pág. 2
Artículo científico
Volumen 6, Número 2, julio - diciembre, 2023
Recibido: 27-04-2023, Aceptado: 25-07-2023
https://doi.org/10.46908/tayacaja.v6i2.208
Potencial de la espectroscopia vibracional y análisis
quimiométrico para la detección de residuos
agroquímicos en alimentos
Potential of vibrational spectroscopy and chemometric analysis for the detection of
agrochemical residues in food
Eudes Villanueva López
Universidad Nacional Autónoma de Tayacaja Daniel Hernández Morillo, Perú
eudesvillanueva@unat.edu.pe
Javier S. Córdova-Ramos
Universidad Nacional Mayor de San Marcos, Perú
jcordovar1@unmsm.edu.pe
Gino Prieto Rosales
Universidad Nacional Autónoma de Tayacaja Daniel Hernández Morillo, Perú
ginoprieto@unat.edu.pe
Ronald Ortecho Llanos
Universidad Nacional Autónoma de Tayacaja Daniel Hernández Morillo, Perú
ronaldortecho@unat.edu.pe
Adiel Álvarez Ticllasuca
Universidad Nacional Autónoma de Tayacaja Daniel Hernández Morillo, Perú
adielalvarez@unat.edu.pe
Beetthssy Zzussy Hurtado-Soria
Universidad Nacional Autónoma de Tayacaja Daniel Hernández Morillo, Perú
beetthssy.hurtado@unat.edu.pe
Oscar Jordán-Suárez
Universidad Le Cordon Bleu, Perú
oscar.jordan@ulcb.edu.pe
RESUMEN
La agricultura orgánica es muy valorada a nivel internacional ya que tiene como resultado apreciadas ganancias
económicas para las cadenas de valor de diversos productos alimentarios. Dentro del proceso de certificación
orgánica, es vital la identificación de residuos agroquímicos de los alimentos para tamizar lotes de producción que
provienen de cultivos orgánicos y/o convencionales. Actualmente, al análisis de residuos agroquímicos se realiza con
técnicas sofisticadas como la cromatografía líquida (LC) y cromatografía gaseosa (GC) acopladas a detectores de
masas (MS), estas técnicas resultan costosas y complejas. La presente revisión brinda perspectivas respecto a que
combinación de la espectroscopia vibracional con apropiadas técnicas quimiométricas (estadística multivariada)
puede servir para desarrollar métodos de clasificación y cuantificación los residuos agroquímicos en diversas
matrices alimentarias de forma sencilla, evitando el uso de reactivos tóxicos, reduciendo costos de operación y
tiempos largos de análisis en laboratorios. El desarrollo de tecnología portátil en la espectroscopia vibracional
permitiría realizar análisis in-situ en campos de cultivo e industrias agroalimentarias.
Palabras clave: Espectroscopia vibracional, orgánico, análisis quimiométrico, residuos agroquímicos.
pág. 3
Artículo científico
Volumen 6, Número 2, julio - diciembre, 2023
Recibido: 27-04-2023, Aceptado: 25-07-2023
https://doi.org/10.46908/tayacaja.v6i2.208
ABSTRACT
Organic agriculture is highly valued internationally as it results in significant economic gains for the value chains of
various food products. Within the organic certification process, the identification of agrochemical residues in food is
vital for screening production lots that come from organic and/or conventional crops. Currently, the analysis of
agrochemical residues is performed with highly sophisticated techniques such as liquid chromatography (LC) and
gas chromatography (GC) coupled to mass detectors (MS), these techniques are highly expensive and complex. The
present review provides insights into how the combination of vibrational spectroscopy with appropriate chemometric
techniques (multivariate statistics) can be used to develop methods for classification and quantification of
agrochemical residues in various food matrices in a simple way, avoiding the use of toxic reagents, reducing operating
costs and long analysis times in laboratories. The development of portable technology in vibrational spectroscopy
would allow in-situ analysis in crop fields and agri-food industries.
Keywords: Vibrational spectroscopy, organic, chemometric analysis, agrochemical residues.
INTRODUCCIÓN
La producción orgánica está basada en una serie de
principios que incluyen la prohibición del uso de
organismos genéticamente modificados, hormonas de
crecimiento, radiaciones de naturaleza ionizante.
