Share
Embed
PhD Dissertation Defense - Spanish
Roxana Noelia
April 10, 2018
Transcript
79 slides
-
ESTUDIO DE LA COMPOSICIÓN MINERAL DE FORRAJERAS NATIVAS DE LA
PROVINCIA DE CORRIENTES. PROPUESTA DE MODELOS QUIMIOMÉTRICOS PARA EVALUAR PROPIEDADES QUÍMICAS Y EVENTUAL ORIGEN GEOGRÁFICO Tesista Roxana Noelia Villafañe Director: Dr. Roberto G. Pellerano Co-directora: Dra. Silvia M. Mazza 1 Para optar al grado de Doctor de la UNNE en Recursos Naturales -
INTRODUCCIÓN Elementos a nivel de vestigios Se refiere a los
elementos que se presentan a muy bajas concentraciones (por debajo de 1 µg/g) en suelos, plantas y demás organismos vivos. Sólo una pequeña porción de elementos en el suelo está biodisponible. La movilidad y la disponibilidad de los elementos son controlados por procesos químicos y bioquímicos: 1. Precipitación – Disolución 2. Adsorción – Desorción 3. Procesos de complejación y disociación 4. Oxidación – Reducción 2 -
RELEVANCIA DEL TEMA Origen de un producto Trazabilidad Técnicas de
huella dactilar • Autenticidad de un producto • Proteger productos regionales • Confirmar características de calidad Rastrear un producto a través de todas las etapas de producción, procesamiento y distribución. Caracterización de un producto ICP-MS & Análisis Quimiométrico 3 -
OBJETIVO GENERAL Contribuir al conocimiento de la composición química
mineral de especies nativas de plantas utilizadas como forrajes para la producción pecuaria en la provincia de Corrientes. Proponer modelos quimiométricos que permitan conocer la influencia de factores ambientales en la composición química multielemental de especies botánicas utilizadas como forrajes. 4 -
OBJETIVOS ESPECÍFICOS Determinar la composición química inorgánica de especies
de plantas nativas forrajeras, mediante espectrometría de masas por plasma acoplado inductivamente (ICP-MS). Detectar la presencia y niveles de elementos de interés nutricional, que pudieran afectar las cadenas alimentarias donde intervienen las especies estudiadas. Explorar la presencia de patrones en los datos químicos obtenidos mediante técnicas quimiométricas. Proponer modelos quimiométricos que permitan certificar el origen de futuras muestras. 5 -
MATERIALES Y MÉTODOS Desmodium incanum (DESM) Nombre común: pega-
pega. Dentro de las leguminosas es la más difundida en el centro-sur de Corrientes, produciendo un forraje consumido por los animales. Schizachyrium microstachyum (SCHZ) Nombre común: paja amarilla. Consumido por el ganado en épocas de escasez de forrajes. Andropogon lateralis (AND) Nombre común: paja colorada. Presente en casi todos los pastizales de la provincia, constituyendo una gramínea que predomina los pastizales de la Provincia. 7 -
MATERIALES Y MÉTODOS Sitios de muestreo Transecta de 50
