http://hdl.handle.net/10498/17348 Thu, 05 Nov 2026 09:37:17 GMT 2026-11-05T09:37:17Z http://hdl.handle.net/10498/40325 Construcción de un nanobiosensor de mercurio basado en nanopartículas magnéticas. Tovar Sánchez, David Hoy en día, la detección y cuantificación de mercurio (Hg) en aguas naturales sigue siendo un reto. Por lo general, precisa de instrumentos costosos y complejos (AAS, AFS, ICP-OES, ICP-MS, etc.). Su elevada toxicidad y capacidad de bioacumulación representan una amenaza para los ecosistemas y la salud pública, por lo tanto, requiere de un control analítico riguroso y frecuente. Sin embargo, la falta de capacidad para realizar mediciones in situ, ha impulsado la búsqueda de métodos de análisis simples. En este punto, destacan los biosensores como una solución eficaz, ofreciendo dispositivos portátiles y de bajo coste capaces de medir cuantitativamente concentraciones de Hg en el medio. En el presente estudio se usado un biosensor compuesto por nanopartículas magnéticas de Fe (MNPs) que, gracias a sus propiedades únicas como su superparamagnetismo o biocompatibilidad, las hace idóneas para la cuantificación de Hg en aguas naturales, actuando como base en la construcción de un nanobiosensor. Estos nanobiosensores están basados en enzimas y presentan un gran número de ventajas tales como sistemas de detección simples, rápidos, sensibles, específicos, precisos, rentables, ecológicos, portátiles y con posibilidad de miniaturización y producción a gran escala. Además, se han utilizado varios compuestos para la funcionalización de las nanopartículas como el ácido 3-mercaptopropiónico (MPA). Con esta funcionalización se busca modificar la superficie de las nanopartículas y así aumentar su estabilidad coloidal y prevenir la aglomeración, además de proporcionar lugares para la inmovilización de especies activas. Las MNPs se sintetizaron mediante un método respetuoso con el medio ambiente, la aplicación de ultrasonidos de alta potencia (sonoquímica). La inmovilización de la enzima se realizó post-síntesis mediante adsorción física en la superficie de las MNPs funcionalizadas, siendo ésta la peroxidasa de rábano picante (HRP, por sus siglas en inglés). El funcionamiento de este biosensor se basa en la capacidad del mercurio de inhibir la actividad enzimática de la HRP. El método de detección se basa en la medición colorimétrica del sustrato cromogénico 3,3',5,5'-tetrametilbenzidina (TMB) en presencia de H2O2. Los resultados obtenidos confirman la linealidad y fiabilidad del sistema como prueba de concepto para concentraciones entre 0 y 100 ppm de Hg2+.; Today, detecting and quantifying mercury (Hg) in natural waters remains a challenge. It generally requires expensive and complex instruments (AAS, AFS, ICP-OES, ICP-MS, etc.). Its high toxicity and bioaccumulation capacity pose a threat to ecosystems and public health, therefore requiring rigorous and frequent analytical monitoring. However, the lack of capacity to perform in situ measurements has driven the search for simple analysis methods. Biosensors appear here as an effective solution, offering portable, low-cost devices capable of quantitatively measuring Hg concentrations in the environment. In this Bachelor’s Thesis (BT), I have worked on the use of a biosensor composed of magnetic Fe nanoparticles (MNPs), which, thanks to their unique properties such as superparamagnetism, high surface-to-volume ratio, biocompatibility and chemical stability, easy separation and recycling, low cost, simple synthesis, etc., makes them ideal for quantifying Hg in natural waters, acting as support in the construction of a nanobiosensor. These nanobiosensors are enzyme-based and offer several advantages, such as simple, fast, sensitive, specific, accurate, cost-effective, environmentally friendly, portable detection systems with the possibility of miniaturization and large-scale production. In addition, several compounds have been used for the functionalization of nanoparticles, such as citric acid (CA), polydopamine (PDA), and 3-mercaptopropionic acid (MPA). This functionalization seeks to modify the surface of the nanoparticles, thereby increasing their colloidal stability and preventing agglomeration, as well as providing sites for the immobilization of active species. The MNPs were synthesized using an environmentally friendly method, the application of high-power ultrasound (sonochemistry). The enzyme was immobilized post-synthesis by physical adsorption on the surface of the functionalized MNPs, this being horseradish peroxidase (HRP). The