tecnología tan dicho en todos los países y si como el pasar del tiempo el avanzo de
la tecnología lo hace con mucho más velocidad ya que con ello mejoramos una área productiva en dichos campos en los que se
requiera. Con la creación del software quimiometrix se han podido realizar mejores cálculos en lo que es el conteo de extensas
caneas de ADN, ya que en tiempos pasados no se ha podido lograr, hoy en dia es toda una posibilidad gracias a los adelantos de
la informática, esta nueva y moderna herramienta no puedo lograse con anterioridad debido al bajo conocimiento con ciencias
tecnológicas es decir por el lento conocimiento en el tratado de la función de tecnología y química en la antigüedad para el extenso
conteo se los realizaba con varios algoritmos matemáticos hoy en dia ya no es necesario de aquel largo y tedioso procedimiento
en el software nos ha facilitado todo el esfuerzo de dicha tarea debió a que cumple con varias especificaciones dando agilidad,
certeza y seguridad en el análisis de dicha problemática.
Justificación
La automatización y computarización de los laboratorios ha llevado consigo diversas consecuencias. Una de ellas es la rápida
adquisición de gran cantidad de datos. Ahora bien, se sabe que la posesión de dichos datos dista, muchas veces, de proporcionar
respuestas adecuadas.Por todo ello, la Quimiometría se sitúa en un campo interdisciplinario. Muchos autores,2 coinciden en
considerarla como una rama aplicada de la Química Analítica y la Estadística aplicada, con una función análoga a la que
desempeñan disciplinas como la Biometría, Sociometría, Econometría o Psicometría en relación con la Biología, Sociología,
Economía o Psicología, entre otras. Los fines de la Quimiometría están ligados a la Química y su éxito depende de los problemas
químicos que sea capaz de resolver. El desarrollo de la Quimiometría fue tardío como consecuencia de la lenta evolución de la
instrumentación científica, todavía en la década de los sesentas, la recopilación de los datos y su tratamiento manual con
algoritmos matemáticos eran procesos lentos y tediosos. Por ello, los algoritmos con cierta complejidad de cálculo no tuvieron
interés práctico hasta la introducción de las computadoras. Por otra parte, la idea de que los datos químicos generados por el
nuevo instrumento podían transformarse en información significativa mediante la aplicación de técnicas estadísticas estaba poco
extendida. El impulso definitivo de la Quimiometría como disciplina científica independiente ocurre al lograrse el acoplamiento de la
instrumentación científica de alta tecnología con los microordenadores a mediados de la década 1980-1990 y con ello, el desarrollo
vertiginoso del análisis químico instrumental. Actualmente, un laboratorio analítico automatizado es capaz de generar, tratar y
almacenar en corto tiempo miles de datos, referentes a muestras que han sido secuencialmente analizadas mediante técnicas de
enorme poder resolutivo como: cromatografía, electroforesis y espectroscopia IR, entre otras. Se abre ante la Quimiometría
entonces, un campo inmenso de trabajo, no solo en el desarrollo de herramientas automatizadas para el procesamiento e
interpretación de los datos, sino también, en su empleo por parte de
Los investigadores y especialistas en el campo de la Química, en la búsqueda de soluciones de los problemas que emergen de la
investigación y aplicaciones en diferentes áreas de la industria. En Cuba, el desarrollo de la Quimiometría es incipiente, el análisis
químico instrumental acoplado a la informática se enmarca en la segunda mitad de la década de los noventas y el desarrollo y
aplicación de estas herramientas para el procesamiento de los datos químicos prácticamente no han sido empleadas y en la
mayoría de las instituciones encargadas del procesamiento de este tipo de información, se desconoce su utilidad. Motivados en
2004 por el fuerte auge en el desarrollo de la Quimiometría a nivel mundial; las potencialidades que se abrieron en el país para el
desarrollo de sistemas computadorizados en instituciones como la Universidad de Ciencias Informáticas y el Centro de
8. Aplicaciones de Tecnologías de Avanzada y las necesidades cada vezmáscrecientes de la incorporación de estas herramientasen
el quehacer investigativo nacional, los autores del trabajo enfocaron sus esfuerzos en la profundización de toda la información
actualizada concerniente a esta línea de trabajo. En un reporte técnico publicado3 como conclusión de esta fase de trabajo, se
presenta la finalidad de la Quimiometría, su posición entre las ciencias experimentales, sus principales áreas de trabajo, así como
las investigaciones tanto teóricas como aplicadas más relevantes relacionadas con esta especialidad.