m 1) San Cosme 2) Ramada Paso (Itatí) 3) San Miguel 4) Paso Florentín (General Paz) 5) Paso Naranjito (San Roque) 8 Series de suelo Chavarría Pampín -
MATERIALES Y MÉTODOS Sitios de muestreo Transecta de 50
m • Muestreo • Selección e identificación de ejemplares • Limpieza • Secado a temperatura ambiente • Rotulado y embalado en bolsas con cierre hermético 1) San Cosme 2) Ramada Paso (Itatí) 3) San Miguel 4) Paso Florentín (General Paz) 5) Paso Naranjito (San Roque) 9 Series de suelo Chavarría Pampín -
MATERIALES Y MÉTODOS Pretratamiento de las muestras Digestión
ácida asistida por microondas 500 mg de muestra seca 5 mL de HNO3 2 mL de H2 O2 Sistema de microondas: ETHOS one Análisis multielemental (ICP-MS) Ventajas: Bajos límites de detección Amplio intervalo lineal Determinación simultánea de elementos 10 Espectrómetro AGILENT 7500 -
MATRIZ DE RESULTADOS Composición mineral: Al, B, Cd, Co,
Cr, Cu, Li, Mo, Ni, Rb, Sb, Se, Sn, Sr, Ti, Tl, V y Zn. Composición mineral Serie de Suelo/ Origen geográfico Matrices: DESM (42 × 18) SCHZ (48 × 18) AND (44 × 18) 12 -
ANALISIS EXPLORATORIO Análisis de Componentes Principales (PCA) Análisis de Conglomerados
(HCA) Método exploratorio clásico Reducción de dimensiones Combinación lineal de las variables Proyección de variables y muestras en un espacio de dimensiones reducidas Método exploratorio de variables. Permite visualizar mediante un dendrograma las similitudes o las diferencias entre muestras o variables 13 -
MÉTODOS DE CLASIFICACIÓN Análisis Discriminante Lineal (LDA) Máquinas de Vectores
de Soporte (SVM) Bosques Aleatorios (RF) Combinación lineal de variables. Permite modelar las diferencias entre las clases. Técnica esencialmente lineal RBF Kernel (Cuadrático) Optimización de hiperparámetros. Remuestreo con reemplazo (Bootstrap) Asignación de clases por el voto mayoritario 14 Fisher Vapnik (AT&T Labs) Breiman -
ESQUEMA DE TRABAJO 15 Minería de datos Navaja de Ockham
Principio de parsimonia: En igualdad de condiciones, la explicación más sencilla suele ser la más probable. -
ESQUEMA DE TRABAJO 16 Análisis Exploratorio Métodos de clasificación LDA
LDA SVM LDA SVM RF Complejidad creciente del algoritmo Minería de datos Navaja de Ockham -
MÉTRICAS DE CLASIFICACIÓN TP TN FN FP Reales / Verdaderos
Predichos Sensibilidad Precisión Especificidad = + = + + 17 -
MÉTRICAS DE CLASIFICACIÓN TP TN FN FP Reales / Verdaderos
Predichos Exactitud Sensibilidad Precisión Especificidad = + = + + + + + + 18 -
COMPOSICIÓN MINERAL Elemento Chavarría (µg/g) Pampín (µg/g) Al 0,23 ±
0,12 0,35 ± 0,12 B 0,40 ± 0,10 2,30 ± 1,40 Cd 0,05 ± 0,01 0,05 ± 0,01 Co 0,02 ± 0,01 0,04 ± 0,01 Cr 0,05 ± 0,01 0,06 ± 0,01 Cu 3,70 ± 0,40 3,20 ± 1,00 Li 3,20 ± 1,10 2,60 ± 0,80 Mo 0,22 ± 0,01 0,25 ± 0,01 Ni 0,04 ± 0,03 0,04 ± 0,02 Rb 0,74 ± 0,33 2,30 ± 1,10 Sb 0,02 ± 0,01 0,02 ± 0,01 Se 0,08 ± 0,01 0,06 ± 0,01 Sn 0,06 ± 0,01 0,06 ± 0,02 Sr 7,30 ± 2,30 9,30 ± 2,80 Ti 2,40 ± 0,50 2,30 ± 0,50 Tl 0,04 ± 0,01 0,03 ± 0,01 V 0,04 ± 0,01 0,16 ± 0,10 Zn 9,40 ± 3,10 13,80 ± 2,70 22 D. incanum D. incanum -
