Hispanopedia Wiki
Articulo de referencia

Quimiometría

La quimiometría es la ciencia que extrae información de sistemas químicos mediante el análisis de datos. Es inherentemente interdisciplinaria, ya que utiliza métodos empleados c...

Hispanopedia WikiContenido en espanolLectura gratuita

La quimiometría es la ciencia que extrae información de sistemas químicos mediante el análisis de datos. Es inherentemente interdisciplinaria, ya que utiliza métodos empleados con frecuencia en disciplinas fundamentales del análisis de datos, como la estadística multivariante , las matemáticas aplicadas y la informática , para abordar problemas en química , bioquímica , medicina , biología e ingeniería química . De esta manera, refleja otros campos interdisciplinarios, como la psicometría y la econometría .

Fondo

La quimiometría se aplica para resolver problemas tanto descriptivos como predictivos en las ciencias naturales experimentales, especialmente en química. En las aplicaciones descriptivas, se modelan las propiedades de los sistemas químicos con el fin de comprender las relaciones subyacentes y la estructura del sistema (es decir, la comprensión e identificación del modelo). En las aplicaciones predictivas, se modelan las propiedades de los sistemas químicos con el fin de predecir nuevas propiedades o comportamientos de interés. En ambos casos, los conjuntos de datos pueden ser pequeños, pero a menudo son grandes y complejos, e incluyen cientos o miles de variables, así como cientos o miles de casos u observaciones.

Las técnicas quimiométricas se utilizan ampliamente en química analítica y metabolómica , y el desarrollo de métodos de análisis quimiométricos mejorados impulsa el avance de la instrumentación y la metodología analíticas. Se trata de una disciplina orientada a la aplicación, por lo que, si bien las metodologías quimiométricas estándar se utilizan ampliamente en la industria, los grupos académicos se dedican al desarrollo continuo de la teoría, los métodos y las aplicaciones quimiométricas.

Orígenes

Si bien podría argumentarse que incluso los primeros experimentos analíticos en química implicaban alguna forma de quimiometría, generalmente se reconoce que este campo surgió en la década de 1970, a medida que las computadoras se utilizaban cada vez más para la investigación científica. El término «quimiometría» fue acuñado por Svante Wold en una solicitud de subvención de 1971, [ 1 ] y la Sociedad Internacional de Quimiometría fue fundada poco después por Svante Wold y Bruce Kowalski , dos pioneros en el campo. Wold era profesor de química orgánica en la Universidad de Umeå , Suecia, y Kowalski era profesor de química analítica en la Universidad de Washington, Seattle. [ 2 ]

Muchas de las primeras aplicaciones implicaban clasificación multivariante, a las que siguieron numerosas aplicaciones predictivas cuantitativas, y a finales de la década de 1970 y principios de la de 1980 se realizaban una amplia variedad de análisis químicos basados ​​en datos y en ordenadores.

El análisis multivariante fue un aspecto crítico incluso en las primeras aplicaciones de la quimiometría. Los datos de espectroscopia infrarroja y UV/visible a menudo se cuentan en miles de mediciones por muestra. La espectrometría de masas, la resonancia magnética nuclear, la emisión/absorción atómica y los experimentos de cromatografía también son, por naturaleza, altamente multivariantes. Se encontró que la estructura de estos datos era propicia para el uso de técnicas como el análisis de componentes principales (PCA), mínimos cuadrados parciales (PLS), mínimos cuadrados parciales ortogonales (OPLS) y mínimos cuadrados parciales ortogonales bidireccionales (O2PLS). [ 3 ] Esto se debe principalmente a que, si bien los conjuntos de datos pueden ser altamente multivariantes, existe una estructura de bajo rango fuerte y a menudo lineal. PCA y PLS han demostrado ser muy eficaces a lo largo del tiempo para modelar empíricamente la estructura de bajo rango más interesante desde el punto de vista químico, explotando las interrelaciones o "variables latentes" en los datos y proporcionando sistemas de coordenadas compactos alternativos para análisis numéricos posteriores como regresión , agrupamiento y reconocimiento de patrones . En particular, el método de mínimos cuadrados parciales se utilizó ampliamente en aplicaciones quimiométricas durante muchos años antes de que comenzara a utilizarse con regularidad en otros campos.