Además, se limita el uso de antibióticos, fertilizantes
artificiales (minerales), agroquímicos con efecto
herbicida, insecticida, fungicida, entre otros
(European Commision, 2023). En la actualidad los
agroquímicos son una preocupación mundial debido a
sus efectos negativos sobre toda la cadena
agroalimentaria, que incluye a trabajadores,
consumidores y medio ambiente (Villanueva et al.,
2023). Los mercados internacionales son rigurosos en
el monitoreo de residuos agroquímicos para
determinar la naturaleza orgánica de los alimentos,
debido a la creciente demanda en la producción de
alimentos muchos productores e industrias optan por
incrementar el uso de agroquímicos en sus cultivos
(Morgera et al., 2019). El presente ensayo pretende
informar a los lectores sobre que la importancia de la
espectroscopia vibracional como una metodología
adecuada para poder detectar y cuantificar la presencia
de estos agroquímicos en alimentos. Existe la
necesidad de realizar más investigación en el
desarrollo de estas técnicas que incluyan como
herramienta a la quimiometría o también conocido
como análisis multivariado para poder hacer un
adecuado tratamiento de los datos espectrales a fin de
predecir los tipos de pesticidas que se encuentran en
diversas matrices alimentarias. Adicionalmente, el
presente trabajo brinda directrices acerca de las
tecnologías basadas en la espectroscopia vibracional
para la detección de agroquímicos y como estas
pueden aplicarse en campos de cultivo, lo que
facilitaría enormemente a determinar si un producto
presentaría potencial de denominación “orgánica”.
DESARROLLO
Los agroquímicos o también denominados pesticidas
son compuestos químicos muy utilizados en la
agricultura durante la producción para controlar plagas
(Davydov et al., 2018).
El uso de pesticidas está restringido en la producción
orgánica. Sin embargo, puede haber contacto indirecto
inadvertido con granjas convencionales vecinas o
instalaciones de manipulación compartidas.
Para reconocer que puede ocurrir un contacto
inadvertido o inevitable con sustancias prohibidas, las
regulaciones orgánicas del Departamento de
Agricultura de los Estados Unidos (USDA) permiten
residuos de pesticidas prohibidos (hasta un 5% del
nivel de tolerancia de la Agencia de Protección
Ambiental de EUA). La determinación de los residuos
agroquímicos en alimentos se realiza mediante el uso
de la cromatografía GC y LC acoplado a la
espectrometría MS, también existe en tándem (GC-
MS/MS, LC-MS/MS), cubriendo ampliamente todo el
espectro de agroquímicos gracias a la elevada
selectividad y sensibilidad de los analizadores (David
et al., 2017). Estas técnicas garantizan el
cumplimiento de normativas respecto a agroquímicos
en relación con los Límites Máximos de Residuos
(LMR) establecidas en la EC/396/2005 (Comisión
Europea, 2023). Sin embargo, estas técnicas son
costosas, poco amigables con el ambiente debido al
uso de reactivos tóxicos, también se requiere largos
tiempos de análisis y personal especializado. La
espectroscopia vibracional aparece como una técnica
de sencilla aplicación para poder resolver este tipo de
problemas relacionados a los agroquímicos. Las
técnicas de espectroscopia vibracional más utilizadas
son la espectroscopía infrarroja cercana (NIR),
espectroscopia infrarroja media (MIR) y dispersión
Raman. Las técnicas de espectroscopia vibracional
más utilizadas son la espectroscopía infrarroja cercana
pág. 4
Artículo científico
Volumen 6, Número 2, julio - diciembre, 2023
Recibido: 27-04-2023, Aceptado: 25-07-2023
https://doi.org/10.46908/tayacaja.v6i2.208
(NIR), espectroscopia infrarroja media (MIR) y
dispersión Raman. La espectroscopia NIR, ubicada en
el rango de 4000 – 10000 cm-1 (Figura 1A), mide los
enlaces químicos sobre la base de sobretonos y bandas
de combinación grupos funcionales específicos,
siguiendo la teoría de la oscilación anarmónica en la
que los niveles de energía no están espaciados por
igual, lo que puede dar lugar a transiciones entre
estados de energía mayores que uno (Blanco y
Villarroya, 2002).
Por otro lado, en la espectroscopia MIR las bandas de
absorción, ubicadas en el rango de 400 – 4000 cm-1
(Figura 1B), están relacionadas con los modos
vibracionales de grupos funcionales específicos y su
posición e intensidad de banda están correlacionadas
con la energía del enlace y su concentración en la
matriz (Rubio-Diaz y Rodríguez-Saona, 2010).