COMPOSICIÓN MINERAL Elemento Chavarría (µg/g) Pampín (µg/g) Al 0,23 ±
0,12 0,35 ± 0,12 B 0,40 ± 0,10 2,30 ± 1,40 Cd 0,05 ± 0,01 0,05 ± 0,01 Co 0,02 ± 0,01 0,04 ± 0,01 Cr 0,05 ± 0,01 0,06 ± 0,01 Cu 3,70 ± 0,40 3,20 ± 1,00 Li 3,20 ± 1,10 2,60 ± 0,80 Mo 0,22 ± 0,01 0,25 ± 0,01 Ni 0,04 ± 0,03 0,04 ± 0,02 Rb 0,74 ± 0,33 2,30 ± 1,10 Sb 0,02 ± 0,01 0,02 ± 0,01 Se 0,08 ± 0,01 0,06 ± 0,01 Sn 0,06 ± 0,01 0,06 ± 0,02 Sr 7,30 ± 2,30 9,30 ± 2,80 Ti 2,40 ± 0,50 2,30 ± 0,50 Tl 0,04 ± 0,01 0,03 ± 0,01 V 0,04 ± 0,01 0,16 ± 0,10 Zn 9,40 ± 3,10 13,80 ± 2,70 23 20 µg/g 10 µg/g 1 µg/g 1 µg/g 0,1 µg/g 0,1 µg/g Requerimientos para ganado productor de carne D. incanum D. incanum -
ANÁLISIS EXPLORATORIO PCA/HCA Cr Tl Ni Sb Ti Sn
Li Se Cu Mo Cd Co Zn Rb V B Sr Al -106.67 -37.78 31.11 100.00 Variables Dendrograma D. incanum Gráfico de Loadings D. incanum 26 Distancia: coeficientes de correlación Método: Ward D. incanum -
ANÁLISIS EXPLORATORIO PCA/HCA Cr Tl Ni Sb Ti Sn
Li Se Cu Mo Cd Co Zn Rb V B Sr Al -106.67 -37.78 31.11 100.00 Variables Dendrograma D. incanum Gráfico de Loadings D. incanum 27 Distancia: coeficientes de correlación Método: Ward D. incanum -
MÉTODO DE CLASIFICACIÓN LDA Proyección de las dos primeras
variables canónicas de D. incanum 28 D. incanum -
CLASIFICACIÓN PARAMÉTRICA LDA Exactitud: 90% / Sensibilidad: 100% /
Precisión: 75% Especificidad: 86% Entrenamiento : 75% (n=33) Prueba: 25% (n=10) 29 Matriz de Confusión (LDA) para D. incanum D. incanum -
El Análisis Lineal Discriminante (LDA) demostró un desempeño óptimo para
clasificar las muestras de Desmodium incanum según la serie de suelo 32 D. incanum -
COMPOSICIÓN MINERAL Elemento Chavarría (µg/g) Pampín (µg/g) Al 0,09 ±
0,01 0,10 ± 0,02 B 3,12 ± 0,60 2,84 ± 0,70 Cd 0,05 ± 0,01 0,05 ± 0,02 Co 0,04 ± 0,01 0,03 ± 0,01 Cr 0,07 ± 0,01 0,05 ± 0,02 Cu 2,40 ± 0,80 3,70 ± 0,60 Li 2,30 ± 0,60 3,20 ± 1,90 Mo 0,11 ± 0,03 0,14 ± 0,03 Ni 0,04 ± 0,02 0,03 ± 0,02 Rb 1,40 ± 0,20 1,20 ± 0,20 Sb 0,03 ± 0,01 0,03 ± 0,01 Se 0,07 ± 0,01 0,08 ± 0,02 Sn 0,11 ± 0,01 0,12 ± 0,01 Sr 14,1 ± 2,00 12,2 ± 2,10 Ti 2,30 ± 0,50 2,40 ± 0,50 Tl 0,02 ± 0,01 0,03 ± 0,01 V 0,22 ± 0,05 0,17 ± 0,07 Zn 14,0 ± 5,30 15,5 ± 3,40 34 S. microstachyum S. microstachyum -
COMPOSICIÓN MINERAL Elemento Chavarría (µg/g) Pampín (µg/g) Al 0,09 ±
0,01 0,10 ± 0,02 B 3,12 ± 0,60 2,84 ± 0,70 Cd 0,05 ± 0,01 0,05 ± 0,02 Co 0,04 ± 0,01 0,03 ± 0,01 Cr 0,07 ± 0,01 0,05 ± 0,02 Cu 2,40 ± 0,80 3,70 ± 0,60 Li 2,30 ± 0,60 3,20 ± 1,90 Mo 0,11 ± 0,03 0,14 ± 0,03 Ni 0,04 ± 0,02 0,03 ± 0,02 Rb 1,40 ± 0,20 1,20 ± 0,20 Sb 0,03 ± 0,01 0,03 ± 0,01 Se 0,07 ± 0,01 0,08 ± 0,02 Sn 0,11 ± 0,01 0,12 ± 0,01 Sr 14,1 ± 2,00 12,2 ± 2,10 Ti 2,30 ± 0,50 2,40 ± 0,50 Tl 0,02 ± 0,01 0,03 ± 0,01 V 0,22 ± 0,05 0,17 ± 0,07 Zn 14,0 ± 5,30 15,5 ± 3,40 35 Requerimientos para ganado productor de carne 1 µg/g 1 µg/g 10 µg/g 0,1 µg/g 0,1 µg/g 20 µg/g S. microstachyum S. microstachyum -
