000 02255nam a22003257i 4500
001 AZUAY-90182
003 AZUAY
005 20251111043041.0
008 251108b ||||||||qm||| 00| | d
040 _aAZUAY
_bspa
_cAZUAY
_dAZUAY
_erda
041 0 _aspa
084 _aUDA-BG T17933
100 1 _aMendoza Zambrano, Alan Mateo,
_eautor
245 1 0 _aAplicación del aprendizaje automático para la predicción de los tiempos de retención de pesticidas medidos en cromatografía líquida de fluidos supercríticos en muestras de espinacas
264 3 1 _aEcuador :
_bUniversidad del Azuay-Facultad de Ciencia y Tecnología-Escuela de Ingeniería en Alimentos,
_c2022
300 _a30 páginas
300 _bDigital
336 _2rdacontent
_atexto
_btxt
337 _2rdamedia
_acomputadora
_bc
338 _2rdacarrier
_arecurso en línea
_bcr
502 _aIngeniero en Alimentos
520 3 _bEn este estudio se ha desarrollado un modelo basado en las relaciones cuantitativas estructura- propiedad (QSPR) para una base de datos de 375 pesticidas identificados en muestras de espinacas. Las moléculas en la base de datos fueron curadas bajo diversos criterios. La propiedad experimental es el tiempo de retención (tR) medido mediante cromatografía líquida de fluidos supercríticos (SFC). Los compuestos fueron representados por descriptores moleculares independientes de la conformación, los cuales fueron analizados mediante el método no supervisado W-VSP. Los descriptores restantes se usaron para calibrar diversos modelos de mínimos cuadrados ordinarios (OLS) acoplados con el método de remplazo (RM) para la selección supervisada de variables. Se obtuvo un modelo QSPR predictivo con 6 descriptores, el cual fue validado mediante técnicas internas y externas. Adicionalmente, se estableció el dominio de aplicabilidad del mismo y se proporciono los mecanismos de acción para cada descriptor molecular.
650 1 4 _aDESCRIPTORES MOLECULARES
650 1 4 _aESPINACA
650 1 4 _aPESTICIDAS
650 1 4 _aRELACIÓN CUANTITATIVA ESTRUCTURA-PROPIEDAD-QSPR
700 1 _aRojas Villa, Cristian Xavier,
_edirector de Tesis
856 4 0 _uhttp://dspace.uazuay.edu.ec/handle/datos/12406
_yVer documento en línea
942 _2z
_c6
999 _c42057
_d42057