Desarrollo
El creciente desarrollo de las técnicas de análisis químico instrumental y su vinculación con las tecnologías informáticas, ha
posibilitado el procesamiento de gran cantidad de muestras en poco tiempo y en consecuencia, la adquisición de una gran cantidad
de datos imposibles de ser analizados e interpretados de forma manual.
La quimiometria como nueva especialidad dentro de la química, emerge en el escenario mundial para la solución de esta
problemática combinando de forma sistemática el empleo de técnicas químicas, matemáticas e informáticas que permiten la
obtención y análisis de la información escondida.
El presente trabajo tiene como objetivo mostrar a través de ejemplos prácticos resultados alcanzados siendo representativos de las
diferentes áreas de trabajo y la aplicación de la quimiometria, entre ellos: el procesamiento de datos de imágenes químicas para la
lectura automática de perfiles de ADN en geles de poliacrilamida, la calibración multivariante en datos espectrales en el caso de la
determinación cuantitativa de hidrocarburos en agua utilizando la espectroscopia FT-MIR y por último, un caso de reconocimiento
de patrones de sustancias con el problema de clasificación de combustibles derivados del petróleo con fines de identificación.
El software Quimiometrix desarrollado por investigadores del centro de aplicación de tecnologías. Su éxito depende de los
problemas químicos que sea capaz de resolver y resulta de vital importancia para el desarrollo de país.
Posee una interfaz de visualización amigable desde su culminación, a finales del 2008 ha sido instalado en 18 instituciones del
país, con más de 50 puestos de trabajo.
El sistema es un producto de fácil integración con la sociedad.
Entre las funcionalidades que ofrece se destacan: conjunto de técnicas de pre procesamiento, transformación para la preparación
de los datos, técnicas para el análisis exploratorio de los datos, posibilidades de las construcciones de modelos, tanto para
clasificación de muestras de interés, como de calibración multivariante para la predicción de propiedades químico físicas a partir de
los datos de trabajo.
El Módulo de gestión, pre-procesamiento, transformación y exploración de datos permite la entrada, ordenamiento, edición y salida
de los datos a través de una amigable interfaz gráfica compuesta por un menú.
El menú ofrece el acceso a todas las funcionalidades que brinda el sistema, así como las funcionalidades referidas al trabajo con
los ficheros tales como: Crear, abrir, guardar, importar y exportar datos desde y hacia las distintas configuraciones de archivos más
utilizados.
Los resultados se muestran a través de ventanas que permiten visualizarlos tanto de forma numérica como de forma gráfica.
Módulo de Pre-procesamientos: se emplean principalmente para lograr que los datos estén dentro de un mismo rango de valores
y siguiendo un comportamiento similar.
Módulo de Transformaciones: posee un conjunto de técnicas matemáticas que se emplean fundamentalmente para disminuir o
eliminar las variaciones aleatorias, busca mejorar la interpretabilidad de los datos experimentales.
Exploración de datos: Las técnicas de exploración de datos se utilizan para poner de manifiesto y resaltar la información
contenida en una matriz de datos multidimensional.
Como resultado de este software explicaremos el primer ejemplo antes mencionado.