Durante la década de 1980 surgieron tres revistas especializadas en el campo: Journal of Chemometrics , Chemometrics and Intelligent Laboratory Systems y Journal of Chemical Information and Modeling . Estas revistas continúan cubriendo tanto la investigación fundamental como la metodológica en quimiometría. Actualmente, la mayoría de las aplicaciones rutinarias de los métodos quimiométricos existentes se publican comúnmente en revistas orientadas a aplicaciones (por ejemplo, Applied Spectroscopy , Analytical Chemistry , Analytica Chimica Acta , Talanta ). Varios libros/monografías importantes sobre quimiometría también se publicaron por primera vez en la década de 1980, incluyendo la primera edición de Factor Analysis in Chemistry de Malinowski , [ 4 ] Chemometrics de Sharaf, Illman y Kowalski , [ 5 ] Chemometrics: a textbook de Massart et al. , [ 6 ] y Multivariate Calibration de Martens y Naes . [ 7 ]

Algunas áreas de aplicación quimiométrica importantes han pasado a representar nuevos dominios, como el modelado molecular y QSAR , la quimioinformática , los campos '-ómicos' de la genómica , la proteómica , la metabonómica y la metabolómica , el modelado de procesos y la tecnología analítica de procesos .

Geladi y Esbensen publicaron una serie de entrevistas sobre la historia temprana de la quimiometría. [ 8 ] [ 9 ]

Técnicas

Calibración multivariante

Muchos problemas químicos y aplicaciones de la quimiometría implican calibración . El objetivo es desarrollar modelos que puedan usarse para predecir propiedades de interés basadas en propiedades medidas del sistema químico, como presión, flujo, temperatura, infrarrojo , Raman , [ 10 ] espectros RMN y espectros de masas . Ejemplos incluyen el desarrollo de modelos multivariados que relacionan 1) respuesta espectral de múltiples longitudes de onda con la concentración del analito, 2) descriptores moleculares con la actividad biológica, 3) condiciones/estados de proceso multivariados con atributos del producto final. El proceso requiere un conjunto de datos de calibración o entrenamiento, que incluye valores de referencia para las propiedades de interés para la predicción, y los atributos medidos que se cree que corresponden a estas propiedades. Para el caso 1), por ejemplo, se pueden reunir datos de varias muestras, incluyendo concentraciones para un analito de interés para cada muestra (la referencia) y el espectro infrarrojo correspondiente de esa muestra. Posteriormente, se utilizan técnicas de calibración multivariante, como la regresión de mínimos cuadrados parciales o la regresión de componentes principales (y un sinfín de otros métodos), para construir un modelo matemático que relacione la respuesta multivariante (espectro) con la concentración del analito de interés. Dicho modelo puede utilizarse para predecir de forma eficiente las concentraciones de nuevas muestras.

Las técnicas en calibración multivariante a menudo se clasifican en términos generales como métodos clásicos o inversos. [ 7 ] [ 11 ] La principal diferencia entre estos enfoques es que en la calibración clásica los modelos se resuelven de manera que sean óptimos para describir las respuestas analíticas medidas (por ejemplo, espectros) y, por lo tanto, pueden considerarse descriptores óptimos, mientras que en los métodos inversos los modelos se resuelven para ser óptimos para predecir las propiedades de interés (por ejemplo, concentraciones, predictores óptimos). [ 12 ] Los métodos inversos generalmente requieren menos conocimiento físico del sistema químico y, al menos en teoría, proporcionan predicciones superiores en el sentido del error cuadrático medio, [ 13 ] [ 14 ] [ 15 ] y por lo tanto los enfoques inversos tienden a aplicarse con mayor frecuencia en la calibración multivariante contemporánea.

