ESTUDIAR PARA PREVER Y PREVER PARA ACTUAR
Secretaría de Educación Pública
Instituto Tecnológico de Colima
“ELABORACIÓN DE UNA BASE DE
DATOS PARA FORRAJES DE MAÍZ
MEDIANTE ESPECTROSCOPIA EN
INFRARROJO CERCANO (NIR)”
VILLA DE ÁLVAREZ, COL., OCTUBRE DE 2011
QUE PARA OBTENER EL TÍTULO DE
INGENIERO BIOQUÍMICO
PRESENTA
JUAN CARLOS PÉREZ AGUILAR
DRA. MARÍA FELIPA ANDRADE URZUA
ASESOR
OPCIÓN X
Agradecimientos
A mis padres:
Por darme la oportunidad de estar en esta vida, por guiarme siempre por el
camino correcto y sobre todo por brindarme siempre su apoyo incondicional
en cada momento que lo necesite.
A mis profesores:
A todos y cada uno de ellos con los que me cruce en este largo camino por
transmitirme su sabiduría y conocimientos, los cuales hicieron de mí un
profesionista.
A mis compañeros y amigos:
Por que sin ellos este largo camino hubiera sido muy difícil de recorrer, y
sobre todo porque siempre estuvieron ahí mis grandes amigos cuando los
necesite y me brindaron de manera incondicional siempre una palabra de
aliento.
Al INIFAP:
Dedico este trabajo
a mis padres, a mis hermanos y a mi novia Mayra por ser cada uno de
manera muy especial lo más importante en mi vida, pero sobre todo, esto
que hoy logro va dedicado para mi hermano Pepe, por ser un ejemplo de
hermano y porque un día le prometí que sería todo un profesionista como
él me lo pidió, y por demostrarme que para lograr algo en la vida hay que
luchar hasta el último segundo para conseguirlo, aunque nos encontremos
INDICE
Introducción ________________________________________________________2
Justificación_________________________________________________________4
Objetivos___________________________________________________________5
Caracterización del área en que participo_________________________________6
Problemas a resolver__________________________________________________7
Alcances y limitaciones_________________________________________________8
Fundamento teórico____________________________________________________9
Procedimiento y descripción de las actividades realizadas_____________________21
Resultados___________________________________________________________49
Conclusiones_________________________________________________________57
Referenciasbibliograficas_______________________________________________59
INTRODUCCIÓN
En Colima se siembran más de 11,500 has para la producción de maíz de grano en temporal y 3,000 has de riego para la producción de forraje para ensilaje destinadas a la alimentación animal. En los años recientes, el INIFAP ha evaluado y liberado nuevos materiales de maíces blancos y amarillos para destinarlos principalmente a la elaboración de tortillas de alta calidad y los excedentes de grano para uso en la alimentación animal, así como el 100% del rastrojo molido, una vez cosechado el grano. El municipio de Colima cuenta con un inventario ganadero significativo, ya que representa el 15% del inventario total del Estado, por lo cual se requiere disponer de suficiente alimento, principalmente para la época de sequía, el cual debe de ser de alta calidad para cubrir los requerimientos nutricionales mínimos de las principales especies animales que se manejan en esta región. Por esta razón es necesario conocer la calidad y valor nutritivo de los alimentos para uso animal, para el mercadeo de productos agrícolas a nivel predial y comercial. Los métodos cuantitativos y cualitativos tradicionales de análisis de alimentos son difíciles, demandan tiempo, mano de obra y son de un elevado costo,(Cozzolino, 2002).
Las propiedades ópticas de los alimentos, y en particular la aplicación de la espectroscopía de reflectancia en el infrarrojo cercano (NIRS), se emplea desde la década de los 70’s en la industria alimenticia, farmacéutica, y petroquímica, como alternativa a los métodos químicos y químico-biológicos tradicionales. El NIRS es una técnica rápida, no destructiva ni contaminante, y de gran exactitud siempre que se sigan los procedimientos adecuados para crear las ecuaciones de calibración. El método utiliza la región de longitudes de onda entre los 700 y 2500 nanómetros (nm) del espectro electromagnético. Este método se basa en que cuando la luz incide sobre una muestra, una parte de los fotones es transmitida a través de la misma, siendo el resto absorbido. La absorción de energía por la muestra produce que los enlaces entre C-H, O-H y N-H, componentes principales de la estructura básica de las sustancias orgánicas, vibren en distintas formas(Cozzolino, 2002).
Al desarrollar una calibración NIRS, la información espectral (óptica) se relaciona mediante un algoritmo con la información de la composición físico-química (método de referencia) a través de la aplicación de modelos estadísticos como son la regresión múltiple, los componentes principales y los cuadrados mínimos parciales(Quezada, 2008).
JUSTIFICACIÓN
Hoy en día como desde hace mucho tiempo en el Estado de Colima se lleva a cabo la siembra de maíz para la producción de forraje para ensilaje destinada a la alimentación animal, y desde entonces hasta la fecha es de suma importancia tanto para los productores como para los consumidores de este alimento de uso animal conocer la calidad y el valor nutricional de éste.
Esto nunca ha representado ningún problema, puesto que desde siempre se ha contado con los métodos cualitativos y cuantitativos tradicionales de análisis de alimentos, los cuales nos ayudan a conocer las propiedades nutricionales del alimento en cuestión; sin embargo, hoy en día llevar a cabo este tipo de análisis es algo sumamente difícil, ya que estos demandan mucho tiempo, son laboriosos y sobre todo son de un costo elevado.
Por tal motivo es que se busca dejar atrás este tipo de análisis tradicionales y sustituirlos por la novedosa tecnología de la espectroscopía de reflectancia en el infrarrojo cercano (NIRS), por lo que en el presente proyecto se trabajará con este tipo de tecnología, la cual representa una alternativa rápida, no laboriosa y menos costosa para la determinación de las cualidades nutritivas de este tipo de alimentación animal.
OBJETIVOS
Objetivos generales
Explorar la exactitud y precisión de la espectroscopía de reflectancia en el infrarrojo cercano (NIRS) para la predicción de las determinaciones de: Cenizas, Proteína Cruda FDA, FDN y Digestibilidad in vitro de la materia seca de maíces forrajeros.
Elaborar una base de datos para futuros análisis de maíz.
Objetivos específicos
Realizar mediante métodos primarios el análisis químico proximal de muestras de forrajes mediante métodos aprobados por la AOAC.
Elaborar curvas de calibración para la rápida determinación de, Cenizas, Proteína Cruda, Fibra Acido Detergente (FDA), Fibra Neutro Detergente (FDN) y Digestibilidad in vitro de la materia seca de maíces forrajeros cultivados en el Estado de Jalisco.
CARACTERIZACIÓN DEL ÁREA EN QUE PARTICIPÓ
La realización de este proyecto se llevó a cabo en el Laboratorio de Bromatología del INIFAP Campo Experimental Tecomán. En dicho laboratorio se tienen marcados ciertos objetivos como se mencionan a continuación.
1. Establecer un vínculo con el sector agropecuario a través de la prestación de los servicios de laboratorio.
2. Ofertar servicio de análisis químicos a investigadores y productores de la región pacífico centro.
Los servicios o análisis que este laboratorio ofrece son:
Humedad y materia seca
Proteína cruda
Extracto etéreo
Fibra cruda
Cenizas
Calcio y fósforo
Paredes celulares o fibra detergente neutro (FDN)
Fibra detergente ácido (FDA)
Lignina
Nitrógeno ligado a FDA (NIAD)
Digestibilidad in vitro
PROBLEMAS A RESOLVER
Dejar atrás los métodos tradicionales, los cuales, son muy laboriosos y demandan mucho tiempo en su realización e incluso muchas ocasiones son inexactos por diversos motivos como pueden ser: equipo en mal funcionamiento, mala operación de éste, reactivos en mal estado y errores de la persona que está llevando a cabo dicho análisis.