La dispersión Raman (Figura 2C) surge de los cambios
en la polarizabilidad de la molécula a medida que
vibra; en cambio, la absorción infrarroja requiere un
cambio del momento dipolar intrínseco con la
vibración molecular. Así pues, las espectroscopias
infrarroja y Raman son técnicas complementarias,
dado que las transiciones permitidas en Raman pueden
estar prohibidas en IR o viceversa. La
complementariedad de estas técnicas hace que Raman
sea ideal para medir en soluciones, debido a que los
modos de estiramiento O-H del agua y alcoholes
presentan una fuerte absorción en la región infrarroja,
pero producen débiles señales en Raman
(Reichenbächer y Popp, 2012; Ali et al., 2013).
El desarrollo de técnicas basadas en la espectroscopia
vibracional ha servido para caracterizar, desde el
punto de vista cualitativo y cuantitativo, la trazabilidad
en el control de calidad de los alimentos (Rodríguez-
Saona et al., 2016).
En los últimos años estas tecnologías han pasado de
ser equipos exclusivos de análisis en laboratorios a ser
equipos portátiles de fácil aplicación en las industrias,
campos de cultivo y otros (Figura 1).
Debido a que los métodos espectroscópicos son
métodos indirectos, requieren el hacer uso de la
quimiometría o también denominado análisis
multivariado para transformar mediante herramientas
estadísticas la información espectral. Estas
transformaciones pueden ser de clasificación dentro de
los que se encuentra el Análisis de Componentes
Principales (PCA), Análisis Lineal de Discriminante
(LDA), Modelamiento Independiente Suave de Clases
(SIMCA), Análisis Discriminante de Mínimos
Cuadrados Parciales (PLS-DA). También existen los
análisis de clasificación en los que se ubican los
Mínimos cuadrados clásicos (CLS), Mínimos
cuadrados inversos (MCI), Regresión de
Componentes Principales (PCR), Regresión por
Mínimos Cuadrados Parciales (PLSR), Redes
Neuronales Artificiales (RNA) (Romia y Bernàrdez,
2009). En la Figura 2A, se representa como los tipos
de agroquímicos (Clase 1, 2, 3 ... 7) pueden ser
clasificados en un modelo de proyección SIMCA para
tres componentes principales (PCs).
El otro tipo de análisis se representa en la Figura 2B,
donde se construye un modelo PLSR para la
predicción de la concentración de residuos
agroquímicos en alimentos por espectroscopia
vibracional (eje de abscisas) utilizando como método
de referencia a la cromatografía LC o GC – MS (eje
de ordenadas).
Figura 1
Espectroscopia vibracional infrarroja (A) NIR, (B) MIR y (C) Raman sobre la toma de datos en muestra de alimentos
Nota. La figura muestra los tipos de Espectroscopia vibracional infrarroja.
pág. 5
Artículo científico
Volumen 6, Número 2, julio - diciembre, 2023
Recibido: 27-04-2023, Aceptado: 25-07-2023
https://doi.org/10.46908/tayacaja.v6i2.208
Figura 2
Análisis quimiométrico para (A) clasificación y (B) cuantificación de residuos agroquímicos (ppb) en alimentos
Nota. La figura muestra los análisis quimiométricos para clasificación y cuantificación.
La espectroscopia vibracional ha sido utilizada para la
detección de pesticidas en agroquímicos en diversos
alimentos; por ejemplo, Villanueva et al., (2023)
utilizó un instrumento MIR – FTIR portátil equipado
con un accesorio de reflectancia total atenuada (ATR)
de triple reflexión para detectar residuos de pesticidas
en granos de cacao de las principales regiones
productoras del Perú, obteniendo un modelo de
clasificación (SIMCA) entre cacaos libres de
pesticidas versus cacaos con presencia de pesticidas y
un modelo de cuantificación (PLSR) con un
coeficiente de determinación Rcal2 = 0.91 para cuatro
tipos de pesticidas (carbaril, cipermitrina, clorpirifos y
ácido 2,4 diclorofexiacético). Lo interesante de este
trabajo es que el método desarrollado consiguió tener
un límite de detección (LOD) de 9.8 μg/kg (ppb) y un
límite de cuantificación (LOQ) de 23,1 μg/kg (ppb),
estos límites son muy cercanos a los que normalmente
presentan los equipos de referencia como los de
espectrometría de masas (LC y/o GC – MS/MS). Sin
embargo, a pesar de presentar LOD y LOQ bajos, no
llegan a superar la sensibilidad de los métodos de
referencia, aunque en esta aplicación particular
serviría para descartar lotes de cacao con presencia
agroquímica superior a los límites permisibles del
mercado internacional, especialmente de Europa y
Estados Unidos.