operation of this biosensor is based on the ability of mercury to inhibit the enzymatic activity of HRP, such that the higher the concentration of Hg2+, the lower the enzymatic response observed (the relationship between Hg2+ and enzymatic activity is inversely proportional). The detection method is based on the colorimetric measurement of the chromogenic substrate 3,3',5,5'- tetramethylbenzidine (TMB) in the presence of H2O2. The results obtained were not as expected for low Hg concentrations. At very high concentrations of up to 500 ppm, enzymatic activity continued to appear, which was anomalous since the concentration of Hg added far exceeded the concentration of enzyme required for it to be completely inhibited. However, it was possible to obtain a calibration curve with excellent linearity for 0 to 100 ppm Hg2+ concentrations. Sun, 01 Feb 2026 00:00:00 GMT http://hdl.handle.net/10498/40325 2026-02-01T00:00:00Z http://hdl.handle.net/10498/39663 Estudio del envinado y el origen botánico de botas Sherry Cask mediante microscopía electrónica Jurado Bernal, Juan Manuel El creciente interés en el uso de barricas de tipo Sherry Cask®, tanto a nivel nacional como internacional, ha impulsado su estudio desde diversas disciplinas. Estas barricas, originarias de Jerez de la Frontera (Cádiz, España), son necesarias en el envejecimiento de bebidas alcohólicas como el whisky escocés de alta gama y los vinos, brandies y vinagres de Jerez. En el presente trabajo se llevó a cabo el estudio estructural y composicional de las maderas de barricas Sherry Cask con distintas características de elaboración como tiempo y vino de envinado, el tostado de la madera y el tipo de madera (roble americano, francés, español y castaño). También se estudiaron virutas de madera de uso enológico envinadas y sin envinar para estudiar también el efecto del envinado en este tipo de madera de uso enológico. Para el estudio de las maderas se han empleado técnicas de microscopía electrónica (SEM) y espectroscopía de infrarrojo cercano (NIR). Estos estudios se compaginaron con el análisis de compuestos fenólicos que presentaron los extractos de las maderas, se emplearon técnicas de cromatografía líquida y de espectroscopia en el UV-Visible (índice de polifenoles totales, IPT, y el índice de Folin-Ciocalteu, IFC). También se llevaron a cabo estudios relacionados con las propiedades fisicoquímicas de las maderas estudiadas (estudios llevados a cabo con virutas), tales como la densidad aparente y de partícula, la carga negativa superficial y el pH del punto de carga cero (pHpcc). Se obtuvieron resultados muy diversos, recalcando la heterogeneidad que presenta las muestras estudiadas. Los resultados obtenidos por SEM mostraron el efecto del envinado en la superficie de la madera. En los espectros NIR se observó el efecto del tostado en la estructura de la madera. Se observaron relaciones entre el tamaño de poro, el IPT y el IFC. Por último, se concluyó la influencia del área del poro y la capacidad de liberar fenoles, siendo el roble español el que presenta una mayor área de poro y una mayor concentración de compuestos fenólicos extraídos. También se observó una relación entre el tostado de la madera y la composición fenólica. Un tostado más ligero favorece la formación de ácidos fenólicos y uno de mayor intensidad la formación de aldehídos aromáticos. Con respecto al tiempo de envinado un mayor tiempo favorece la extracción de fenoles por parte del vino usado, por ello la concentración residual presente en los extractos es menor.; The growing interest in the use of Sherry Cask® barrels, both nationally and internationally, has driven their study from various disciplines. These barrels, originating from Jerez de la Frontera (Cádiz, Spain), are essential in the aging of alcoholic beverages such as high-end Scotch whisky and Jerez wines, brandies, and vinegars. In the present work, the structural and compositional study of Sherry Cask woods was carried out with different manufacturing characteristics, such as the time and type of wine used for seasoning, the toasting of the wood, and the type of wood (American, French, Spanish oak, and chestnut). Enological wood chips, both seasoned and unseasoned, were also studied in order to evaluate the effect of seasoning on this type of enological wood. For the study of woods, scanning electron microscopy (SEM) and near-infrared spectroscopy (NIR) techniques were employed. These studies were complemented with the analysis of phenolic compounds present in the wood extracts, using liquid