Contribuir en la conservación del medio ambiente, es decir, al hacer uso de este tipo de tecnología y dejar atrás los métodos primarios, se evitará el uso de reactivos que pueden ser contaminantes al medio ambiente, así como también evitar utilizar gases en los equipos que lo requieren, lo cual ayudaría a la conservación de éste.
ALCANCES Y LIMITACIONES
Alcances
Contar con un método de análisis rápido para múltiples determinaciones.
Diseñar el método óptimo para cada determinación.
Probar con diferentes regresiones para validar el método más apropiado.
Contar con una base de datos basta para futuros análisis de forrajes.
Limitaciones
Poco conocimiento del funcionamiento del equipo debido a que nunca se ha utilizado.
Poco número de muestras para hacer una base de datos más extensa.
FUNDAMENTO TEÓRICO
“La química y el análisis de los alimentos son disciplinas muy amplias que se basan en los principios de la fisicoquímica, química orgánica, biología y química analítica. Los avances en estas ciencias realizados en los siglos XIX y XX han tenido un efecto importante en la comprensión de muchos aspectos de la ciencia y tecnología de alimentos y han sido decisivos en el mejoramiento de la cantidad, calidad y disponibilidad del suministro de alimentos a nivel mundial.
El análisis de alimentos es la disciplina que se ocupa del desarrollo, uso y estudio de los procedimientos analíticos para evaluar las características de alimentos y de sus componentes. Esta información es crítica para el entendimiento de los factores que determinan las propiedades de los alimentos, así como la habilidad para producir alimentos que sean consistentemente seguros, nutritivos y deseables para el consumidor.
Existen un número considerable de técnicas analíticas para determinar una propiedad particular del alimento. De ahí que es necesario seleccionar la más apropiada para la aplicación específica. La técnica seleccionada dependerá de la propiedad que sea medida, del tipo de alimento a analizar y la razón de llevar a cabo el análisis.
Las determinaciones que se realizan más frecuentemente para conocer la composición de los alimentos incluyen la determinación de humedad, cenizas, extracto etéreo (grasa cruda), proteína total, fibra y carbohidratos asimilables, en un protocolo conocido como Análisis Proximal”(http://depa.pquim.unam.mx/amyd/archivero/ManualdeFundamentosyTecnicasdeAnaalisisde Alimentos_6501.pdf.).
Análisis proximal
“El análisis de los alimentos ha sido practicado por el hombre desde tiempos inmemoriales, en los que podrían llamarse análisis organolépticos. Posteriormente los hebreos, cristianos y mahometanos introdujeron reglas con respecto al consumo de ciertos alimentos, basados principalmente en la experimentación con ellos.
En el año de 1859-1861 se dió a conocer un gran avance, ya que Henneberg y sus colaboradores en la estación agrícola de Weende, Alemania, elaboraron los métodos para el análisis próximo o proximal de un alimento.
Podría definirse el análisis próximo como un “esquema de análisis químico mediante el cual se determina la composición de un alimento en término de sus principales grupos de nutrientes”. En otras palabras, evalúa la calidad de un alimento en función de grupos de compuestos con características físico-químicas semejantes, pero con diferente valor nutritivo.
A pesar de las limitaciones que tiene el análisis proximal ha sido por más de un siglo el punto de partida en la evaluación de un alimento y aunque los métodos de análisis hayan cambiado, el fundamento permanece intacto” (Tejada de Hernández, 1992).
“También conocido como análisis proximal o análisis de Weende, este método es proximal porque no determina sustancias químicamente definibles, sino que asocia combinaciones orgánicas que responden a determinadas reacciones analíticas. Por ello se habla de grupos nutritivos que son:
a) Agua ó materia seca (MS) b) Extracto Etéreo (EE) c) Proteína Cruda (PC) d) Cenizas
e) Fibra cruda (FC)
f) Extracto no Nitrogenado (ENN)
En la aplicación de los métodos para el análisis próximo debe tenerse cuidado en seguir el método lo más fielmente que se pueda a lo sugerido, ya que algunos de ellos, como la fibra cruda, son empíricos y cualquier cambio en la concentración de los reactivos o en el tiempo de digestión va a alterar los resultados. Un incremento en la temperatura de ignición de la muestra para la determinación de cenizas o material mineral (se sugiere 550-600 °C) nos puede provocar volatilizaciones de sales minerales y dar resultados erróneos”(http://www.unmsm.edu.pe/veterinaria/aula.../Clase%20T1b-2009.ppt).
Características más importantes del análisis proximal
1. “Establece la categoría a la cual pertenece un alimento (por Ej., la naturaleza grasa o no grasa) y como consecuencia permite conocer su estabilidad.
2. Una interpretación apropiada de la fracción de carbohidratos del alimento entrega una información adecuada que permite conocer qué clase de animal puede aprovecharlo mejor.
4. El método proximal sirve además para estimar el contenido de materia orgánica
5. La industria alimenticia se ha basado en método proximal y a pesar del avance de
esta industria, el Método de Weende no ha sido reemplazado” (Carcelén Cáceres, 2008).
Composición química de los alimentos
“El conocimiento de la composición nutritiva de los alimentos es fundamental para la formulación de raciones que cubran los requerimientos de los animales.
En esta forma se puede aprovechar de manera eficiente los alimentos disponibles, evitando pérdidas de recursos alimenticios y baja en la producción animal que afecta los ingresos del productor.
Así como también el conocimiento de la composición química de los alimentos nos permite su utilización en una forma racional, incorporar como alimentos productos desconocidos o aquellos que en condiciones naturales son tóxicos pero que mediante ciertos procesos pueden ser usados con confianza. El análisis también indica cuales requerimientos nutricionales de los animales llena, con lo que se pueden evitar deficiencias o excesos de nutrimentos perjudiciales para los mismos.
El análisis de los alimentos es entonces indispensable para establecer programas de alimentación de animales como para el hombre que los alimenta”(Carcelén Cáceres, 2008).
Clasificación de los alimentos
“Los alimentos según su composición química se pueden clasificar en grupos diferentes, por lo tanto, los métodos para analizarlos también pueden ser característicos de un tipo de alimento. Existen, por supuesto, determinaciones que son comunes a varias clases de alimento como la determinación de proteína cruda o de minerales, sin embargo, algunos métodos para determinar calidad de proteína se aplican de preferencia a concentrados proteicos como algunas pastas de oleaginosas y harinas de carne o pescado.
En general los alimentos para animales pueden clasificarse en las categorías que se muestran en la tabla 1:
Tabla 1. Clasificación de los alimentos para consumo animal según el N.R.C. (National Research Council)
Clase Descripción
1 Forrajes secos y alimentos toscos:
Pajas: se llama paja a la parte aérea de las plantas después de la cosecha del grano o semilla. No contienen espigas, mazorca o panojas. Estas pueden provenir de leguminosas y gramíneas. En México se da el nombre de rastrojo o la paja de maíz.
Cáscaras: se da el nombre de cáscaras a las cubiertas de los cereales, dela algodón, del cacahuate, etc.
Cualquier otro producto que contenga más del 18% de fibra cruda, puede ser incluido en esta clase.
2 Forrajes frescos:
Se consideran en esta clase aquellos forrajes que son consumidos frescos ya sean cortados para ser ofrecidos al animal o pastoreados. Estos pueden ser forrajes cultivados y forrajes nativos.
3 Ensilados:
Son los productos obtenidos por la fermentación controlada de un cultivo de alto contenido de humedad.
Ensilaje es el nombre que se da al proceso y silo es el recipiente donde el cultivo se somete al proceso de ensilaje. Los ensilados pueden ser de gramíneas, de leguminosas y de otros cultivos.