La principal ventaja del uso de técnicas de calibración multivariante radica en que permite utilizar mediciones analíticas rápidas, económicas y no destructivas (como la espectroscopia óptica) para estimar propiedades de la muestra que, de otro modo, requerirían análisis costosos, laboriosos o destructivos (como la cromatografía líquida acoplada a espectrometría de masas ). Igualmente importante es que la calibración multivariante posibilita un análisis cuantitativo preciso incluso con una fuerte interferencia de otros analitos. La selectividad del método analítico depende tanto de la calibración matemática como de las modalidades de medición analítica. Por ejemplo, los espectros de infrarrojo cercano, que son extremadamente amplios y poco selectivos en comparación con otras técnicas analíticas (como los espectros infrarrojos o Raman), pueden utilizarse con éxito junto con métodos de calibración multivariante cuidadosamente desarrollados para predecir concentraciones de analitos en matrices muy complejas.

Clasificación, reconocimiento de patrones, agrupamiento

Las técnicas de clasificación multivariante supervisada están estrechamente relacionadas con las técnicas de calibración multivariante, ya que se utiliza un conjunto de calibración o entrenamiento para desarrollar un modelo matemático capaz de clasificar muestras futuras. Las técnicas empleadas en quimiometría son similares a las utilizadas en otros campos: análisis discriminante multivariante, regresión logística, redes neuronales y árboles de regresión/clasificación. El uso de técnicas de reducción de rango junto con estos métodos de clasificación convencionales es habitual en quimiometría, por ejemplo, el análisis discriminante de componentes principales o las puntuaciones de mínimos cuadrados parciales .

Una familia de técnicas, denominadas modelos de clases o clasificadores de una sola clase , permiten construir modelos para una clase de interés específica. [ 16 ] Estos métodos son particularmente útiles en el control de calidad y la verificación de autenticidad de los productos.

La clasificación no supervisada (también denominada análisis de clústeres ) se utiliza habitualmente para descubrir patrones en conjuntos de datos complejos, y, de nuevo, muchas de las técnicas básicas utilizadas en quimiometría son comunes a otros campos como el aprendizaje automático y el aprendizaje estadístico.

Resolución de curvas multivariadas

En términos quimiométricos, la resolución de curvas multivariadas busca deconstruir conjuntos de datos con información de referencia y conocimiento del sistema limitados o ausentes. Algunos de los primeros trabajos sobre estas técnicas fueron realizados por Lawton y Sylvestre a principios de la década de 1970. [ 17 ] [ 18 ] Estos enfoques también se denominan análisis de mezclas de automodelado, separación ciega de fuentes/señales y desmezcla espectral. Por ejemplo, a partir de un conjunto de datos que comprende espectros de fluorescencia de una serie de muestras, cada una con múltiples fluoróforos, se pueden utilizar métodos de resolución de curvas multivariadas para extraer los espectros de fluorescencia de los fluoróforos individuales, junto con sus concentraciones relativas en cada una de las muestras, desmezclando esencialmente el espectro de fluorescencia total en las contribuciones de los componentes individuales. El problema suele estar mal determinado debido a la ambigüedad rotacional (muchas soluciones posibles pueden representar de forma equivalente los datos medidos), por lo que es común la aplicación de restricciones adicionales, como la no negatividad, la unimodalidad o las interrelaciones conocidas entre los componentes individuales (por ejemplo, restricciones cinéticas o de balance de masas). [ 19 ] [ 20 ]

Otras técnicas

El diseño experimental sigue siendo un área central de estudio en quimiometría y varias monografías están dedicadas específicamente al diseño experimental en aplicaciones químicas. [ 21 ] [ 22 ] Los principios sólidos del diseño experimental han sido ampliamente adoptados dentro de la comunidad quimiométrica, aunque muchos experimentos complejos son puramente observacionales y puede haber poco control sobre las propiedades e interrelaciones de las muestras y propiedades de las muestras.