PCA 36 ANÁLISIS EXPLORATORIO Gráfico de scores S. microstachyum
S. microstachyum -
PCA 37 ANÁLISIS EXPLORATORIO Gráfico de scores S. microstachyum
S. microstachyum -
ANÁLISIS EXPLORATORIO PCA/HCA Dendrograma S. microstachyum Gráfico de Loadings
S. microstachyum 38 Distancia: coeficientes de correlación Método: Ward S. microstachyum -
ANÁLISIS EXPLORATORIO PCA/HCA Dendrograma S. microstachyum Gráfico de Loadings
S. microstachyum 39 Distancia: coeficientes de correlación Método: Ward S. microstachyum -
MÉTODO DE CLASIFICACIÓN LDA 40 Proyección de las dos
primeras variables canónicas S. microstachyum S. microstachyum -
EVALUACIÓN DE CLASIFICADORES LDA Exactitud: 67% / Sensibilidad: 83%
/ Precisión: 62% Especificidad: 50% SVM Exactitud: 92% / Sensibilidad: 83% / Precisión: 100% Especificidad: 100% Prueba: 25% (n=12) Entrenamiento: 75% (n=36) 41 Matriz de Confusión (SVM) para S. microstachyum S. microstachyum -
OPTIMIZACIÓN DE HIPERPARÁMETROS - SVM C: 0,501 σ:
0,101 42 S. microstachyum -
LDA SVM 47 AUC: 63% AUC: 92% CURVAS ROC S.
microstachyum -
Las máquinas de vectores soporte (SVM) demostraron un mejor desempeño
para clasificar las muestras de Schizachyrium microstachyum según la serie de suelo 48 S. microstachyum -
COMPOSICIÓN MINERAL Elemento Chavarría (µg/g) Pampín (µg/g) Al 0,90 ±
0,20 0,90 ± 0,10 B 2,80 ± 0,70 3,10 ± 0,60 Cd 0,05 ± 0,01 0,05 ± 0,01 Co 0,02 ± 0,01 0,04 ± 0,01 Cr 0,07 ± 0,01 0,06 ± 0,01 Cu 3,70 ± 0,50 2,50 ± 1,00 Li 3,60 ± 1,90 2,00 ± 0,50 Mo 0,29 ± 0,07 0,22 ± 0,05 Ni 0,02 ± 0,01 0,04 ± 0,02 Rb 0,62 ± 0,08 0,67 ± 0,12 Sb 0,02 ± 0,01 0,02 ± 0,01 Se 0,07 ± 0,02 0,07 ± 0,01 Sn 0,03 ± 0,01 0,03 ± 0,01 Sr 11,90 ± 2,10 14,10 ± 1,70 Ti 2,30 ± 0,50 2,30 ± 0,40 Tl 0,02 ± 0,01 0,03 ± 0,01 V 0,16 ± 0,06 0,22 ± 0,05 Zn 14,40 ± 3,60 15,60 ± 5,10 50 A. lateralis A. lateralis -
COMPOSICIÓN MINERAL Elemento Chavarría (µg/g) Pampín (µg/g) Al 0,90 ±
0,20 0,90 ± 0,10 B 2,80 ± 0,70 3,10 ± 0,60 Cd 0,05 ± 0,01 0,05 ± 0,01 Co 0,02 ± 0,01 0,04 ± 0,01 Cr 0,07 ± 0,01 0,06 ± 0,01 Cu 3,70 ± 0,50 2,50 ± 1,00 Li 3,60 ± 1,90 2,00 ± 0,50 Mo 0,29 ± 0,07 0,22 ± 0,05 Ni 0,02 ± 0,01 0,04 ± 0,02 Rb 0,62 ± 0,08 0,67 ± 0,12 Sb 0,02 ± 0,01 0,02 ± 0,01 Se 0,07 ± 0,02 0,07 ± 0,01 Sn 0,03 ± 0,01 0,03 ± 0,01 Sr 11,90 ± 2,10 14,10 ± 1,70 Ti 2,30 ± 0,50 2,30 ± 0,40 Tl 0,02 ± 0,01 0,03 ± 0,01 V 0,16 ± 0,06 0,22 ± 0,05 Zn 14,40 ± 3,60 15,60 ± 5,10 51 A. lateralis Requerimientos para ganado productor de carne 1 µg/g 1 µg/g 10 µg/g 0,1 µg/g 0,1 µg/g 20 µg/g A. lateralis -
ANÁLISIS EXPLORATORIO PCA / HCA Ni Co V Sr