4 Ingredientes energéticos:
Se les llama así a aquellos ingredientes que contienen elevados porcentajes de almidón, carbohidratos solubles o grasas. En esta clase se incluyen los granos de cereales y sus sub-productos, los cuales pueden ser con alto o con bajo contenido en fibra cruda, las grasas, las melazas, las frutas, las raíces y los tubérculos. En esta clase también se incluyen cualquier producto con menos del 20% de proteína cruda y menos del 18% de fibra cruda.
5 Ingredientes proteicos:
Se clasifican como ingredientes proteicos aquellos que contienen 20% o más de proteína cruda estos pueden ser de origen animal o de origen vegetal, las fuentes de nitrógeno no proteico podrían incluirse en esta clase, dado que los rumiantes las emplean para sintetizar proteína microbiana.
6 Minerales (elementos inorgánicos):
Estos pueden ser de origen animal o propiamente de origen mineral
7 Vitaminas:
8 Aditivos:
Se llaman aditivos a aquellas sustancias que se adicionan a la dieta con propósitos muy particulares. Estos pueden ser medicamentos, pigmentos, aromatizantes y hormonas.
Independientemente del criterio usado para clasificarlos hay alimentos que no caen dentro de ninguna de estas categorías o que pueden incluirse en varias de ellas. Como quiera que sea, lo importante no es clasificarlas en forma rigurosa sino conocer sus características químicas así como las condiciones que afectan al valor nutritivo de cada alimento para la especie animal a la que se dedica o al programa de alimentación que lo incluye ”(Sosa de Pro.).
Humedad.
“Es el contenido de agua en un alimento y aunque ésta es indispensable para la vida comúnmente no se toma en cuenta como nutrimento, es decir, el contenido de nutrientes que contienen los alimentos para rumiantes se expresan “en base seca”. Esto se debe entre otras causas, a que para poder comparar diferentes alimentos entre sí, se debe hacer en igualdad de circunstancias, y aunque muchos alimentos aparentemente están “secos” aun contienen agua; es entonces que todos se comparan en base seca.
La determinación del contenido de humedad se realiza por diferencia de peso en una muestra antes y después de someterla a algún proceso que elimine agua, que generalmente es aplicación de calor. Una vez eliminada el agua y habiendo medido la cantidad que se eliminó (porcentaje de humedad), la cantidad restante es la materia seca (MS) del alimento.
Existen alimentos con una gran cantidad de agua (70 % o más) como los forrajes frescos, los ensilajes y otros alimentos suculentos. Por el contrario, las pajas, los granos, las harinas y otros alimentos “secos”, contienen solamente entre 8 y 12% de agua. En la MS del alimento están contenidos los nutrimentos o grupos de nutrimentos (proteína, energía, minerales, etc.), y entonces se dice por ejemplo: “el ensilaje de maíz contiene 8% de proteína cruda, en base seca” (referencia).
Ahora bien, conviene aclarar aquí que la base seca se utiliza solamente para expresar el contenido de nutrimentos en los alimentos, para consultar los requerimientos de nutrimentos que necesiten los animales y para formular alimentos y complementos alimenticios. Sin embargo, a los animales se les proporciona el alimento tal cual está (en base húmeda) por lo que al momento de proporcionarle una formula al encargado de elaborar los alimentos y/o alimentar a los animales la formula deberá estar en base húmeda, por lo que habrá que transformar los kilogramos de alimento de base seca a base húmeda.
El laboratorio reporta los resultados en base seca* (BS):
Tabla 2. Ejemplo de corrección en base seca y su conversión a base húmeda.
%
Humedad Materia% seca % Proteína cruda % Fibra cruda Base
Seca 0 100 23 22.4
Base Húmeda
73.1 26.9 6.18 6.03
Para convertir los resultados a base húmeda (BH) se procede así: X= % M.S. x % Proteína cruda/100.
X= % de proteína cruda en base húmeda o tal como se ofrece. M.S.= es él % de materia seca.
Sustituyendo los datos del ejemplo:
X= 26.9 x 23/100 = 6.18 es el porcentaje de proteína cruda en base húmeda o tal como se ofrece (Por cada 100 kilogramos de alimento se tienen 6.18 kilogramos de proteína cruda) X= 26.9 x 22.4/100= 6.03 es el porcentaje de fibra cruda en base húmeda o tal como se ofrece (Por cada 100 kilogramos de alimento se tienen 6.03 kilogramos de fibra cruda)”
(Rodríguez Ramírez y cols., 2009).
Materia mineral (MM)
“También denominada cenizas, está conformada por los elementos minerales. Las cenizas se obtienen calcinando la muestra en un horno (mufla) a temperatura elevada (550 a 600°C, por 3 ó 4 horas). El material que se pierde o “evapora” durante la calcinación es la materia orgánica (MO) del alimento. La determinación del contenido de materia mineral aunque no dice mucho acerca de los minerales que la componen ni de la disponibilidad de estos para el animal, es el punto de partida para la determinación de minerales y es un indicador del contenido de materia orgánica en un alimento” (Rodríguez Ramírez y cols., 2009).
Proteína cruda (PC)
* En el caso de la industria del trigo se usa el factor 5.7 y en la industria láctea el factor es 6.38.
** Entre los compuestos que a su vez conforman el NNP están: urea, acido úrico, amonio, nitratos y ácidos nucleídos” (Rodríguez Ramírez y cols., 2009).
Fibra Neutro Detergente (FDN)
“Es la porción de la muestra de alimento que es insoluble en un detergente neutro (método de los detergentes de Van Soest). Está básicamente compuesta por celulosa, hemicelulosa, lignina y sílice, y se la denomina pared celular. La misma se correlaciona inversamente con el consumo voluntario de MS.
Para su determinación se hierve una muestra de alimento o forraje durante una hora en una solución detergente neutra. La FDN ofrece una estimación más precisa del total de fibra o pared celular en el alimento. La FDN es una medida de la celulosa, hemicelulosa, lignina, cutina y sílica. De las diferentes fracciones de los alimentos y forrajes, la FDN es la que mide mejor la capacidad de los mismos de ocupar volumen en el tracto gastrointestinal, por lo que generalmente se asocia con el llenado físico del animal o sea con su capacidad de consumo de materia seca (MS)”(Bavera, 1993).
Fibra Acido Detergente (FDA)
“Es la porción de la muestra de alimento que es insoluble en un detergente ácido (método de los detergentes de Van Soest). Está básicamente compuesta por celulosa, lignina y sílice. La importancia de la misma radica en que está inversamente correlacionada con la digestibilidad del forraje.
La FDA es obtenida al hervir una muestra de alimento o forraje durante una hora en una solución detergente ácida. El ácido disuelve la hemicelulosa, así que la FDA es una medida de la celulosa, lignina, cutina y sílice. Esta fracción se correlaciona negativamente con la digestibilidad de los alimentos (Harris, 1993) y por consiguiente con su aporte de energía. El contenido de FDA de los alimentos fibrosos se ha utilizado para estimar el contenido de energía de los mismos. A partir de la FDA se determinan los contenidos de lignina y sílice”
(Bavera, 1993).
Digestibilidad
Las pruebas de digestibilidad se realizan con animales a los que se les miden el consumo del alimento a probar, así como las heces provenientes de ese alimento; la diferencia entre la materia seca consumida y la excretada en heces es la digestibilidad aparente in vivo. El costo de este análisis es elevado debido a que se requieren: animales, alimento suficiente, tiempo y personal calificado, por lo que se han desarrollado pruebas de laboratorio que permiten estimar la digestibilidad por otros métodos” (Rodríguez Ramírez y cols., 2009).
Digestibilidad in vitro
“Debido a la imposibilidad para determinar la digestibilidad de todos los alimentos existentes a través de pruebas con animales (digestibilidad in vivo), que es lo más indicado, se diseñaron métodos alternativos en el laboratorio. La digestibilidad in vitro es una herramienta que permite examinar el valor nutritivo potencial de los alimentos y determinar así en cuales procede un estudio más detallado utilizando animales.
