📄 agricultura

Spectral-Correlation and Random Matrix Theory- Analysis of Raman Spectra for Detection of Milk Adulterants

Este estudio demuestra que la combinación de diagnósticos de correlación espectral con la Teoría de Matrices Aleatorias, específicamente a través del parámetro de Brody, proporciona un marco robusto y estadísticamente fundamentado para detectar y distinguir adulterantes de la leche (peróxido de hidrógeno, urea y formalina) mediante la cuantificación del grado de aleatorización espectral en los espectros Raman.

Autores originales: Ravinder Tirupati, Manimaran P., Ghanashyam Krishna M., Samrat L. Sabat

Publicado 2026-09-30

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ravinder Tirupati, Manimaran P., Ghanashyam Krishna M., Samrat L. Sabat

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La seguridad alimentaria depende en gran medida de la capacidad para detectar cuándo un producto natural ha sido manipulado, y la leche es un objetivo frecuente de tales engaños. Vendedores sin escrúpulos a veces añaden productos químicos a la leche para hacerla parecer más espesa, para que dure más tiempo en el estante o para que supere pruebas básicas de calidad, a pesar de que estos aditivos pueden ser perjudiciales para la salud humana. Para detectar estos trucos, los científicos suelen utilizar una técnica llamada espectroscopia Raman, que funciona haciendo incidir un láser sobre una muestra y escuchando la forma única en que las moléculas vibran en respuesta. Cada sustancia tiene una firma vibracional distinta, muy parecida a una huella dactilar, lo que permite a los investigadores identificar qué hay presente en un vaso de leche. Sin embargo, la leche es una mezcla compleja de proteínas, grasas y azúcares, y su espectro natural está saturado de señales superpuestas. Cuando se añaden adulterantes, estos no solo añaden una nueva línea a este espectro; pueden alterar sutilmente las relaciones entre todas las señales existentes, creando un patrón de cambio que es difícil de detectar para los programas informáticos estándar, especialmente si la cantidad de producto químico añadido es pequeña o si los datos tienen mucho ruido.

Un equipo de investigadores de la Universidad de Hyderabad ha desarrollado una nueva forma de abordar este problema tratando el espectro completo no como una lista de picos, sino como una red de conexiones. En lugar de preguntar "¿cuál es la altura de este pico específico?", preguntaron "¿cómo se mueven todas las diferentes partes del espectro en conjunto?". Recopilaron lecturas láser de leche pura y de leche mezclada con tres adulterantes comunes: peróxido de hidrógeno, urea y formalina. Para cada grupo, construyeron un mapa masivo que muestra cómo cada punto del espectro se correlaciona con cada otro punto. Luego aplicaron una rama de las matemáticas conocida como Teoría de Matrices Aleatorias, que se utiliza típicamente para estudiar sistemas complejos como núcleos atómicos o mercados financieros, para ver si los patrones en estos mapas eran ordenados o caóticos. Este enfoque les permitió medir el "desorden" introducido por cada aditivo con un alto grado de precisión, revelando que diferentes productos químicos alteran la estructura natural de la leche de formas fundamentalmente distintas.

El estudio comenzó con una colección de 124 lecturas láser. Treinta y una de estas procedían de leche pura, mientras que el resto eran muestras donde los investigadores habían mezclado cuidadosamente cantidades variables de peróxido de hidrógeno, urea o formalina. El equipo utilizó un potente láser para capturar las señales vibracionales de cada muestra, creando una imagen detallada de la actividad molecular. Luego procesaron estos datos para eliminar el ruido de fondo y construyeron una matriz de correlación para cada grupo. En términos sencillos, esta matriz es una cuadrícula gigante que registra qué tan estrechamente coincide el comportamiento de una parte del espectro con el de otra parte a través de todas las muestras. En la leche pura, esta cuadrícula mostraba bloques de conexión fuertes y organizados, lo que refleja el hecho de que las proteínas, grasas y azúcares de la leche se mueven naturalmente en sincronía. Cuando los investigadores introdujeron los adulterantes, estos bloques organizados comenzaron a cambiar, pero cada químico lo hizo de una manera única.

El peróxido de hidrógeno causó una perturbación muy específica y localizada. Los investigadores descubrieron que creó una ruptura aguda en las conexiones justo alrededor de la frecuencia donde vibran las moléculas de peróxido, pero el resto del espectro de la leche permaneció mayormente intacto y ordenado. Era como si un solo hilo en un tejido de tela hubiera sido cortado, dejando el tejido circundante sin alteraciones. La urea, por otro lado, produjo una disrupción mucho más fuerte y estructurada. Creó un desplazamiento pronunciado en las conexiones cerca de su propia firma vibracional, y este efecto se propagó hacia afuera para influir en las partes vecinas del espectro. Esto sugirió que la urea no solo estaba allí sentada en la leche, sino que interactuaba activamente con las moléculas circundantes, creando un nuevo patrón de comportamiento rígido que era diferente del flujo natural de la leche pura.

