Predicción QSPR de los índices de retención, obtenidos por cromatografía gaseosa, para los componentes de aceites esenciales
| dc.contributor.advisor | Jorge Rodríguez, María Elisa | |
| dc.contributor.advisor | Marrero Ponce, Yovani | |
| dc.contributor.author | Thi Thu, Trang Tran | |
| dc.coverage.spatial | 1016432 | en_US |
| dc.date.accessioned | 2015-06-16T16:39:28Z | |
| dc.date.available | 2015-06-16T16:39:28Z | |
| dc.date.issued | 2010-06-25 | |
| dc.description.abstract | Los aceites esenciales son las fracciones líquidas volátiles que contienen las sustancias responsables del aroma de las plantas, generalmente son mezclas complejas de hasta más de 100 componentes, cuya composición es estudiada por técnicas cromatográficas como la cromatografía gaseosa con sus diferentes sistemas de detección, y evaluando como variable respuesta el índice de retención (IR), que resulta ser la de mayor popularidad por su reproducibilidad y exactitud. Actualmente el análisis cualitativo y cuantitativo, basado en la determinación de los IR, se lleva a cabo por el método de prueba y error, y resulta muy complejo por la falta de pureza de las muestras y el solapamiento de los picos que lo integran, lo cual implica un gran consumo de tiempo y recursos económicos. El objetivo fundamental de este estudio fue obtener relaciones cuantitativas estructura-retención (QSRR) para la predicción de dicha variable respuesta. Luego de una extensa revisión bibliográfica, se creó una data con 791 compuestos, estructuralmente diversos y todos componentes de aceites esenciales, para cada uno se dispuso de los IR de Kóvats obtenidos en el experimento con las siguientes condiciones cromatográficas: fase estacionaria apolar DB-5ms o HP-5ms (fenil metil polisiloxano al 5%; 30m х 0.25mm, diámetro 0.25 μm), fase móvil Helio/Hidrógeno, y el rango de temperatura del programa fue 220-280 oC. Como técnicas de reconocimiento de patrones se utilizaron el análisis de cluster y la regresión lineal múltiple, usando un algoritmo genético como método de selección de variables y la parametrización molecular se realizó empleando el software DRAGON. Los modelos fueron desarrollados a partir de una serie de aprendizaje de 609 compuestos, los cuales fueron seleccionados a partir de un análisis de diversidad molecular utilizando análisis de conglomerados. Se realizó una validación interna para garantizar la robustez y la bondad de ajuste de los modelos y el poder predictivo fue comprobado con una validación externa, disponiendo de una serie de predicción de 153 compuestos. Los resultados de los análisis permitieron seleccionar los mejores cuatro modelos teniendo en cuenta los parámetros estadísticos obtenidos para cada uno de ellos (R2, R2 adj, Q2, Q2 boot y Q2 ext), los cuales explican entre el 95,2-96,75% de la varianza de la variable respuesta (IR), poseen una buena robustez/estabilidad, poder predictivo (mayor que 98%), y cumplen con todos los supuestos paramétricos al igual que tienen un dominio de aplicabilidad definido. Finalmente, los modelos QSRR obtenidos pueden ser aplicados a grandes bases de datos de componentes de aceites esenciales con el objetivo de predecir sus índicesde retención para la cromatografía gaseosa, valores que servirían de partida para el trabajo experimental. | en_US |
| dc.description.sponsorship | Facultad de Química y Farmacia. Departamento de Farmacia | en_US |
| dc.description.status | non-published | en_US |
| dc.identifier.uri | http://hdl.handle.net/123456789/960 | |
| dc.language.iso | es | en_US |
| dc.publisher | Universidad Central "Marta Abreu" de las Villas | en_US |
| dc.rights | Este documento es Propiedad Patrimonial de la Universidad Central ¨Marta Abreu¨ de Las Villas. El autor o autores conservan los derechos morales que como tal le son reconocidos por la Legislación vigente sobre Derecho de Autor. Los distintos Usuarios podrán copiar, distribuir, comunicar públicamente la obra y hacer obras derivadas; bajo las condiciones siguientes: 1. Reconocer y citar al autor original 2. No utilizar la obra con fines comerciales 3. No realizar modificación alguna a la obra 4. Compartir aquellos productos resultados del uso de la obra bajo la misma licencia de esta Los Usuarios pueden reutilizar los metadatos en cualquier medio sin autorización previa, siempre que los propósitos de su utilización sean sin ánimo de lucro y se provea el Identificador OAI, un enlace al registro de metadatos original, o se haga referencia al repositorio de donde han sido extraídos. | en_US |
| dc.subject | Aceites Volátiles | en_US |
| dc.subject | Oils, Volatile | en_US |
| dc.subject | Cromatografía de Gases | en_US |
| dc.subject | Chromatography, Gas | en_US |
| dc.subject | Modelos QSRR | en_US |
| dc.subject | Predicción | en_US |
| dc.subject | Forecasting | en_US |
| dc.subject | Descriptores Moleculares | en_US |
| dc.title | Predicción QSPR de los índices de retención, obtenidos por cromatografía gaseosa, para los componentes de aceites esenciales | en_US |
| dc.type | Thesis | en_US |
| dc.type.thesis | bachelor | en_US |