Van Soest en 1975 estableció una técnica en la cual la muestra de forraje se somete a una fermentación y posteriormente a una digestión con pepsina. Esto simula la digestión rumentículo y la del abomaso. La pérdida de la materia seca en este proceso se considera la materia seca digerida” (Rodríguez Ramírez y cols., 2009).
NIRS (Espectroscopía de la Reflectancia en el Infrarrojo Cercano)
“La espectroscopía de la reflectancia en el infrarrojo cercano (NIRS) es una técnica analítica no destructiva para estudiar las interacciones entre la luz incidente y la superficie de un material. Las razones por la que NIRS está siendo adoptado como el método analítico preferido en muchos laboratorios está relacionada con: mínima preparación de la muestra, análisis rápido, varios constituyentes pueden ser analizados simultáneamente, no hay destrucción de muestras, no se utilizan productos químicos y se obtienen resultados precisos. Este método es conocido por su rapidez, conveniencia, simplicidad, precisión y habilidad para analizar muchos componentes al mismo tiempo. El uso del NIRS presenta interesantes ventajas, tales como un bajo costo, consumo de poco tiempo, mínimo pre-tratamiento de las muestras, no necesita reactivos químicos y precisión.
La espectroscopía de reflectancia en el infrarrojo cercano obtiene el espectro de reflectancia de una muestra en la región NIRS (780-2500 nm) de longitud de onda. En la región NIRS, la radiación es absorbida por diferentes uniones químicas, tales como C-H, N-H, S-N-H, C-O, y O-N-H, del compuesto presente en la muestra. La radiación es absorbida en función de la concentración de estos compuestos.
energía con la materia obedece a la ley de Lambert-Beer, que establece que la absorbancia a cualquier longitud de onda es proporcional al número o concentración de las moléculas absorbentes presentes en el camino recorrido por la radiación.
Esto determina que para un material de naturaleza química heterogénea, el espectro obtenido en la región del infrarrojo cercano es la combinación de bandas de absorciones parciales sobrepuestas o muy cercanas, que suelen confundirse en una línea suavizada, en que se encuentran picos, valles y curvaturas en forma de hombro”(Quezada, 2008).
“En la práctica, la muestra a ser analizada es bombardeada con rayos NIR de diferentes longitudes de onda. Por cada longitud de onda, algunos de los rayos serán entonces absorbidos por uniones químicas específicas. Al mismo tiempo, otros rayos serán diseminados y reflejados por otras uniones químicas. Este proceso es comúnmente descrito como Reflectancia NIR. En contraste, algunos de los rayos pasarán a través de la muestra, lo cual es denominado Transmisión NIR (a menudo referida como NIT).
Los rayos esparcidos, reflejados y/o transmitidos de cada longitud de onda son concentrados dentro de una célula de medición. Un número de reflejos a diferentes longitudes de onda son medidos, y luego convertidos en resultados analíticos por un microprocesador.
Existe a menudo una mala interpretación del término Reflectancia NIR. Los rayos no son simplemente reflejados de la superficie externa, sino que realmente penetran la muestra. Cada vez que se halla que una unión química no absorbe una particular longitud de onda, los rayos son diseminados y reflejados en todas direcciones. Estos haces dispersos pueden entonces ser absorbidos o reflejados por otras uniones químicas, hasta que una porción de los rayos eventualmente salga de la muestra en todas direcciones. La profundidad de penetración del haz dentro de la muestra no está determinada por la posición del detector, sino más bien por la potencia de la fuente de luz.
La Transmisión NIR, donde el detector está ubicado detrás de la muestra, es ideal para líquidos transparentes y algunos productos que no son demasiado densos ópticamente. Productos tales como muestras de girasol, canola y tierra, que son ópticamente tan densos que permiten que sólo una porción de rayos pasen a través de la muestra, que mediciones confiables son muy difíciles de obtener por NIT.
minuto. Si esto es tan fácil, ¿por qué entonces hay diferencia de opiniones sobre el campo de aplicación y precisión de los resultados NIR? Ciertamente, no es una caja mágica que puede analizar cualquier elemento que se introduzca, pero con el correcto desarrollo y mantenimiento de las calibraciones, esta excitante y nueva técnica está siendo rápidamente implementada como el mayor método de análisis rápidos del futuro.”(Tokkie G., 2009).
Calibraciones
“El instrumento NIR no se “calibra” como un balance donde las lecturas son ajustadas meramente hacia arriba o abajo a un valor estándar.
El instrumento debe ser capacitado para reconocer diferentes productos y elementos. Este proceso de “formación” se llama procedimiento de calibración, y en este punto yace el secreto del éxito de esta revolucionaria tecnología.
Para la capacitación, un número de muestras son analizadas por métodos químico-analíticos tradicionales para determinar la composición real de las muestras. Cada una de éstas es colocada luego en el instrumento NIR, y se obtienen los valores de reflectancia de las diferentes longitudes de onda. Con la ayuda de un microcomputador y un poderoso software químico-métrico, la combinación de los resultados analíticos y los valores de reflectancia son transformados a las constantes de calibración. Este software es tan poderoso que debe tenerse gran cuidado ya que no presenta simplemente una solución estadística, sino que realmente suministra una solución científica que puede ser verificada”(Tokkie G., 2009).
“Al desarrollar una calibración NIRS, la información espectral (óptica) se relaciona mediante un algoritmo con la información de la composición físico-química (método de referencia) a través de la aplicación de modelos estadísticos como son la regresión múltiple, los componentes principales y los cuadrados mínimos parciales”(Quezada, 2008).
Más aún, las calibraciones secundarias a menudo provistas con la compra de los instrumentos NIR, raramente representarían un verdadero reflejo de las muestras de áreas locales, y usualmente necesitan bastante ajuste. Esto puede hacerse agregando un número de muestras cuidadosamente seleccionadas de un producto específico local, a los datos existentes de calibración” (Tokkie G., 2009).
Factores que pueden afectar la exactitud de los resultados analíticos
“La veracidad de los resultados NIR está determinada normalmente por la comparación de resultados de los análisis químicos tradicionales. Sin embargo, la mayoría de los factores que afectan la exactitud de los resultados NIR afectan también los resultados de los análisis químicos tradicionales. Por lo tanto, un estudio cuidadoso de todos los factores que afectan los resultados analíticos certeros y confiables de las muestras, es esencial para asegurar que se usan valores realistas para calibrar y comparar resultados, y para garantizar que el usuario comprende el valor genuino de los resultados que recibe.
Un problema de magnitud en la preparación de buenas calibraciones y la verificación de la eficacia de las aplicaciones NIR es obtener análisis químicos confiables. Uno de los conceptos erróneos es que los resultados químicos de laboratorios son absolutos y siempre exactos. Los laboratorios a menudo suministran resultados expresados a dos puntos decimales, donde la variación que se da dentro de la muestra y durante la preparación de la misma y los procedimientos analíticos puede ser mucho mayor”(Tokkie G., 2009).
Aplicación de la tecnología NIRS
El siguiente ejemplo es un caso similar al que se presenta en este proyecto acerca de la aplicación de la tecnología NIRS. Citándose únicamente el resumen de tal ejemplo, el cual se encuentra en la bibliografía señalada.
“Uso de la espectroscopía de reflectancia en el infrarrojo cercano (NIRS) en el análisis de alimentos para animales”.
Resumen
PROCEDIMIENTO Y DESCRIPCIÓN DE LAS ACTIVIDADES REALIZADAS
En este punto para llevar a cabo la determinación de FDN, FDA y digestibilidad in vitro por medio del método primario, se tomaron las técnicas del Manual de Laboratorio para Análisis de Ingredientes Utilizados en la Alimentación Animal de la QFB Irma Tejada de Hdez., y se siguieron los pasos tal y como los describía la técnica (técnicas encontradas en anexos en las páginas 60, 63 y 65 respectivamente).