El procesamiento de señales también es un componente crítico de casi todas las aplicaciones quimiométricas, en particular el uso de pretratamientos de señales para acondicionar los datos antes de la calibración o clasificación. Las técnicas empleadas comúnmente en quimiometría suelen estar estrechamente relacionadas con las utilizadas en campos afines. [ 23 ] El preprocesamiento de señales puede afectar la forma en que se interpretan los resultados del procesamiento final de datos. [ 24 ]

Caracterización del rendimiento y figuras de mérito Como la mayoría de los campos de las ciencias físicas, la quimiometría está orientada cuantitativamente, por lo que se hace especial hincapié en la caracterización del rendimiento, la selección de modelos, la verificación y validación, y las figuras de mérito . El rendimiento de los modelos cuantitativos se suele especificar mediante el error cuadrático medio en la predicción del atributo de interés, y el rendimiento de los clasificadores como pares de tasa de verdaderos positivos/tasa de falsos positivos (o una curva ROC completa). Un informe reciente de Olivieri et al. proporciona una visión general completa de las figuras de mérito y la estimación de la incertidumbre en la calibración multivariante, incluidas las definiciones multivariantes de selectividad, sensibilidad, SNR y estimación del intervalo de predicción. [ 25 ] La selección de modelos quimiométricos suele implicar el uso de herramientas como el remuestreo (incluidos bootstrap, permutación, validación cruzada).

El control estadístico multivariado de procesos (MSPC) , el modelado y la optimización representan una cantidad sustancial del desarrollo histórico de la quimiometría. [ 26 ] [ 27 ] [ 28 ] La espectroscopia se ha utilizado con éxito para el monitoreo en línea de procesos de fabricación durante 30 a 40 años, y estos datos de proceso son altamente adecuados para el modelado quimiométrico. Específicamente en términos de MSPC, el modelado multidireccional de procesos por lotes y continuos es cada vez más común en la industria y sigue siendo un área activa de investigación en quimiometría e ingeniería química. La química analítica de procesos, como se la denominó originalmente, [ 29 ] o el término más reciente de tecnología analítica de procesos continúa recurriendo en gran medida a los métodos quimiométricos y al MSPC.

Los métodos multivariados se utilizan ampliamente en aplicaciones quimiométricas. [ 30 ] [ 31 ] Estos son extensiones de orden superior de métodos más ampliamente utilizados. Por ejemplo, mientras que el análisis de una tabla (matriz o arreglo de segundo orden) de datos es rutinario en varios campos, los métodos multivariados se aplican a conjuntos de datos que involucran órdenes 3, 4 o superiores. Los datos de este tipo son muy comunes en química, por ejemplo, un sistema de cromatografía líquida/espectrometría de masas (LC-MS) genera una gran matriz de datos (tiempo de elución versus m/z) para cada muestra analizada. Los datos de múltiples muestras conforman así un cubo de datos . El modelado de procesos por lotes involucra conjuntos de datos que tienen tiempo versus variables de proceso versus número de lote. Los métodos matemáticos multivariados aplicados a este tipo de problemas incluyen PARAFAC , descomposición trilineal y PLS y PCA multivariados.

Quimiometría y Ciencia de los Alimentos

En la última década, las técnicas estadísticas multivariantes, desarrolladas originalmente para la química analítica, se han generalizado en la ciencia y la tecnología de los alimentos. La quimiometría resulta especialmente valiosa al trabajar con conjuntos de datos extensos y complejos, que abarcan diversos tipos, cantidades y respuestas de muestras. Estas técnicas permiten autenticar el origen geográfico, los sistemas de cultivo y detectar la adulteración en productos alimenticios de alto valor. [ 32 ]