El procesamiento de datos de imágenes químicas para la lectura automática de perfiles de ADN en geles de poliacrilamida
9. Los perfiles de ADN han atraído en los últimos años la atención de la comunidad científica internacional debido al impacto
significativo que esta tecnología ha tenido sobre las tareas de identificación de material molecular del hombre, los animales y las
plantas. Entre los campos de aplicación más importantes de esta técnica se encuentra el de las Ciencias Forenses, lo que ha
permitido nuevas tecnologías como el análisis de ADN.
Para la identificación de seres humanos, los científicos utilizan los llamados STR LOCI (Short TandemRepeat).
Cada STR LOCI exhibe una variación en la longitud de la molécula de ADN. Una persona hereda de sus padres dos longitudes
específicas, las cuales tienden a ser diferentes del par de longitudes de otras personas.
Cada STR LOCI de un individuo tiene dos “alelos”, por tanto, para generar el perfil de una persona es necesario analizar la
información proveniente de los STR LOCI.
Ante esta situación, se planteó el necesario desarrollo de un sistema automatizado para la captación, almacenamiento y
procesamiento de imágenes de corridas de ADN sobre geles de poliacrilamida, su lectura automática para la obtención de los
perfiles de ADN y desarrollo de base datos que permita su almacenamiento y comparación con fines identificativos con la mayor
brevedad posible.
Las placas de forma general contienen un conjunto de defectos que se reflejan en la imagen digital obtenida por lo que es
necesario realizarle un proceso de mejoramiento de su calidad que incluye la conversión de la imagen de color a tonos grises, no
obstante el mejoramiento realizado en la imagen obtenida, además de estar el conjunto de manchas de ADN de los patrones y
muestras de estudio está presente otro grupo de manchas generalmente más pequeñas y de diferentes formas y tamaño que es
necesario eliminar para poder conformar los perfiles correspondientes sin el peligro de introducción de errores.
Para lograr la separación de forma automática de las manchas asociadas al ADN y las No- ADN es necesario lograr una
caracterización de manchas de ADN a través de rasgos o descriptores representativos de su forma.
Un aspecto a destacar dentro de los resultados obtenidos es la disminución considerable del tiempo del proceso lo que conlleva
un ahorro no solo del tiempo dedicado por el experto sino también una reducción de costos con resultados eficientes.
Un total de 5 perfiles no pudieron ser extraídos debido a la presencia de ADN de más de dos personas en la misma muestra. Los
errores fueron causados principalmente por errores en el clasificador en las manchas correspondientes a muestras de ADN.
Nuevo método de calibración multivariante para determinación de hidrocarburos en agua a través de la espectroscopia
infrarroja.
Una de las formas de contaminación más frecuente presente en el agua son los vertimientos de hidrocarburos en áreas urbanas e
industriales, provenientes de su uso y desecho, o como consecuencia de accidentes.
Para la detección y control de dicha contaminación, se necesita contar con métodos analíticos con apropiados con límites de
detección y exactitud y además que sean simples y rápidos.
La espectroscopia infrarroja, ha sido una técnica muy utilizada para los análisis, al cual de se le atribuyen ventajas relacionadas con
su baja complejidad y gran rapidez en su ejecución, así como la eliminación de los pasos de evaporación inherentes a otros
métodos que permite la detección de hidrocarburos volátiles presentes.
El objetivo de este caso de estudio estuvo dirigido a la obtención de un método de clasificación supervisada para la identificación
de seis tipos de combustibles derivados del petróleo a través del empleo de técnicas quimiométricas para el procesamiento
Multivariado de datos.
Técnicas Quimiométricas:
Para el caso de estudio, se cuenta con datos de entrenamiento de 64 muestras. Dichas muestras son representativas de seis tipos
de combustibles destilados de petróleo.