Yang et al., (2016) desarrollaron modelos en NIR y
MIR combinados con PLSR para detectar la presencia
simultánea de los agroquímicos cartap (Ca), tiociclam
(Th) y tebufenozida (Te) en hierbas medicinales
chinas, encontrando que ambos modelos podían dar
resultados precisos y solo el rendimiento de MIR-
PLSR fue ligeramente mejor que el de NIR-PLSR. En
realidad, la mayoría de los estudios con detección de
agroquímicos están vinculados al uso de NIR.
Asimismo, González-Martín et al., (2017) analizaron
la presencia de triamidefón en muestras de propóleos
procedentes de España y Chile, utilizando la
espectroscopía NIR logrando desarrollar un modelo
PLSR que generó un coeficiente de determinación
Rcal2 = 0.81, en un rango de 0.35 – 42.17 ppm. Otro
estudio realizado por Nazarloo et al., (2021), consistió
en contaminar artificialmente tomates con diferentes
concentraciones de insecticida “prefonos” para
analizarlos utilizando espectroscopia NIR y
desarrollar modelos PLSR y ANN (redes neuronales).
Los datos espectrales obtenidos por espectroscopia se
utilizaron como datos de entrada y los valores de
pesticidas obtenidos por cromatografía de gases se
utilizaron como datos de salida. Finalmente, los
resultados determinaron coeficientes de correlación
significativos para los modelos PLSR y ANN en la
calibración (RC) y predicción (RP) (RC= 0.988; RP =
0,982).
Además, Lu et al., (2021) emplearon la espectroscopia
visible/infrarroja cercana (Vis/NIR) combinada con
métodos quimiométricos para determinar
cuantitativamente los residuos de clorpirifos y
carbendazim en muestras de repollo artificialmente
contaminado, obteniendo coeficientes de regresión (R)
entre 0.998 – 1; sin embargo, el estudio concluye que
para cumplir con los requisitos de detección de
contaminación por agroquímicos y de seguridad
alimentaria, se requieren estudios adicionales que se
centren en reducir el LOD de residuos de
agroquímicos. A su vez el estudio indica la necesidad
de experimentar con más tipos de agroquímicos y
pág. 6
Artículo científico
Volumen 6, Número 2, julio - diciembre, 2023
Recibido: 27-04-2023, Aceptado: 25-07-2023
https://doi.org/10.46908/tayacaja.v6i2.208
tratamientos de muestras para mejorar la solidez de los
modelos.
Respecto a la dispersión Raman, los estudios más
vinculados con agroquímicos utilizan la
espectroscopía Raman de superficie mejorada (SERS).
Tal es así que, Wang et al., (2021) desarrollaron SERS
usando nanopartículas de plata y oro para la detección
de pesticidas en frutas y jugos de frutas, los resultados
demostraron que la sensibilidad y estabilidad del
método fueron similares en comparación con los
métodos cromatográficos tradicionales.
Aunque se ha demostrado que SERS permite la
cuantificación de pesticidas así hay una serie de
métodos sin pasos de preparación de muestras que
mostraron valores de R2 por debajo de 0.95, lo que
indica una precisión muy baja en algunas mediciones.
Se necesitan más esfuerzos para desarrollar métodos
que minimicen los efectos de las irregularidades en la
superficie de la plataforma de nanopartículas y en la
cáscara de la fruta.
A diferencia de LC-MS/MS, SERS no permitió la
detección simultánea de una gran cantidad de
pesticidas, lo cual es uno de los principales desafíos a
abordar en los próximos años. La mejora adicional de
SERS para la cuantificación de varias estructuras
químicas simultáneamente encontrará una aplicación
real en este campo y surgirá como una alternativa
competitiva a los métodos cromatográficos
tradicionales.
Por su parte, Fan et al., (2014) usaron SERS para
analizar al agroquímico fosmet (0.5–10 μg/g) en
muestras de manzanas contaminadas artificialmente,
los modelos PLSR presentaron coeficientes R2 entre
0.905 – 0.984 con LOD de 1.44 μg/g para el extracto
de manzana.