En general, la quimiometría es una herramienta esencial para abordar desafíos complejos y multifactoriales en la ciencia de los alimentos mediante un enfoque holístico. Los organismos gubernamentales y las industrias responsables del control de la calidad de los alimentos, la evaluación de materias primas y la optimización de procesos deberían incorporar la quimiometría, especialmente cuando trabajan con datos de alta dimensionalidad. Para ayudar a los usuarios a seleccionar las herramientas más adecuadas, este artículo describe aplicaciones prácticas y evalúa las ventajas y limitaciones de los métodos quimiométricos de uso común. [ 32 ]

Referencias

  1. ↑ Como se relata en Wold, S. (1995). "Quimiometría; ¿qué entendemos por ella y qué esperamos de ella?". Chemometrics and Intelligent Laboratory Systems . 30 (1): 109– 115. doi : 10.1016/0169-7439(95)00042-9 .
  2. ↑ Kowalski, Bruce R. (1975). "Quimiometría: Perspectivas y Proposiciones". J. Chem. Inf. Comput. Sci . 15 (4): 201– 203. doi : 10.1021/ci60004a002 .
  3. ↑ Trygg, J.; Wold, S. (2003). "O2-PLS, un método de regresión de variables latentes (LVR) de dos bloques (X–Y) con un filtro OSC integral" . Journal of Chemometrics . 17 : 53–64 . doi : 10.1002/cem.775 . S2CID 123071521 . 
  4. ↑ Malinowski, ER; Howery, DG (1980). Análisis factorial en química . Nueva York: Wiley. ISBN 978-0471058816.(Le siguieron otras ediciones en 1989, 1991 y 2002).
  5. ^ Sharaf, MA; Ilman, DL; Kowalski, BR, eds. (1986). Quimiometría . Nueva York: Wiley. ISBN 978-0471831068.
  6. ↑ Massart, DL; Vandeginste, BGM; Deming, SM; Michotte, Y.; Kaufman, L. (1988). Quimiometría: un libro de texto . Ámsterdam: Elsevier. ISBN 978-0444426604.
  7. 1 2 Martens, H.; Naes, T. (1989). Calibración multivariante . Nueva York: Wiley. ISBN 978-0471909798.
  8. ↑ Geladi, P.; Esbensen, K. (2005). "El inicio y la historia temprana de la quimiometría: entrevistas seleccionadas. Parte 1". J. Chemometrics . 4 (5): 337– 354. doi : 10.1002/cem.1180040503 . S2CID 120490459 . 
  9. ↑ Esbensen, K.; Geladi, P. (2005). "El inicio y la historia temprana de la quimiometría: entrevistas seleccionadas. Parte 2". J. Chemometrics . 4 (6): 389– 412. doi : 10.1002/cem.1180040604 . S2CID 221546473 . 
  10. ↑ Barton, Bastian; Thomson, James; Lozano Diz, Enrique; Portela, Raquel (septiembre de 2022). "Quimiometría para la armonización de la espectroscopia Raman" . Applied Spectroscopy . 76 (9): 1021– 1041. Bibcode : 2022ApSpe..76.1021B . doi : 10.1177/00037028221094070 . ISSN 0003-7028 . PMID 35622984. S2CID 249129065 .   
  11. ↑ Franke, J. (2002). «Métodos de mínimos cuadrados inversos y clásicos para la espectroscopia vibracional cuantitativa». En Chalmers, John M (ed.). Manual de espectroscopia vibracional . Nueva York: Wiley. doi : 10.1002/0470027320.s4603 . ISBN 978-0471988472.
  12. ↑ Brown, CD (2004). "Discordancia entre la teoría de la señal neta del analito y la calibración multivariante práctica". Analytical Chemistry . 76 (15): 4364– 4373. doi : 10.1021/ac049953w . PMID 15283574 . 
  13. ↑ Krutchkoff, RG (1969). "Métodos clásicos y de regresión inversa de calibración en extrapolación". Technometrics . 11 (3): 11– 15. doi : 10.1080/00401706.1969.10490714 .
  14. ↑ Hunter, WG (1984). «Estadística y química, y el problema de la calibración lineal». En Kowalski, BR (ed.). Quimiometría: matemáticas y estadística en química . Boston: Riedel. ISBN 978-9027718464.
  15. ↑ Tellinghuisen, J. (2000). "Calibración inversa frente a calibración clásica para conjuntos de datos pequeños". Fresenius' J. Anal. Chem . 368 (6): 585– 588. doi : 10.1007/s002160000556 . PMID 11228707 . S2CID 21166415 .  
  16. ↑ Oliveri, Paolo (2017). "Modelado de clases en química analítica de alimentos: desarrollo, muestreo, optimización y problemas de validación: un tutorial". Analytica Chimica Acta . 982 : 9–19 . Bibcode : 2017AcAC..982....9O . doi : 10.1016/j.aca.2017.05.013 . hdl : 11567/881059 . PMID 28734370. S2CID 10119515 .  