Las muestras de agua son colectadas en conformidad con las regulaciones usando un envase de vidrio equipado con una tapa
especial que contiene una cartulina de politetrafluoroetileno conocido comúnmente como teflón se requieren para el análisis 750ml
de muestra. Se debe preservar la muestra con (1 volumen de H2S04, densidad especifica 1,68 +1 volumen de agua)
10. Para garantizar un PH de 2 o menor. La muestra acidificada de agua es tratada de forma seriada tres veces con 30ml de
1,12tricohloro-1,2-trifuoroetano. El extracto es diluido a 100ml y se le añaden 3g de “Florisil” para remover las sustancias polares,
con lo que se obtiene un disolución de hidrocarburo de petróleo despu8es de un proceso de filtrado.
Conclusiones
Concluimos con la identificación del contenido del artículo científico nos podemos informar más sobre proyectos que nos
puede servir en la vida diaria.
Ser capaz de conocer con profundidad como la ciencia ha ido avanzando día a día.
Es incuestionable una ventaja para los investigadores, especialistas y técnicos.
Técnicas quimiométricas autorizadas para procedimientos multivariado de datos mejoran y amplían la capacidad de
respuestas de los investigadores.
Las técnicas quimiométricas automatizadas para el procesamiento Multivariado de datos mejoran y amplían la capacidad
de respuesta de los investigadores en diversas formas entre ellas: capacidad de mayor procesamiento y extracción de
información útil de los datos; posibilidad de fácil acople con rápidas y modernas técnicas de análisis instrumental
generadoras de datos de estrés; mayor rapidez en la obtención de los resultados, capacidad de predicción cuantitativa de
propiedades químico físicas de sustancias a partir de los datos provenientes de su análisis químico instrumental.
Contar con un software autóctono que integre una gran parte de aquellas con funcionalidades de visualización y
graficación es incuestionablemente una ventaja para investigadores, especialistas y técnicos cubanos relacionados con
esta rama del saber.
12. Referenciasbibliográficas
Massart DL, Vandeginste BGM, Buydens LMC, Jong SD,Lewi PJ, Smeyers-Verbeke J. Handbook of
Chemometrics and Qualimetrics: Part A. Data Handling in Science and Technology (20B). Amsterdam:
ElsevierScience: 1997.
2. Ramis Ramos G, GarciaAlvarez-Coque MC. Quimiometría. España: Ed Síntesis S.A.: 2001.
3. Talavera I, Rodríguez JL. Estado del Arte del Reconocimientode Patrones en la Quimiometría. RT_002,
Serie Azul. Reconocimiento de Patrones. Versión digital. RNPS_ 2142 ISSN 2072-6287.
CENATAV[Consultada: 1ro de agosto de 2010]. Disponible en: http://www.cenatav.co.cu/doc/RTecnicos/
RT%20SerieAzul_002web.pdf
4. Infometrix Inc. The Premier Chemometrics Company. [Consultada: 1ro de agosto de 2010]. Disponible en:
http://www.infometrix.com
5. The Unscramber. All-in-one Multivariate Data AnalisisandDesigne of experiments package. [consultada:
1ro de agosto de 2010] Diponible en: http://www.camo.com
6. Eigenvector Research Incorporated. Powerful Resources for Intelligent data analysis. [Consultada: 1ro de
agosto de2010]. Disponible en: http://www.eigenvector.com
7. Talavera I, Hernández N, Núñez O, Porro D, Bustio L, LarínR, Bermúdez M. QUIMIOMETRIX. Sistema
de herramientas quimiométricas para el preprocesamiento, clasificación y predicción de datas químicas
espectrales. Conferencia Internacional FIE’08, [CD ROM] Santiago de Cuba. 14-16 de julio de 2008.
8. Núñez O, Porro D, Talavera I, Bustio L, Hernández N, Larín R. Nuevo sistema automatizado para el
análisis de datos químicos y bioquímicos. Memorias de la Convencion de Salud e Informática 2009. [CDROM] Ciudad de La Habana 9-13 de febrero 2009.