Determinación de proteína cruda (PC)
Para llevar a cabo la determinación por método primario de proteína cruda de las muestras de forraje se utilizó el Determinador Elemental Simultáneo LECO® TruSpec. Realizando el procedimiento mostrado en la figura No.1.
Figura 1. Procedimiento para la determinación de proteína
TRUSPEC C-N
Colocar papel de estaño y tararlo
Dar clic en Analizar Dar clic en Login
Pesar 150 mg de muestra en el papel
Dar clic en el menú sample
Enrollar la muestra dentro del papel y ponerlo en el cabezal Anotar el nombre de la
muestra y el peso
En la Balanza dar clic en:
Abrir a los Gases O2, Aire y Helio
Resultados:
“Teoría de Operación para la Determinación de Nitrógeno mediante el Método LECO®/DUMAS
El ciclo de Análisis se compone de tres fases: Purga / Combustión / Análisis.
Fase de Purga:
El cargador automático introduce la muestra dentro de la cámara de carga. El control automático sella la cámara y procede a purgar los gases atmosféricos residuales que puedan haber ingresado durante el proceso de carga. El circuito de recolección de gas de muestra (Ballast – Volúmen cero) también se purga durante esta fase.
Fase de Combustión:
Se libera la muestra dentro del horno de combustión donde se expone a una temperatura de 950ºC en presencia de un flujo de Oxígeno puro controlado por el equipo. La muestra se combustiona completamente en forma rápida en el crisol del horno descomponiéndose en gases y cenizas arrastrados por el flujo de Oxígeno. Estos productos de la combustión de la muestra atraviesan la etapa secundaria del horno (post-quemador, 850ºC), para completar la oxidación de los gases y eliminación del particulado.
Un sistema de filtrado físico y un enfriador termoeléctrico de dos etapas, posterior al horno, se encarga de eliminar el contenido de humedad resultante de la quema de la muestra (vapor de agua).
Fase de Análisis:
Los gases resultantes de la combustión arrastrados por el Oxígeno, son almacenados en su totalidad dentro de un recipiente de compensación (Balasto). En este recipiente se realiza la homogenización de los gases para luego proceder a la extracción de una muestra de 3cc del mismo (Alícuota). Un flujo de gas de arrastre (Helio) se utiliza para desplazar la alícuota de gas hacia el sistema de catálisis (se elimina el Oxígeno libre, CO2y H2O) y luego
de eliminados los gases interferentes, conduce el gas muestra hasta la celda de medición de N2. Se utiliza una celda de termo conductibilidad para determinar el contenido de N2
por comparación con una referencia de gas arrastre puro (Helio).
La gran diferencia termo conductiva entre el Nitrógeno (gas a analizar) y el Helio permite la máxima sensibilidad, precisión y exactitud en la medición de N2por el método Dumas.
El equipo expresa el resultado del análisis ya sea en % o ppm con relación al peso; ó en valor de % proteico según lo requiera el laboratorio.
Determinación de humedad y cenizas
Para la determinación de humedad y cenizas mediante el método primario de las muestras de forraje se utilizó el Analizador de Humedad y Ceniza LECO® Tga-701. Realizando el procedimiento mostrado en la figura No. 2.
Figura 2: Procedimiento para la determinación de humedad y cenizas
Humedad y Cenizas
Encender el equipo TGA 701, Abrir el programa
Meter los crisoles al carrusel Elegir el método
Dar clic en analizar Análisis
Se pesan los crisoles
Agregar la muestra a cada crisol (2 gr)
Cenizas
Calcinar °550 C Humedad
∆ 100 ° C
Abrir los gases O2 yAire
Aire
Oxígeno
Resultados: % Humedad y % Cenizas Tiempo de análisis: 2 hr. Aprox. Por
Después de haber realizado las determinaciones por método primario de cada uno de los parámetros a medir, se procedió a capturar todos los resultados para así de esta manera generar la base de datos que posteriormente se capturaría en el NIR, obteniendo los resultados mostrados en la tabla No. 3.
Tabla 3. Resultados de las determinaciones por método primario
No. de
muestras Humedad base secaCenizas base secaProteína base secaFDN base seca DigestibilidadFDA
2861 8.23 3.06 5.98 62.12 34.28 55.95
2862 8.21 4.46 6.41 71.42 41.71 60.57
2863 8.38 4.74 7.43 59.06 32.33 72.10
2864 9.05 5.05 6.86 63.18 36.04 59.78
2865 8.6 6.48 5.59 58.27 30.98 73.70
2866 8.77 7.41 6.28 58.72 37.44 67.80
2867 7.72 6.81 5.39 64.73 36.60 67.37
2868 10.55 6.80 8.85 58.41 37.43 60.35
2869 9 5.92 8.70 68.15 30.36 64.90
2870 9.04 5.00 9.54 66.34 34.93 62.11
2871 9.15 5.48 7.72 66.51 36.94 58.55
2872 8.87 4.93 6.67 63.61 33.42 49.30
2873 9.09 4.93 6.82 56.66 33.33 59.71
2874 8.65 5.46 7.90 56.20 34.60 71.03
2875 9.48 4.95 8.41 60.54 34.46 50.25
2876 9.48 4.76 7.50 62.78 32.80 52.10
2877 9.86 3.88 6.53 48.93 34.01 62.21
2878 8.42 5.94 7.88 51.14 34.01 63.77
2879 9.78 6.24 7.96 52.53 29.37 57.53
2880 8.43 5.11 7.88 61.24 24.24 56.21
2881 8.32 5.39 9.55 62.99 34.54 57.41
2882 8.53 5.86 10.01 55.32 32.27 63.91
2883 8.59 5.39 7.29 58.92 33.65 60.37
2884 13.38 4.99 5.32 62.31 25.15 67.64
2885 10.39 4.06 5.87 54.82 28.16 57.50
2886 8.58 7.92 7.28 59.45 27.93 57.16
2887 9.78 6.56 6.43 48.79 30.87 57.98
2888 11.72 3.81 6.13 58.25 30.36 53.86
2889 9.77 5.98 6.84 59.74 38.88 55.55
2890 8.25 5.07 6.54 52.22 32.24 57.44
2891 7.64 4.07 7.06 49.85 30.16 59.99
2892 8.00 3.14 5.60 52.85 32.13 58.33
2894 7.78 4.54 6.48 53.21 33.31 52.61
2895 6.86 3.97 7.34 61.43 22.46 61.32
2896 12.04 3.98 7.42 58.41 27.46 58.83
2897 11.18 3.30 6.30 54.96 18.21 55.61
2898 9.56 7.57 6.40 57.12 30.61 59.23
2899 9.92 3.98 6.32 67.53 21.40 53.92
2900 7.85 4.01 4.89 70.46 46.53 53.56
2901 7.49 3.19 5.41 60.87 20.96 46.93
2902 8.25 1.79 5.15 58.67 17.81 33.73
2903 8.79 2.25 4.35 61.34 22.62 40.77
2904 8.17 1.87 4.26 68.59 23.23 52.78
2905 9.18 8.51 6.80 56.83 27.86 53.71
2906 8.40 8.84 4.94 61.10 25.42 55.65
2907 8.06 10.07 6.84 47.02 41.92 64.86
2908 8.04 7.62 8.08 60.19 23.12 50.26
2909 9.56 7.75 9.48 37.17 45.18 50.36
2910 8.57 2.37 6.68 51.13 18.87 57.32
2911 7.46 5.55 7.34 66.67 29.85 50.24
2912 7.64 3.52 8.73 62.82 35.36 46.69
2913 7.72 6.44 7.48 83.31 28.93 48.30
2914 8.07 4.10 7.49 68.68 24.98 51.91
2915 6.90 3.66 6.71 78.15 41.31 45.44
2916 9.52 3.99 7.73 52.13 31.87 49.46
2917 8.21 3.63 6.77 49.06 23.76 59.96
2918 7.74 4.87 8.40 57.92 30.76 54.51
2919 9.17 4.35 7.68 64.24 32.51 53.30
2920 11.45 4.56 8.08 53.86 28.24 60.93
2921 9.97 3.98 7.35 66.67 29.87 39.40
2922 8.92 7.08 9.97 61.44 35.13 63.49
2923 10.09 6.54 8.74 61.61 31.84 62.26
2924 7.65 8.01 7.85 65.82 40.33 48.77
2925 10.14 7.83 9.17 50.11 30.00 45.72
2926 9.14 8.41 9.12 59.40 27.98 54.30
2927 8.10 6.53 8.08 58.63 40.62 49.35
2928 10.62 7.62 8.89 58.18 35.81 34.32
2929 9.19 7.32 7.58 53.33 32.89 35.42
2930 9.64 5.74 7.60 54.44 35.45 64.98
2931 10.17 9.25 7.84 57.71 34.67 51.20
2932 10.04 6.94 8.62 57.26 34.36 50.97
Una vez realizadas todas las determinaciones mediante el método primario y se obtuvo la base de datos se procedió a trabajar con el NIR (MPA multi purpose-BRUKER®) como a continuación se menciona.