  17. ↑ Lawton, WH; Sylvestre, EA (1971). "Resolución de curvas de automodelado". Technometrics . 13 (3): 617– 633. doi : 10.1080/00401706.1971.10488823 .
  18. ↑ Sylvestre, EA; Lawton, WH; Maggio, MS (1974). "Resolución de curvas mediante una reacción química postulada". Technometrics . 16 (3): 353– 368. doi : 10.1080/00401706.1974.10489204 .
  19. ↑ de Juan, A.; Tauler, R. (2003). "Quimiometría aplicada para desentrañar procesos y mezclas multicomponentes. Revisión de las últimas tendencias en resolución multivariante". Analytica Chimica Acta . 500 ( 1– 2): 195– 210. Bibcode : 2003AcAC..500..195D . doi : 10.1016/S0003-2670(03)00724-4 .
  20. ↑ de Juan, A.; Tauler, R. (2006). "Resolución de curvas multivariadas (MCR) desde 2000: Progreso en conceptos y aplicaciones". Critical Reviews in Analytical Chemistry . 36 ( 3– 4): 163– 176. doi : 10.1080/10408340600970005 . S2CID 95309963 . 
  21. ↑ Deming, SN; Morgan, SL (1987). Diseño experimental: un enfoque quimiométrico . Elsevier. ISBN 978-0444427342.
  22. ^ Bruns, RE; Scarminio, ES; de Barros Neto, B. (2006). Diseño estadístico – quimiometría . Ámsterdam: Elsevier. ISBN 978-0444521811.
  23. ↑ Wentzell, PD; Brown, CD (2000). "Procesamiento de señales en química analítica". En Meyers, RA (ed.). Enciclopedia de química analítica . Wiley. págs. 9764–9800 . 
  24. ↑ Oliveri, Paolo; Malegori, Cristina; Simonetti, Remo; Casale, Monica (2019). "El impacto del preprocesamiento de señales en la interpretación final de los resultados analíticos: un tutorial". Analytica Chimica Acta . 1058 : 9–17 . Bibcode : 2019AcAC.1058....9O . doi : 10.1016/j.aca.2018.10.055 . PMID 30851858. S2CID 73727614 .  
  25. ↑ Olivieri, AC; Faber, NM; Ferre, J.; Boque, R.; Kalivas, JH; Mark, H. (2006). "Directrices para la calibración en química analítica Parte 3. Estimación de la incertidumbre y figuras de mérito para la calibración multivariante" . Pure and Applied Chemistry . 78 (3): 633– 650. doi : 10.1351/pac200678030633 . S2CID 50546210 . 
  26. ↑ Illman, DL; Callis, JB; Kowalski, BR (1986). "Química analítica de procesos: un nuevo paradigma para los químicos analíticos". American Laboratory . 18 : 8–10 .
  27. ↑ MacGregor, JF; Kourti, T. (1995). "Control estadístico de procesos multivariados". Control Engineering Practice . 3 (3): 403– 414. doi : 10.1016/0967-0661(95)00014-L .
  28. ↑ Martin, EB; Morris, AJ (1996). "Una visión general del control estadístico multivariado de procesos en el monitoreo del desempeño de procesos continuos y por lotes". Transactions of the Institute of Measurement & Control . 18 (1): 51– 60. Bibcode : 1996TIMC...18...51M . doi : 10.1177/014233129601800107 . S2CID 120516715 . 
  29. ↑ Hirschfeld, T.; Callis, JB; Kowalski, BR (1984). "Detección química en el análisis de procesos". Science . 226 (4672): 312– 318. Bibcode : 1984Sci...226..312H . doi : 10.1126/science.226.4672.312 . PMID 17749872 . S2CID 38093353 .  
  30. ↑ Smilde, AK; Bro, R.; Geladi, P. (2004). Análisis multidireccional con aplicaciones en las ciencias químicas . Wiley.
  31. ↑ Bro, R.; Workman, JJ; Mobley, PR; Kowalski, BR (1997). "Descripción general de la quimiometría aplicada a la espectroscopia: 1985–95, Parte 3—Análisis multidireccional". Applied Spectroscopy Reviews . 32 (3): 237– 261. Bibcode : 1997ApSRv..32..237B . doi : 10.1080/05704929708003315 .
  32. 1 2Granato , Daniel; Putnik, Predrag; Kovačević, Danijela Bursać; Santos, Jânio Sousa; Calado, Verónica; Rocha, Ramón Silva; Cruz, Adriano Gomes Da; Jarvis, albahaca; Rodionova, Oxana Ye; Pomerantsev, Alexey (2018). "Tendencias en quimiometría: autenticación de alimentos, microbiología y efectos del procesamiento" . Revisiones completas en ciencia de los alimentos y seguridad alimentaria . 17 (3): 663– 677. doi : 10.1111/1541-4337.12341 . ISSN 1541-4337 . 