9. Esbensen KH. Multivariate Data Analysis - In Practice. 5th edition. Alborg University, Esbjerg; August
2002. 10. Ferreira, M. Curso de Quimiometría. [consultada: 1ro de agosto de 2010] Diponible en:
http://www.cenatav.co.cu.
11. Pirouette user Guide. Multivariate Data Analysis. Version 3.11 Infometrix Inc. [Consultada: 1ro de
agosto de 2010] Diponible en: http://www.infometrix.com.
12. Manual de ayuda Quimiometrix. [consultada: 1ro de agosto de 2010] Diponible en:
http://www.cenatav.co.cu.
13. Savitzky A, Golay E. Smoothing and Differentiation of Data by Simplified Least Squares Procedures.
Anal. Chem. 1964, 36:1627-1639 .
14. Gorry A. General Least-Squares Smoothing and Differentiation by the Convolution (Savitzky-Golay)
Method Anal Chem. 1990;62:570-573. 15. Isaksson T, Naes T. The effect of multiplicative scatter correction
(MSC) and linear improvement in NIR spectroscopy Applied Spectroscopy 1988, 42:1273.
16. Kortum G. Reflectance Spectroscopy, NY: Springer: 1969.
17. Hotteling, H. Analysis of a Complex Statistical Variables into Principal Components, J Edu Psychol.
1933;24:417-424, 498-520.
18. Jackson JE. A User’s Guide to Principal Components. New York: J. Wiley & Sons: 1991.
19. Wold S, Sjöström M. Chemometrics: Theory and Application.B.R. Kowalski (Ed) ACS Symposium
Series. 1977; 52:243-282 .
20. Mardia KV, Kent JT, Bibby JM. Multivariate Analysis. Academic Press, London, 1980.
21. Hartigan JA. Clustering Algorithms. New York: J. Wiley & Sons: 1975.
13. 22. Massart DL, Kaufman L. Interpretation of Analytical Chemical Data By the
Use
of Cluster Analysis. New York: Wiley: 1983.
23. Derde MP, Massart DL. Supervised Pattern Recognition: The Ideal method. Anal ChimActa. 1986;191:1.
24. Kowalski BR, Bender CF. The K-Nearest Neighbor Classification Rule (Pattern Recognition). Anal.
Chim. Acta. 1972, 44:1405-1411.
25. Wold S, Sjöström M. SIMCA: A Method for Analying Chemical Data in Terms of Similarity and
Analogy. Research Group for Chemometrics, Institute of Chemistry, Umea
26. Vapnik V. The nature of Statistical Learning Theory. Springer Verlag, New York, 1995.
27. Chen N, Wencong L, Jie Y, Gozheng L. Support Vector Machines in Chemistry. World Scientific, 2004.
28. Martens H, Naes T. Multivariate Calibration. New York: Wiley: 1989.
29. Wold S, Sjöström M, Eriksson L. PLS-regression: a basic tool of chemometrics. ChemometricsIntell Lab
Syst. 2001;58: 109-130.
30. Wold S, Trygg J, Berglum A, Antii H. Some recent development in PLS modelling. ChemometricsIntell
Lab Syst. 2001;58:131-150.
31. Haaland D, Thomas E. Partial Least-Squares methods for spectral analyses. Relation to other quantitative
calibration methods and the extraction of qualitative information. Anal Chem. 1988;60(11):1193-1202.
32. Brereton R. Chemometrics: Data Analysis for the Laboratory and Chemical Plant. Wiley & Sons: 2003.
33. Silva F, Talavera I, González IR, Hernández N, Palau J, Santiesteban M. Automatic Extraction of DNA
profiles in Polyacrilamide gel electrophoresis images. LNCS 3773, 2005:242-251.
34. Talavera I, Silva F, González R, Hernández N, Palau J, Castro MM. Application of Chemometrics tools
for automatic classification and profile extraction of DNA samples in forensic tasks. Anal ChimActa.