Cd Sb Zn Rb B Cr Mo Tl Ti Li Sn Se Cu Al -62.48 -8.32 45.84 100.00 Variables Dendrograma A. lateralis 54 Gráfico de Loadings A. lateralis Distancia: coeficientes de correlación Método: Ward A. lateralis -
ANÁLISIS EXPLORATORIO PCA / HCA Ni Co V Sr
Cd Sb Zn Rb B Cr Mo Tl Ti Li Sn Se Cu Al -62.48 -8.32 45.84 100.00 Variables Dendrograma A. lateralis 55 Gráfico de Loadings A. lateralis Distancia: coeficientes de correlación Método: Ward A. lateralis -
MÉTODOS DE CLASIFICACIÓN LDA Proyección de las dos primeras
variables canónicas A. lateralis 56 A. lateralis -
EVALUACIÓN DE CLASIFICADORES LDA Exactitud: 73% / Sensibilidad: 75%
/ Precisión: 60% Especificidad: 71% SVM Exactitud: 82% / Sensibilidad: 83% / Precisión: 83% Especificidad: 80% RF Exactitud: 91% / Sensibilidad: 80% / Precisión: 100% Especificidad: 100% Prueba: 25% (n=11) Entrenamiento: 75% (n=33) 57 Matriz de Confusión (RF) para A. lateralis A. lateralis -
CURVAS ROC RF SVM LDA 65 AUC: 82% AUC: 87%
AUC: 97% A. lateralis -
Los Bosques aleatorios (RF) demostraron un mejor desempeño para clasificar
las muestras de Andropogon lateralis según la serie de suelo 66 A. lateralis -
SEGÚN ORIGEN GEOGRÁFICO 5 sitios de origen Métodos
de clasificación multiclase LDA – SVM - RF Criterio de Ockham Remuestreo con k =10 Evaluación de desempeño (validación cruzada) Exactitud global Sensibilidad (Verdaderos positivos) Especificidad (Verdaderos negativos) Parámetro Kappa 68 -
CONCLUSIONES En este trabajo se observó que de acuerdo
al criterio de clasificación, binario o multiclase, se hizo necesario utilizar algoritmos de complejidad creciente para resolver la misma base de datos. Cuando se consideró la serie de suelo (binario) como criterio de clasificación, la base de datos se pudo resolver optimizando modelos de complejidad creciente de acuerdo a la especie botánica. Cuando se consideró el origen geográfico (multiclase) como criterio de clasificación, la base de datos se pudo resolver optimizando modelos de complejidad media como SVM, independientemente de la especie botánica. 73 -
CONCLUSIONES Criterio DESM SCHZ AND Serie de suelo LDA (Exactitud:
90%) LDA (Exactitud: 67%) SVM (Exactitud: 92%) LDA (Exactitud: 73%) SVM (Exactitud: 82%) RF (Exactitud: 91%) Origen geográfico SVM (Exactitud global: 98%) SVM (Exactitud global: 97%) SVM (Exactitud global: 98%) 74 BINARIA MULTICLASE -
PRODUCCIÓN Assessment of mineral content in aerial parts of
Schizachyrium microstachyum (Poaceae). XXXI Reunión científica anual de la Sociedad de Biología de Cuyo. Mendoza, Argentina. Noviembre 2013. Non-essential trace element uptake in soybean seeds. XXXI Reunión científica anual de la Sociedad de Biología de Cuyo Mendoza, Argentina. Noviembre 2013. Caracterización de dos especies forrajeras nativas de la provincia de Corrientes utilizando métodos quimiométricos basados en su composición mineral. 