La formalina presentó el cambio más dramático de todos. A diferencia de los otros dos químicos, que provocaron cambios específicos y localizados, la formalina causó un debilitamiento generalizado de las conexiones en todo el espectro. Los bloques organizados observados en la leche pura se disolvieron en un patrón más disperso y aleatorio. Este resultado coincidía con la química conocida de la formalina, que es un agente de reticulación que se une a las proteínas en muchos lugares diferentes a la vez, alterando sutilmente toda la estructura molecular en lugar de atacar un solo punto. Para cuantificar estas observaciones, los investigadores utilizaron una medida estadística llamada parámetro de Brody, que actúa como un número único para describir qué tan aleatorio es un sistema. La leche pura obtuvo una puntuación baja en esta escala, confirmando su naturaleza altamente ordenada. A medida que los investigadores añadían los adulterantes, la puntuación subía, indicando un aumento del desorden. La formalina llevó la puntuación más cerca de la aleatoriedad máxima posible, mientras que la urea y el peróxido de hidrógeno quedaron en un punto intermedio, creando una clasificación numérica clara de cuánto perturbó cada químico el estado natural de la leche.

La importancia de este trabajo radica en su capacidad para detectar la adulteración al observar la estructura de los datos en lugar de solo la intensidad de señales específicas. Los métodos tradicionales suelen tener dificultades cuando la cantidad de producto químico añadido es muy pequeña o cuando el ruido de fondo es alto, porque dependen de encontrar un pico distinto que destaque. Este nuevo enfoque, sin embargo, detecta las formas sutiles en que un aditivo cambia las relaciones entre todas las moléculas de la muestra. Al tratar el espectro como un sistema complejo y medir su aleatoriedad estadística, los investigadores demostraron que podían distinguir entre la leche pura y la leche que contiene aditivos nocivos con alta sensibilidad. El estudio sugiere que este método podría utilizarse eventualmente para construir herramientas de detección más rápidas y fiables para la seguridad alimentaria, capaces de detectar incluso contaminaciones de bajo nivel que de otro modo podrían pasar desapercibidas. Si bien los investigadores señalan que se necesitan más pruebas para establecer exactamente qué tan poco de un aditivo puede ser detectado, los resultados proporcionan una nueva y poderosa lente matemática para comprender la complejidad oculta de la calidad de los alimentos.

Resumen Técnico: Análisis de Correlación Espectral y de la Teoría de Matrices Aleatorias de los Espectros Raman para la Detección de Adulterantes en la Leche

Planteamiento del Problema
La detección de adulterantes en la leche es un desafío crítico para la seguridad alimentaria. Si bien las técnicas de espectroscopía óptica como la espectroscopía Raman ofrecen huellas moleculares únicas para identificar aditivos como el peróxido de hidrógeno ( $H_2O_2$ ), la urea ( $CH_4N_2O$ ) y el formaldehído ( $CH_2O$ ), los métodos de análisis convencionales enfrentan limitaciones. Los enfoques quimiométricos estándar (p. ej., PCA, PLS, SVM, CNN) suelen depender del aprendizaje empírico de las intensidades de los picos o de patrones espectrales específicos. Estos métodos pueden ser sensibles al ruido, al fondo de fluorescencia y requieren grandes conjuntos de datos de entrenamiento etiquetados. Además, pueden fallar al capturar perturbaciones sutiles inducidas por los adulterantes en la estructura de covarianza de los datos espectrales de alta dimensión que no se manifiestan como desplazamientos de picos distintos y resolubles. Los autores postulan que la adulteración de la leche es fundamentalmente un problema de estructura de correlación más que solo de intensidad de picos, lo que requiere un marco que distinga entre las correlaciones químicas genuinas y la aleatoriedad estadística.

Metodología
El estudio emplea un marco que combina el Análisis de Correlación Espectral y la Teoría de Matrices Aleatorias (RMT, por sus siglas en inglés) para analizar los espectros Raman de la leche.