2007;595:43
35. Gill P, Urquhart A, Millican E, Oldroyd N, Watson S. Sparkers. Criminal Intelligence Databases and
interpretation of STRs. Advances in Forensic Haemogenetics. 1996;6:235-42.
36. Lander ES. DNA fingerprinting: The NRC report. Science. 1993;259(5096):755-6.
37. Lewontin RC, Hartl DL. Population genetics in forensic DNA typing, Science. 1991;254:1745-1750.
38. Entrala C. Techniques for DNA analysis in forensic genetics. Disponible en:
http//:www.ugr.es/~eianez,biotecnología/ forensetec.htm#1. 2001.
39. Garea E, Silva FJ, Talavera I, Hernández N, González R. Improvement deoxyribo nucleic acid spots
clasification in polyacrilamide gel images using photometric normalization algoritms. Anal ChimActa.
2007;595:145-151.
40. Ruiz MD, Talavera I, Dago A, Hernández N, Núñez AC, Porro D. A multivariate calibration approach for
determination of petroleum hydrocarbons in water by means of IR spectrocopy. In process of publication in
Journal of Chemometrics. Published online in Wiley InterScience 2010. (www.interscience.wiley.com) DOI:
10.1002/cem.1284.
41. APHA Standard Methods for the Examination of Water and Waste Water 21st editions, Ed. APHA, 2005.
42. US Environmental Protection Agency Method 1664, Revision A. n-hexane extractable material (HEM;
oil and grease) and silica gel treated n-hexane extractable material by extraction and gravimetry. EPA-821-R98-002; 40 CFR Part 136 (July 1, 2000), Federal Register 1998, 64(93): 26315. U.S. Environmental
Protection Agency, Washington.
43. ISO93772/2000: Water Quality-Determination of Hydrocarbon Oil Index, 2000.
44. ASTM D3921-03, Standard Test Method for Oil and Grease and Petroleum.
14. 45. Bro R. Multivariate calibration: what
is in
chemometrics for the analytical chemist? Anal ChimActa. 2003;500:185-194.
46. Hopke PK. The evolution of chemometrics. Anal ChimActa. 2003;500:365-377.
47. ASTM D1193-00 Specification for Reagent Water.
48. Brudzewski K, Kesik A, Kolodziejczyk K, Zborowska U, Ulaczyk J. Gasoline quality prediction using
gas chromatography and FT-IR spectroscopy: An artificial intelligence approach. Fuel. 2006;85(4):553-558.
49. Flumignan DL, Tininis AG, Ferreira FO, de Oliveira JE. Screening brazilian C gasoline quality:
Application of the SIMCA chemometric method to gas chromatographic data. Anal ChimActa. 2007;595(12):128-135.
50. Hidajat K, Chong SM. Quality characterization of crude oils by partial least squares calibration of NIR
spectral profile. Revista CENIC CienciasQuímicas, Vol. 42, No. 1, pp.3-16, enero-abril, 2011.
51. Reboucas M V, Barros N. Near infrared spectroscopic prediction of physical properties of aromatic-rich
hydrocarbon mixtures. J of Near Infrared Spect. 2001;9:263.
52. Caneca AR, Fernada PM, Kawakami HRG, Da Matta CE, Rodrigues de CF, et al. Assessment of infrared
spectroscopy and multivariate techniques for monitoring the service condition of diesel-engine lubricanting
oils. Talanta. 2006;70(2):344-52.
53. Pasadakis N, Kardamakis AA. Identifying constituents in commercial gasoline using Fourier transform
infrared spectroscopy and independent component analysis. Anal ChimActa 2006;578(2):250-255.
54. Balabin RM, Safieva RZ, Lomakina EI. Comparison of linear and nonlinear calibration models based on
near infrared (NIR) spectroscopy data for gasoline properties prediction. Chem and Int Lab Syst.
2007;88:18355. Barker M, Rayens W. Partial squares for discrimination. J. Chemometrics 2003;17(3):166-173