Cabe señalar que esta fue la primera vez que se trabajó con el NIR ya que desde su adquisición únicamente se había operado durante el curso de capacitación, lo cual hizo que fuera un poco más difícil el manejo y entendimiento de la funcionalidad de este equipo.
Cada día antes de comenzar a trabajar con el NIR se corrían dos TESTS ya que éstos expiraban cada 24 horas, llamado PQ TEST, el cual se corría tanto para la esfera de integración (análisis de muestras sólidas), como para el compartimiento de fibra óptica (análisis de muestras líquidas). Este TEST tarda aproximadamente 10 minutos en realizarse tanto para la esfera de integración como para el compartimiento de fibra óptica.
Existe otro TEST que también se realizó solamente el primer día que se operó el equipo ya que éste expira o se debe de realizar cada año, el cual es llamado como OQ TEST. Estos TESTS se realizan para corroborar que el equipo está en condiciones para ser utilizado.
Figura 4. Elección del TEST que se va a correr.
Ya que se habían realizado los TESTS y éstos habían pasado de manera satisfactoria, el siguiente paso a seguir fue la captura en el NIR de la base de datos obtenida en el método primario, realizándose lo siguiente:
generarían. Para poder comenzar con la captura de los espectros que se obtendrían con el análisis de las muestras de forraje, primero dentro de esta misma ventana se corrió un “background” (solo se corre una vez) dando clic en la pestaña “background single channel”, después de esto se colocó la primera muestra de forraje en la esfera de integración y dentro de esta misma ventana se dio clic en la pestaña “sample single channel” (se realiza para cada muestra a analizar), anotando siempre que se ingresaba una muestra el nombre o número de ésta.
Este mismo procedimiento se siguió para las 72 muestras de forraje restantes para generar el espectro que se muestra en la figura 6:
Después de haber capturado las 73 muestras de forraje y haber generado el espectro mostrado anteriormente, el siguiente paso a seguir fue el de generar el método para validar cada uno de los parámetros que se iban a medir, realizando lo siguiente:
En la barra de menú, en la pestaña “evaluate” se da clic y se selecciona la opción “setup quant 2 method”, como se ve en la figura 7:
Figura 7. Creación del método a utilizar.
Figura 8. Adición de los componentes que se van a determinar.
Ya que se agregaron todos los componentes que se van a determinar, el siguiente paso es agregar los espectros que se generaron anteriormente a la hora de capturar las muestras, esto dando clic en la pestaña “spectra” y posteriormente en “add spectra”, paso que se ilustra en la figura 9.
Figura 9. Adición de los espectros y captura de la base de datos.
Figura 10. Selección de la región de interacción del espectro
Una vez estando dentro de esta ventana, se le da clic en la pestaña “interactive region selection”, la cual como su nombre lo dice seleccionaremos la región de interacción de nuestro espectro, es decir el intervalo del espectro que decidiremos trabajar, tal y como se observa en la figura 11:
Figura 11. Representación grafica de la región de interacción del espectro
Figura 12. Selección del parámetro que se va a validar.
Después de que hemos seleccionado el parámetro que se quiere validar, dentro de esta misma ventana damos clic en la pestaña “validate” y automáticamente se mostrará la curva (validación 1) para tal validación. La primera curva que se obtiene no es nada buena, por lo regular su valor de R2 es muy bajo, así como su Rank es muy elevado, y lo que se
busca aquí es tener una R2lo más cercano a 100 y un valor de Rank cercano a 2 que sería lo más optimo, una vez que hemos visto nuestra primera curva y vemos que su valor de R2 así como su Rank no es nada bueno se procede a hacer una optimización, para lo cual
Figura 13. Optimización automática para obtener una mejor grafica.
En la cual al darle optimizar en la pestaña “optimize” procederá a realizar diversas funciones matemáticas automáticamente para arrojarnos una curva con valores más óptimos aunque no aun del todo buenos. Una vez que se ha finalizado la optimización, dentro de los valores arrojados se busca aquel que tenga un Rank de 2, se selecciona y se da clic en “use parameters”, lo cual automáticamente nos arrojará una nueva curva (validación 2) con valores más óptimos respecto a la primera curva, pero que aun no son suficientes para validar el método.
En las figuras 14 y 15 respectivamente se ve como después de hacer las correspondientes validaciones la curva era ajustada y los valores que en ella se generaban eran lo más cercano posible a lo óptimo.
Figura 14. Representación grafica después de la primera validación para el parámetro de FDA
Una vez que se tiene la curva deseada se guarda el método, dando clic en “store method” con el nombre correspondiente a el parámetro con el que se estaba trabajando, y así de manera repetitiva se hizo para cada uno de los parámetros o componentes a determinar, como se muestra en la figura 16.
ANÁLISIS CUANTITATIVO
Ya que se validaron todos los parámetros que se iban a medir se llevó a cabo el análisis cuantitativo, para comprobar si en verdad las muestras de forraje a analizar caerían dentro de los valores de cada una de las curvas validadas para cada parámetro, para realizar el análisis cuantitativo se realizó lo siguiente.
Antes de entrar al software, desde afuera de éste, en la dirección: Disco local C/Program files/OPUS_6.5/OPUS LAB QUANT/ ahí se copian y pegan los cuantitativos que acabamos de hacer (curvas de calibración).
Ya dentro del software (OPUS) en la parte superior izquierda de la pantalla se encuentra un icono en forma de matraz, el cual al dar clic en el nos abre un programa llamado OPUS Lab que es donde se establecerán las condiciones para llevar a cabo el análisis cuantitativo, la ventana que se abre es la que se muestra en la figura 17.
Ya estando dentro de esta ventana el paso a seguir es dar clic en la pestaña “product setup” para abrir la ventana siguiente:
Figura 18. Correspondiente a el programa OPUS Lab dentro de la opción “Experiment”
En esta ventana se encuentran todas las condiciones que se van a establecer para realizar el análisis cuantitativo. Ya estando dentro de ésta, lo primero que se realizó fue introducir el grupo de producto (forrajes), y el producto (maíz) en sus espacios correspondientes.
Posteriormente se entró a la siguiente pestaña “Background” en la cual lo único que se hacía era activar el background y validarlo por 2 horas.