Lecturas adicionales

  • Beebe, KR; Pell, RJ; Seasholtz, MB (1998). Quimiometría: una guía práctica . Wiley.
  • Brereton, RG (2007). Quimiometría aplicada para científicos . Wiley.
  • Brown, SD; Tauler, R.; Walczak, B., eds. (2009). Quimiometría integral: análisis de datos químicos y bioquímicos . Conjunto de 4 volúmenes. Elsevier.
  • Gemperline, PJ , ed. (2006). Guía práctica de quimiometría (2.ª  ed.). CRC Press.
  • Kramer, R. (1998). Técnicas quimiométricas para el análisis cuantitativo . CRC Press.
  • Maeder, M.; Neuhold, Y.-M. (2007). Análisis práctico de datos en química . Elsevier.
  • Mark, H.; Workman, J. (2007). Quimiometría en espectroscopia . Academic Press-Elsevier.
  • Martens, H.; Naes, T. (1989). Calibración multivariante . Wiley.
  • Massart, DL; Vandeginste, BGM; Deming, SM; Michotte, Y.; Kaufman, L. (1988). Quimiometría: Un libro de texto . Elsevier.
  • Otto, M. (2007). Quimiometría: Estadística y aplicación informática en química analítica (2.ª  ed.). Wiley-VCH.
  • Vandeginste, BGM; Massart, DL; Buydens, LMC; De Jong, S.; Lewi, PJ; Smeyers-Verbeke, J. (1998). Manual de quimiometría y cualimetría: Parte A y Parte B. Elsevier.
  • Introducción a la quimiometría (sitio web archivado)
  • Glosario de la IUPAC para la quimiometría
  • Página principal de Quimiometría, Suecia. Archivada el 20 de enero de 2016 en Wayback Machine.
  • Página principal de Quimiometría (un punto de partida)
  • Análisis quimiométrico para espectroscopia
  • Recurso general sobre métodos quimiométricos avanzados y desarrollos recientes. Archivado el 22/09/2017 en Wayback Machine.