chromatography and UV-Visible spectroscopy (total polyphenol index, TPI, and Folin-Ciocalteu index, FCI). Studies related to the physicochemical properties of the woods (carried out on chips) were also conducted, such as bulk and particle density, surface negative charge, and point of zero charge pH (pHpzc). Very diverse results were obtained, underlining the heterogeneity of the samples studied. The results obtained by SEM showed the effect of seasoning on the wood surface. In the NIR spectra, the effect of toasting on the structure of the wood was observed. Relationships were observed between pore size, TPI, and FCI; however, the physicochemical properties did not show a strong correlation with phenol concentration. Finally, the influence of pore area and the ability to release phenols was confirmed, with Spanish oak showing the largest pore area and the highest concentration of extracted phenolic compounds. A relationship was also observed between the toasting of the wood and phenolic composition: lighter toasting favored the formation of phenolic acids, while more intense toasting promoted the formation of aromatic aldehydes. With respect to seasoning time, longer exposure favored the extraction of phenols by the wine used; therefore, the residual concentration present in the extracts was lower. Mon, 01 Sep 2025 00:00:00 GMT http://hdl.handle.net/10498/39663 2025-09-01T00:00:00Z http://hdl.handle.net/10498/33878 Desarrollo de métodos para la caracterización inteligente y automatizada de productos derivados del petróleo mediante machine learning y técnicas espectroscópicas Casal Trigo, Antonio El creciente desarrollo de la inteligencia artificial y herramientas derivadas como el machine learning están revolucionando la industria actual. Estos avances pueden ser aplicados en prácticamente todos los campos, siendo uno de los más interesantes el industrial, ya que, entre sus mayores desafíos, se encuentra la búsqueda de mejoras para agilizar los procesos de control de calidad y gestión de residuos. En el campo de la industria petroquímica, uno de los principales impulsores de la economía a nivel mundial, el control de calidad de los derivados del petróleo cobra especial relevancia a la hora de garantizar un producto fiable, minimizar costes y reducir el impacto ambiental, teniendo en cuenta la multitud de productos que se obtienen de una sola materia prima, el petróleo. En este sentido, la caracterización de productos derivados del petróleo (PDPs) de forma automatizada supone un avance que permite garantizar la calidad de estos productos y el cumplimiento de la normativa vigente de forma rápida y sencilla. La identificación de PDPs es también importante para evaluar los residuos y vertidos que se generan y liberan (de forma intencionada o accidental) al medio ambiente como resultado de la actividad industrial y el transporte de PDPs. Determinar el origen de estos permite evaluar el grado de peligrosidad, el impacto medioambiental y establecer un protocolo de limpieza adecuado. Igualmente, debido al elevado precio y a la demanda de PDPs -como gasolina o diésel, entre otros-, la mezcla o adulteración de estos productos con otros más económicos también se está convirtiendo en una práctica cada vez más habitual, a pesar de que se trata de un fraude económico y un engaño al consumidor, que también puede tener consecuencias medioambientales al no cumplirse los estándares de calidad impuestos. Por esta razón, la búsqueda de métodos de detección de calidad y caracterización de productos es un campo de investigación de gran importancia y en continuo desarrollo. En la actualidad, la mayoría de las metodologías analíticas utilizadas con este fin requieren de técnicas costosas, personal especializado, producen residuos y/o usan disolventes. Además, sus métodos de análisis son largos, lo que complica y ralentiza la toma de decisiones. Es por ello necesario disponer de metodologías alternativas más ecológicas y rápidas que permitan un control de forma inteligente y automatizado de los PDPs. En este sentido, la inteligencia artificial y, en particular, el aprendizaje automático o machine learning, ha evolucionado de tal forma que ha abierto una nueva ventana en el campo de la quimiometría. El presente trabajo fin de grado (TFG) se centra en el desarrollo de modelos basados en algoritmos de machine learning de clasificación y cuantificación en combinación con técnicas espectroscópicas limpias y rápidas para obtener modelos predictivos que permitan la caracterización automatizada y objetiva de diferentes