Figura 19. Imagen correspondiente al programa OPUS Lab dentro de la opción “Background”
En la pestaña siguiente “QUANT” se activaba y posteriormente se agregaban los métodos que se habían copiado a la carpeta OPUS LAB QUANT, como se muestra en la imagen también se ingresaba el valor de Rank y valores mínimos y máximos de los datos de la curva para cada determinación.
La pestaña siguiente a utilizar era la de “Storing Option” la cual al activarla por default generaba la dirección en la cual se iban a guardar los cuantitativos, tal y como se puede observar en la figura 21.
Figura 21. Imagen Correspondiente a el programa OPUS Lab dentro de la opción “Storing options”
Ya una vez especificadas todas las condiciones con las que se iba a trabajar el OPUS Lab, se salió de éste y nuevamente en la ventana principal del OPUS se ingresó al icono en forma de tubo de ensaye para volver a realizar lo antes mencionado; es decir, volver a introducir las muestras de forraje y generar nuevamente el espectro para realizar la cuantificación, lo cual se muestra en la figura 22 y 23 respectivamente.
Figura 23. Espectro generado después del análisis de todas las muestras.
La cual de manera automática abrió la siguiente ventana (Figura 25):
Figura 25. Cuadro donde se capturan las curvas de calibración, los espectros nuevos y se analizan los resultados.
RESULTADOS
La tabla No. 4 representa los resultados obtenidos para las calibraciones NIRS de las muestras de forraje analizadas. De mayor a menor los coeficientes de determinación en calibración R2se ubican en 93.47 para cenizas, 91.38 para DIV, 90.8 para FDA, 90.31 para
proteína y 83.17 para FDN. Se consideró que las ecuaciones tuvieron un R2aceptable de
calibración mayor a 80 en todos los parámetros. El valor de Rank debería ser lo más cercano que se pudiera a 2 por lo tanto se consideró que los valores de Rank son buenos.
Tabla 4. Resultados obtenidos después de las calibraciones
Muestras
finales Rank R
2 RMSECV
CENIZAS 37 4 93.47 0.317
PROTEINA 36 4 90.31 0.385
DIV 40 2 91.38 2.41
FDN 30 1 83.17 2.06
FDA 32 2 90.8 1.6
Figura 27. Grafica de cenizas en la primera validación
Figura 29. Grafica de FDN en la primera validación
Figura 31. Grafica de proteína en la primera validación
Figura 33. Grafica de DIV en la primera validación
La tabla No.5 muestra la comparación entre los resultados obtenidos por ambos métodos; es decir, por el método primario y el método NIR. A cada parámetro que se determinó se calculó su promedio para tener una comparación más clara entre un método y otro.
Para determinar la diferencia que hubo entre un método y otro se realizó una prueba T Student (p ≤ 0.05). Con los resultados obtenidos en esta prueba se determinó cuales parámetros presentaban una diferencia significativa entre ambos métodos; teniéndose lo siguiente: Proteína, FDA y DIV se consideró que presentaron una diferencia significativa ya que el valor de T Student que se obtuvo está por debajo de 0.05, mientras que para Cenizas y FDN su valor obtenido fue mayor a 0.05, por lo que no se puede decir que en estos parámetros la diferencia haya sido significativa.
Tabla 5. Comparación de los resultados obtenidos con ambos métodos
CENIZAS PROTEINA FDN FDA DIV
No. De muestra
METODO
PRIMARIO NIR PRIMARIOMETODO NIR PRIMARIOMETODO NIR PRIMARIOMETODO NIR PRIMARIOMETODO NIR
2861 3.06 3.57 5.98 5.33 62.12 63.72 34.28 37.35 55.95 72.58
2862 4.46 4.04 6.41 6.62 71.42 68.84 41.71 43.46 60.57 63.64
2863 4.74 3.82 7.43 6.04 59.06 54.91 32.33 30.99 72.1 76.77
2864 5.05 4.84 6.86 6.38 63.18 59.08 36.04 38.93 59.78 65.69
2865 6.48 6.46 5.59 2.69 58.27 54.99 30.98 36.29 73.7 79.85
2866 7.41 6.42 6.28 2.67 58.72 59.2 37.44 41.2 67.8 80.72
2867 6.81 6.19 5.39 -0.35 64.73 61.18 36.60 40.81 67.37 89.71
2868 6.80 6.42 8.85 8.82 58.41 56.17 37.43 42.14 60.35 67.57
2869 5.92 6.52 8.70 8.22 68.15 53.94 30.36 38.77 64.9 70.78
2870 5.00 5.32 9.54 6.66 66.34 57.28 34.93 40.1 62.11 72.93
2871 5.48 5.98 7.72 6.95 66.51 56.53 36.94 41.28 58.55 69.1
2872 4.93 5.29 6.67 6.05 63.61 60.04 33.42 41.81 49.3 71.68
2873 4.93 6.11 6.82 7.53 56.66 56.96 33.33 42.14 59.71 70.13
2874 5.46 5.89 7.90 7.29 56.20 58.98 34.60 41.79 71.03 76.84
2875 4.95 5.36 8.41 7.56 60.54 55.43 34.46 38.52 50.25 77.61
2876 4.76 5.12 7.50 6.33 62.78 57.46 32.80 40.92 52.1 71.57
2877 3.88 5.11 6.53 6.66 48.93 58 34.01 42.41 62.21 71.24
2878 5.94 4.15 7.88 6.44 51.14 62.6 34.01 41.18 63.77 84.41
2879 6.24 6.53 7.96 8.59 52.53 54.42 29.37 41.42 57.53 72.39
2880 5.11 5.97 7.88 7.44 61.24 63.17 24.24 45.73 56.21 69.24
2881 5.39 5.27 9.55 7.5 62.99 62.35 34.54 44.31 57.41 73.59
2882 5.86 5.46 10.01 9.09 55.32 57.1 32.27 39.83 63.91 77.02
2883 5.39 4.68 7.29 6.92 58.92 56.31 33.65 39.23 60.37 72.67
2885 4.06 4.66 5.87 4.82 54.82 51.39 28.16 32.81 57.5 78.8
2886 7.92 6.13 7.28 6.35 59.45 58.47 27.93 41.26 57.16 74.52
2887 6.56 6.45 6.43 7.49 48.79 55.75 30.87 39.34 57.98 77.74
2888 3.81 4.74 6.13 5.25 58.25 55.64 30.36 36.37 53.86 77.92
2889 5.98 6 6.84 7.86 59.74 62.18 38.88 44.23 55.55 76.15
2890 5.07 5.23 6.54 6.36 52.22 62.73 32.24 43.99 57.44 73.47
2891 4.07 5.09 7.06 6.38 49.85 63.66 30.16 44.18 59.99 77.58
2892 3.14 4.18 5.60 5.15 52.85 59.09 32.13 37.75 58.33 79.77
2893 3.90 4.34 6.51 5.45 49.90 52.79 29.00 33.45 50.51 83.4
2894 4.54 3.84 6.48 5.91 53.21 59.64 33.31 40.02 52.61 73.63
2895 3.97 4.81 7.34 6.05 61.43 61.13 22.46 42.51 61.32 79.08
2896 3.98 4.44 7.42 6.31 58.41 61.04 27.46 41.37 58.83 78.5
2897 3.30 4.45 6.30 5.18 54.96 60.53 18.21 40.99 55.61 76.36
2898 7.57 3.93 6.40 6.66 57.12 67.54 30.61 46.02 59.23 67.52
2899 3.98 4.46 6.32 5.99 67.53 63.11 21.40 43.05 53.92 69.2
2900 4.01 4.39 4.89 5.79 70.46 66.25 46.53 44.09 53.56 73.79
2901 3.19 3.56 5.41 5.03 60.87 51.02 20.96 32.05 46.93 84.14
2902 1.79 3.98 5.15 5.42 58.67 61 17.81 40.28 33.73 73.8
2903 2.25 3.71 4.35 3.04 61.34 59.47 22.62 38.2 40.77 79.77
2904 1.87 5.22 4.26 4.92 68.59 55.42 23.23 38.15 52.78 70.68
2905 8.51 5.73 6.80 6.37 56.83 55.53 27.86 39.94 53.71 69.16