7mo Congreso Argentino de Química Analítica. Mendoza, Argentina. Octubre 2013. Análisis Exploratorio del contenido multielemental de partes aéreas de Desmodium incanum (DC) provenientes de la provincia de Corrientes. XXX Congreso Argentino de Química. Buenos Aires, Argentina. Octubre 2014. Determinación de bario, estroncio y litio en hierbas medicinales y sus infusiones consumidas en la región norte de Argentina. VII Congreso Iberoamericano de Física y Química Ambiental. Valparaíso, Chile. Octubre 2014. 75 -
PRODUCCIÓN Caracterización multivariada de forrajes nativos de Corrientes y
rizosfera de acuerdo a su contenido mineral. 8vo Congreso Argentino de Química Analítica. La Plata, Buenos Aires, Argentina. Noviembre 2015. Determinación multielemental y clasificación de limones argentinos de acuerdo a su origen geográfico. 8vo Congreso Argentino de Química Analítica. La Plata, Buenos Aires, Argentina. Noviembre 2015. Elementos traza no-esenciales y tóxicos para clasificación geográfica de muestras de arroz del Nordeste argentino. En el 5to Simposio Internacional de Biotecnología e Ingeniería Ambiental. Buenos Aires, Argentina. Julio 2016. Clasificación Quimiométrica de muestras de Andropogon lateralis provenientes de la provincia de Corrientes. XXXI Congreso Argentino de Química. Capital Federal, Buenos Aires. Octubre 2016. 76 -
PUBLICACIONES CON REFERATO Toxic Trace Element Contents in Gluten-free
Cereal Bars Marketed in Argentina publicado en International Journal of Celiac Disease 3 (1) 2015 ISSN 2334 - 3486 doi: 10.12691/ijcd-3-1-4 Hidalgo, M.J; Villafañe, R.N; Sgroppo, S.C; Marchevsky, E.J; Pellerano, R.G. Tracing the geographical origin of argentinean lemon juices based on trace element profiles using advanced chemometric techniques. Microchemical Journal 129 (2016) 243-248 (Elsevier) doi: 10.1016/j.microc.2016.07.002 Gaiad, J.E; Hidalgo, M.J; Villafañe, R.N; Marchevsky, E.J; Pellerano, R.G. Non-essential element concentrations in brown grain rice: assessment by advanced data mining techniques. Environmental Science and Pollution Research – (Springer) doi: 10.1007/s11356-017-9017-2 Villafañe, R.N; Hidalgo, M.J; Piccoli, A.B; Marchevsky, E.J; Pellerano, R.G. Perfil mineral en los pastizales de Andropogon lateralis y Sorghastrum setosum (Gramineae) en Corrientes, Argentina. – Revista de la Facultad de Ciencias Agrarias (UNCuyo). Bernardis, A.C; Villafañe, R.N.; Pellerano, R.G.; Marchevsky E.J. 77 -
AGRADECIMIENTOS 79 A la Universidad Nacional del Nordeste. A la
Facultad de Ciencias Agrarias. Al Consejo Nacional de Investigaciones Científicas y Técnicas. Al Instituto de Química de San Luis (INQUISAL). A mis directores de Tesis, Dr. Pellerano y Dra. Mazza. A mi director de beca, Dr. Marchevsky. A mis compañeras, Dra. Giménez y la Ing. Agr. Bóbeda A mis Padres y amigos.