PhD Dissertation Defense - Spanish

Transcript

1. 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
2. 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
3. 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
4. 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
5. 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
6. MATERIALES Y MÉTODOS 6
7. 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
8. 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
9. 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
10. 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
11. ICP-MS: FUNDAMENTOS 11
12. 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
13. 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
14. 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
15. 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.
16. 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
17. MÉTRICAS DE CLASIFICACIÓN TP TN FN FP Reales / Verdaderos Predichos Sensibilidad Precisión Especificidad = + = + + 17
18. MÉTRICAS DE CLASIFICACIÓN TP TN FN FP Reales / Verdaderos Predichos Exactitud Sensibilidad Precisión Especificidad = + = + + + + + + 18
19. MÉTODOS GRÁFICOS CURVAS ROC 19
20. RESULTADOS 20
21. Desmodium incanum 21
22. 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
23. 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
24. ANÁLISIS EXPLORATORIO  PCA 24 Gráfico de scores D. incanum D. incanum
25. ANÁLISIS EXPLORATORIO  PCA 25 Gráfico de scores D. incanum D. incanum
26. 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
27. 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
28. MÉTODO DE CLASIFICACIÓN  LDA Proyección de las dos primeras variables canónicas de D. incanum 28 D. incanum
29. 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
30. CURVAS ROC 30 AUC: 90% D. incanum
31. CURVAS ROC 31 AUC: 90% D. incanum
32. El Análisis Lineal Discriminante (LDA) demostró un desempeño óptimo para clasificar las muestras de Desmodium incanum según la serie de suelo 32 D. incanum
33. Schizachyrium microstachyum 33
34. 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
35. 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
36.  PCA 36 ANÁLISIS EXPLORATORIO Gráfico de scores S. microstachyum S. microstachyum
37.  PCA 37 ANÁLISIS EXPLORATORIO Gráfico de scores S. microstachyum S. microstachyum
38. ANÁLISIS EXPLORATORIO  PCA/HCA Dendrograma S. microstachyum Gráfico de Loadings S. microstachyum 38 Distancia: coeficientes de correlación Método: Ward S. microstachyum
39. ANÁLISIS EXPLORATORIO  PCA/HCA Dendrograma S. microstachyum Gráfico de Loadings S. microstachyum 39 Distancia: coeficientes de correlación Método: Ward S. microstachyum
40. MÉTODO DE CLASIFICACIÓN  LDA 40 Proyección de las dos primeras variables canónicas S. microstachyum S. microstachyum
41. 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
42. OPTIMIZACIÓN DE HIPERPARÁMETROS - SVM  C: 0,501  σ: 0,101 42 S. microstachyum
43. EVALUACIÓN DE CLASIFICADORES 43 LDA 4 S. microstachyum
44. EVALUACIÓN DE CLASIFICADORES 44 SVM 4 1 S. microstachyum
45. LDA 45 AUC: 63% CURVAS ROC S. microstachyum
46. CURVAS ROC 46 AUC: 92% SVM S. microstachyum
47. LDA SVM 47 AUC: 63% AUC: 92% CURVAS ROC S. microstachyum
48. 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
49. Andropogon lateralis 49
50. 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
51. 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
52. ANÁLISIS EXPLORATORIO  PCA Gráfico de scores A. lateralis 52 A. lateralis
53. ANÁLISIS EXPLORATORIO  PCA Gráfico de scores A. lateralis 53 A. lateralis
54. 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
55. 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
56. MÉTODOS DE CLASIFICACIÓN  LDA Proyección de las dos primeras variables canónicas A. lateralis 56 A. lateralis
57. 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
58. OPTIMIZACIÓN DE HIPERPARÁMETROS - SVM  C: 6,38  σ: 0,0836 58
59. EVALUACIÓN DE CLASIFICADORES  LDA 59 3 A. lateralis
60. EVALUACIÓN DE CLASIFICADORES  SVM 60 3 2 A. lateralis
61. EVALUACIÓN DE CLASIFICADORES  RF 61 3 2 1 A. lateralis
62. CURVAS ROC LDA 62 AUC: 82% A. lateralis
63. CURVAS ROC SVM 63 AUC: 87% A. lateralis
64. CURVAS ROC 64 RF AUC: 97% A. lateralis
65. CURVAS ROC RF SVM LDA 65 AUC: 82% AUC: 87% AUC: 97% A. lateralis
66. Los Bosques aleatorios (RF) demostraron un mejor desempeño para clasificar las muestras de Andropogon lateralis según la serie de suelo 66 A. lateralis
67. CLASIFICACIÓN DE ACUERDO AL ORIGEN GEOGRÁFICO 67
68. 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
69. SEGÚN ORIGEN GEOGRÁFICO 69 D. incanum
70. SEGÚN ORIGEN GEOGRÁFICO 70 S. microstachyum
71. SEGÚN ORIGEN GEOGRÁFICO 71 A. lateralis
72. CONCLUSIONES 72
73. 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
74. 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
75. 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
76. 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
77. 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
78. MUCHAS GRACIAS POR SU ATENCIÓN! 78
79. 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.