2906 8.84 4.3 4.94 5.33 61.10 63.07 25.42 40.66 55.65 72.02
2907 10.07 4.67 6.84 7.25 47.02 60.36 41.92 40.18 64.86 79.61
2908 7.62 3.65 8.08 5.33 60.19 58.77 23.12 36.93 50.26 80.46
2909 7.75 4.71 9.48 7.59 37.17 60.7 45.18 41.73 50.36 76.96
2910 2.37 3.73 6.68 4.46 51.13 49.64 18.87 31.1 57.32 74.78
2911 5.55 4.58 7.34 5.67 66.67 59.6 29.85 38.98 50.24 67.54
2912 3.52 4.06 8.73 6.83 62.82 61.28 35.36 42.47 46.69 71.6
2913 6.44 4.18 7.48 5.25 83.31 60.51 28.93 38.49 48.3 78.46
2915 4.10 3.18 7.49 5.33 68.68 66.06 24.98 43.94 51.91 72.05
2916 3.66 4.26 6.71 5.5 78.15 65.34 41.31 41.44 45.44 72.39
2917 3.99 3.81 7.73 4.7 52.13 56.57 31.87 37.99 49.46 78.67
2918 3.63 5.28 6.77 4.96 49.06 47.65 23.76 30.93 59.96 75.36
2919 4.87 4.64 8.40 6.29 57.92 58.5 30.76 40.83 54.51 77.38
2920 4.35 5.39 7.68 6.05 64.24 63.66 32.51 43.83 53.3 66.97
2921 4.56 3.97 8.08 6.1 53.86 53.91 28.24 40.3 60.93 69.71
2922 3.98 6.84 7.35 4.78 66.67 56.74 29.87 35.7 39.4 75.35
2914 7.08 3.79 9.97 9.09 61.44 57.28 35.13 41.19 63.49 77.34
2923 6.54 6.91 8.74 8.18 61.61 56.48 31.84 43.02 62.26 75.78
2925 7.83 6.07 9.17 6.11 50.11 55.19 30.00 40.95 45.72 76.18
2926 8.41 6.3 9.12 6.92 59.40 57.33 27.98 41.18 54.3 87.92
2927 6.53 5.83 8.08 7.38 58.63 59.9 40.62 43.28 49.35 78.27
2928 7.62 6.64 8.89 7.77 58.18 57.78 35.81 43.94 34.32 80.76
2929 7.32 6.83 7.58 5.26 53.33 57.82 32.89 42.15 35.42 79.08
2930 5.74 6.6 7.60 5.74 54.44 57.88 35.45 41.96 64.98 79.32
2931 9.25 6.82 7.84 6.35 57.71 59.23 34.67 43.59 51.2 79.73
2932 6.94 6.98 8.62 8.2 57.26 56.89 34.36 44.19 50.97 76.09
2933 7.14 6.79 7.92 7.26 57.98 56.67 35.76 43.32 40.92 78.65
Promedio 5.43 5.14 7.25 6.17 59.20 58.60 31.56 40.31 55.43 75.50
Desv. Est. 1.8201 1.0625 1.3045 1.5478 7.1895 4.0263 6.0566 3.4769 8.3153 5.0554
CONCLUSIONES Y RECOMENDACIONES
La conclusión del proyecto se realizo en base a los objetivos que se plantearon al inicio de este, por lo tanto se concluyó lo siguiente:
Para las determinaciones tanto como de cenizas y FDN la predicción obtenida por el NIR se consideró que fue exacta y precisa ya que en base a una prueba estadística de T Student la diferencia entre el método primario y el método del NIR no fue significativa, mientras que para los parámetros de FDA, proteína y DIV la predicción obtenida por el NIR no fue exacta y precisa ya que al realizar la comparación entre ambos métodos la diferencia fue considerada significativa.
Se elaboró la base de datos, el llegar a la elaboración de esta fue lo que más tiempo se llevó durante el proyecto debido a que la obtención de resultados por los métodos primarios fue lo más tardado, incluso hubo determinaciones que se tuvieron que repetir debido a que los resultados que se obtenían no eran confiables.
Las determinaciones por métodos primarios del análisis químico proximal fueron laboriosas y demandantes de tiempo debido a que en el laboratorio para llevar a cabo la determinación de FDA, FDN y DIV se cuenta con equipos convencionales, mientras que las determinaciones de humedad, cenizas y proteína fueron rápidas ya que se cuenta con equipo de última tecnología.
Considerando que esta fue la primera vez que este equipo se utilizó en el laboratorio de bromatología, los resultados que se obtuvieron fueron buenos ya que las curvas de calibración y la validación de los métodos fueron adecuadas para todos los parámetros a medir y se realizaron en poco tiempo, si bien es cierto que al realizar la comparación entre los dos métodos hubo unas diferencias considerables entre los resultados de ambos métodos sobre todo para los parámetros de FDA, Proteína y DIV lo cual se puede atribuir a diversos factores, como pueden ser: el poco número de muestras con las que se llevó a cabo la calibración, el tiempo que ya tenían las muestras almacenadas en el laboratorio, que por alguna u otra razón los resultados del método primario no fueran exactos por considerar algunos.
Algunas de las recomendaciones que se pueden hacer, es que se cuente con un número de muestras mayor para tener una base de datos considerablemente buena para que a la hora de validar todos los métodos nos quede un número de muestras significativo, así como también tener todos los cuidados posibles a la hora de llevar a cabo las determinaciones por método primario, para que los resultados obtenidos y que se capturaran en la base de datos sean lo más confiable posibles a la hora de hacer la comparación con los obtenidos mediante la tecnología del NIR.
REFERENCIAS BIBLIOGRAFICAS
Bavera, G.A. “Tabla de composición química de alimentos”.1993, [Junio 2011]. Disponible en la web: http://www.produccionanimal.com. ar/tablas_composicion_ alimentos/57-tabla_composicion_quimica_alimentos_1-introduccion.htm
Carcelén Cáceres, F. “analisis-aproximal”. Febrero 2008, [Junio 2011]. Disponible en la web: http://es.scribd.com/doc/48403841/analisis-aproximal
Cozzolino, D. (2002) Uso de la espectroscopía de reflectancia en el infrarrojo
cercano (NIRS) en el análisis de alimentos para animales. Agrociencia, 2, 25-32.
Ed. Merrit “Teoría de Operación para la Determinación de Nitrógeno mediante el
Método LECO®/DUMAS”. 2008, [Junio 2011]. Disponible en la web:
http://inboxsa.wordpress.com/teoria-del-metodo/
Quezada, C. L. (2008) Aplicación de la espectroscopía de reflectancia infrarrojo
cercano (NIRS) en el análisis de suelos. Ciencia… Ahora, 21, 77-85.
Rodríguez Ramírez, M. R.; Martínez Pamatz, R.; Hernández Virgen, R.; Bonilla Cárdenas J. A. (2009). Alimentos para bovinos, conceptos, características y formas
de uso. Libro técnico Número 1. México DF: Prometeo editores.
Tejada de Hernández, I. (1992). Control de Calidad y Análisis de alimentos para
animales. México DF. Publicado y distribuido por sistema de edición continua en
producción animal A.C. SEP
Tokkie G. “Espectroscopia de Infrarrojo Cercano (NIR) - La técnica de análisis
rápidos del futuro”.2009, [Junio 2011]. Disponible en la web:
http://www.engormix.com/s_articles_view.asp?art=577&AREA=AV
http://www.unmsm.edu.pe/veterinaria/aula.../Clase%20T1b-2009.ppt