PDPs. Para ello, se prepararon 360 muestras formadas por mezclas a diferentes porcentajes (2,5% - 25%) de gasolina 98 con gasolina de menor octanaje (95), queroseno y metanol junto a 45 muestras de gasolina 98 sin mezclar. Para la discriminación de los diferentes tipos de PDPs, se evaluaron cuatro algoritmos: Linear Discriminant Analysis (LDA), k-Nearest Neighbors (KNN), Support Vector Machines (SVM) y Random Forest (RF)); para la cuantificación de los porcentajes de adulteración, se evaluaron tres: partial least squares regression (PLS), Support Vector Machines con kernel lineal (SVM) y Random Forest (RF). Los resultados obtenidos indicaron que el mejor modelo, tanto para clasificación como para cuantificación del porcentaje de mezcla, es el Random Forest, con porcentajes de acierto muy cercanos al 99% tanto en clasificación como en regresión. En el caso de clasificación, se encuentra seguido por los modelos k-Nearest Neighbors y Support Vector Machines; en el caso de cuantificación, se encuentra seguido por los modelos de partial least squares regression y Support Vector Machines con kernel lineal. Se comprobó que la utilización de machine learning en métodos de control de calidad y análisis de muestras es factible y fiable. Tue, 24 Sep 2024 00:00:00 GMT http://hdl.handle.net/10498/33878 2024-09-24T00:00:00Z http://hdl.handle.net/10498/31974 Evaluación de uso de nanotubos de carbono en sistemas de extracción de níquel en disoluciones acuosas Castro Lebrero, María El reciente aumento de la concentración de metales en masas de aguas naturales debido a las crecientes actividades derivadas de la industrialización supone una gran amenaza tanto para el medio ambiente como para la salud pública. Por ello, el análisis de estos contaminantes en aguas naturales ha sido motivo de estudio en las últimas décadas. Este tipo de análisis presenta dos limitaciones principalmente; los metales se presentan en bajas concentraciones y la complejidad de las matrices en las que estos se encuentran. Debido a esto se requiere de una separación y preconcentración previas a su análisis. A través de los años se han ido desarrollando diversos sistemas de extracción, entre ellos, los más usados son la extracción en fase sólida (SPE) y la extracción en fase líquida (LPE). Uno de los retos actuales de la Química Analítica es minimizar el uso de reactivos tóxicos o, potencialmente, dañinos para el medio ambiente siguiendo así los principios de la Química Verde. De esta manera comienzan a cobrar importancia los sistemas de microextracción, entre los que se encuentran los sistemas de microextracción en fase líquida con capilares de fibra hueca (HF-LPME). Con el constante crecimiento de los nanomateriales y su constante expansión hacia otros campos de investigación, en el ámbito de la Química Analítica se plantea el uso de estos para diversos fines, entre ellos el análisis de metales en agua. Este trabajo se centra en el estudio de la capacidad de los nanotubos de carbono (CNTs) como adsorbentes sólidos para la extracción cuantitativa de metales en disoluciones acuosas. Los esfuerzos del presente trabajo irán dirigidos a la evaluación del posible efecto sinérgico en la extracción de níquel cuando se introducen nanotubos de carbono en sistemas de extracción en fase líquida. Previamente, se determina la capacidad de extracción de los nanotubos de carbono en sistemas de extracción en fase sólida. Para ello, se han evaluado distintos parámetros que pueden influir en el porcentaje de extracción como son el diámetro de los nanotubos, si estos son grafitizados, pH de la fase acuosa, cantidad de nanotubos y el tiempo de contacto entre fases. Posteriormente, se ha evaluado la eficacia de los sistemas de extracción mixtos en fase sólida-líquida. Para ello, se estudia el efecto de dos extractantes orgánicos por separado, HDEHPA y Cyanex 272, y el efecto de la polaridad de la fase orgánica. Por último, se han trasladado los resultados recopilados para evaluar su aplicabilidad a sistemas de microextracción con capilares de fibra hueca. Es este trabajo, se ha observado que la adición de los CNTs a sistemas de extracción en fase líquida mejora los porcentajes de extracción respecto a aquellos conseguidos cuando se usan de forma independiente. Adicionalmente, se ha confirmado la posibilidad de usar un sistema de extracción mixta sólida-líquida en sistemas de microextracción con capilares de fibra hueca para la extracción de níquel en disoluciones acuosas. Mon, 06 Feb 2023 00:00:00 GMT http://hdl.handle.net/10498/31974 2023-02-06T00:00:00Z