Adquisición de Datos: Se adquirieron un total de 124 espectros Raman: 31 de leche pura (4.5% de grasa) y 93 de leche adulterada con concentraciones variables de $H_2O_2$ , urea y formaldehído. Los espectros se registraron utilizando un microscopio Raman confocal de 532 nm.
Preprocesamiento: Los espectros brutos se sometieron a una corrección de línea base por mínimos cuadrados asimétricos (ALS), suavizado de Savitzky–Golay y normalización al rango [0, 1].
Construcción de la Matriz de Correlación: Para cada clase (pura y cada adulterante), se computó una matriz de correlación espectral ( $C$ ) de $700 \times 700$ a partir de los datos de intensidad estandarizados y centrados en la media de las 31 muestras de esa clase.
Descomposición de Valores Propios: Las matrices se descompusieron para extraer valores propios (eigenvalues) y vectores propios (eigenvectors). Se analizaron los tres vectores propios superiores para identificar los patrones dominantes de correlación espectral. Se calcularon los vectores propios de diferencia ( $\Delta v_k$ ) restando los vectores propios de la leche pura de los de la leche adulterada para aislar las perturbaciones específicas de cada aditivo.
Análisis RMT:
- Unfolding (Desplegamiento): Los valores propios se desplegaron mediante suavizado basado en splines para asegurar un nivel de densidad media uniforme.
- Distribución de Espaciamiento: La distribución de espaciamiento de vecino más cercano ( $P(S)$ ) de los valores propios desplegados se comparó contra la Supremazía de Wigner (Ensemble Ortogonal Gaussiano) y la distribución de Poisson.
- Parámetro de Brody: Para cuantificar el grado de orden espectral frente a la aleatoriedad, las distribuciones de espaciamiento empíricas se ajustaron a la distribución de Brody, obteniendo un único parámetro $\beta$ (donde $\beta=0$ representa Poisson/aleatorio y $\beta=1$ representa Wigner-Dyson/totalmente correlacionado).

Resultos Clave

Estructura de Correlación: La leche pura exhibió dominios de bloques de alta intensidad y amplia extensión en su matriz de correlación, lo que indica una covariación bioquímica fuerte y coherente.
- $H_2O_2$ : Indujo una reducción localizada en la correlación cerca de 878 cm $^{-1}$ (estiramiento O–O), creando una perturbación estrecha y químicamente aislada sin romper la coherencia global.
- Urea: Produjo una desviación estructurada y fuerte centrada en 1006 cm $^{-1}$ (estiramiento C–N), afectando múltiples modos propios y extendiéndose hacia regiones espectrales vecinas.
- Formaldehído: Causó un debilitamiento global de las correlaciones espectrales en todo el rango de 500–3200 cm $^{-1}$ , consistente con su función como agente de reticulación que perturba de manera difusa los modos vibracionales de las proteínas.
Análisis de Valores y Vectores Propios: La leche pura mostró un decaimiento agudo en los valores propios, reflejando la uniformidad química. Las muestras adulteradas mostraron distribuciones alteradas: la urea mantuvo valores propios elevados debido a contribuciones deterministas fuertes, mientras que el formaldehído produjo un espectro disperso con un decaimiento más lento, indicando perturbaciones estocásticas y generalizadas. Los vectores propios de diferencia aislaron con éxito los desplazamientos Raman específicos del aditivo (p. ej., el pico agudo en 1006 cm $^{-1}$ para la urea).
Aleatoriedad Cuantitativa (Parámetro de Brody): El parámetro de Brody $\beta$ $β$ proporcionó una medida continua del desorden espectral:
- Leche Pura: $\beta = 0.749$ (Más estructurada/determinista).
- Leche con Urea: $\beta = 0.801$ (Desplazamiento modesto hacia la aleatoriedad).
- Leche con $H_2O_2$ : $\beta = 0.841$ (Aleatoriedad intermedia).
- Leche con Formaldehído: $\beta = 0.970$ (Casi totalmente aleatorizada, más cercana a las estadísticas GOE).

Significancia y Reivindicaciones
El artículo afirma ser la primera aplicación integral de diagnósticos de matriz de correlación y RMT a los espectros Raman de la leche. La contribución principal es el establecimiento del análisis de correlación espectral basado en RMT como un marco de diagnóstico robusto y específico para los adulterantes, que opera sobre la estructura estadística del espectro en lugar de las intensidades de los picos individuales.

Las principales reivindicaciones incluyen:

Métrica Cuantitativa: El parámetro de Brody sirve como una métrica única y estadísticamente fundamentada para clasificar los adulterantes según la severidad de la interrupción de la estructura de correlación que inducen.
Capacidad No Supervisada: El enfoque es mayormente no supervisado y no requiere grandes conjuntos de datos de entrenamiento etiquetados, abordando una limitación clave de los clasificadores de aprendizaje automático en la seguridad alimentaria.
Interpretabilidad: A diferencia de los modelos de "caja negra", el método ofrece resultados interpretables donde los vectores propios de diferencia localizan las perturbaciones en desplazamientos Raman específicos y químicamente identificables.
Sensibilidad al Desorden Oculto: El método es sensible a los cambios en la estructura de covarianza, lo que potencialmente ofrece una mejor detección de la adulteración débil o de baja concentración que no produce desplazamientos de picos claramente resolubles.

Los autores concluyen que este marco complementa los métodos de detección basados en Raman existentes al proporcionar una medida física y cuantitativa del desorden espectral, ofreciendo una vía hacia sistemas de autenticación de alimentos multiaulterantes en tiempo real. Señalan que, si bien la hipótesis de una mejora en la sensibilidad a la adulteración de baja concentración está motivada por la sensibilidad del método a los cambios de covarianza, el establecimiento de límites de detección específicos dependientes de la concentración requiere estudios dedicados en el futuro.

Más como este