El estudio concluye que la presencia de compuestos no
objetivos en extractos de manzana afectó la
sensibilidad para el análisis cualitativo y la precisión
para el análisis cuantitativo, lo que obliga a mejorar el
tratamiento de muestra previo al análisis.
Nuevas formas de espectroscopia vibracional también
se vienen desarrollando como la espectroscopia
fotoacústica infrarroja por transformada de Fourier
(FTIR-PAS), Lv et al., (2018) han utilizado para
detectar triciclazol en las superficies de hojas frescas
y cáscaras maduras de arroz.
El análisis de componentes principales (PCA)
confirmó la detección de triciclazol sobre la base de su
información espectral. FTIR-PAS puede ser un medio
eficaz para detectar y monitorear residuos de
pesticidas organonitrogenados similares.
CONCLUSIONES
La presente revisión concluye en que el desarrollo de
técnicas espectroscópicas, especialmente infrarrojas,
presentan la tarea de seguir reduciendo los límites
LOQ y LOQ de forma que sean altamente sensibles
como los equipos de cromatografía LC y CG
acoplados a MS/MS. Por su parte, las técnicas basadas
en Raman como SERS requieren una identificación
simultánea de muchos tipos de agroquímicos. Sin
embargo, hasta donde se presentan los avances
científicos en relación con NIR, MIR y Raman, la
detección de agroquímicos en los campos de cultivo
utilizando equipos portátiles podrían ayudar a los
agricultores, industrias, y otros integrantes de la
cadena de valor, a descartar lotes de producción con
elevados contenidos de agroquímicos, superiores a los
límites permisibles en mercados internacionales.
Mientras que aquellos que se encuentren con bajos
contenidos de agroquímicos podrían confirmarse con
pruebas LC y GC – MS/MS, por el momento.
REFERENCIAS BIBLIOGRÁFICAS
[1] Ali, S.M., Bonnier, F., Lambkin, H., Flynn, K.,
McDonagh, V., Healy, C., Lee, T.C., Lyng, F.M. y
Byrne, H.J. (2013). A comparison of Raman, FTIR
and ATR-FTIR micro spectroscopy for imaging
human skin tissue sections. Analytical Methods, 5(9),
2281-2291. https://doi.org/10.1039/C3AY40185E
[2] Blanco, M. y Villarroya, I. (2002). NIR spectroscopy:
a rapid-response analytical tool. Trends in Analytical
Chemistry, 21, 240-250.
https://doi.org/10.1016/S0165-9936(02)00404-1
[3] David, F., Devos, C., Dumont, E., Yang, Z., Sandra, P.
y Huertas-Pérez. J.F. (2017). Determination of
pesticides in fatty matrices using gel permeation clean-
up followed by GC-MS/MS and LC-MS/MS analysis:
A comparison of low- and high-pressure gel
permeation columns. Talanta, 165, 201-210.
https://doi.org/10.1016/j.talanta.2016.12.032
[4] Davydov, R.; Sokolov, M.; Hogland, W.; Glinushkin,
A.; Markaryan, A. 2018. The pplication of pesticides
and mineral fertilizers in agriculture. MATEC Web of
Conferences, 245: 11003.
https://doi.org/10.1051/MATECCONF/20182451100
3
[5] European Commission [EC]. (2023, 12 de marzo).
Agriculture and rural development. Organic
production and products.
https://agriculture.ec.europa.eu/farming/organic-
farming/organic-production-and-products_en.
pág. 7
Artículo científico
Volumen 6, Número 2, julio - diciembre, 2023
Recibido: 27-04-2023, Aceptado: 25-07-2023
https://doi.org/10.46908/tayacaja.v6i2.208
[6] Fan, Y., Lai, K., Rasco, B. A., & Huang, Y. (2014).
Analyses of phosmet residues in apples with surface-
enhanced Raman spectroscopy. Food Control, 37,
153–157.
https://doi.org/10.1016/j.foodcont.2013.09.014
[7] González-Martín, M. I., Revilla, I., Vivar-Quintana,
A. M. y Betances-Salcedo, E. V. (2017). Pesticide
residues in propolis from Spain and Chile. An
approach using near infrared spectroscopy. Talanta,
165, 533–539.
https://doi.org/10.1016/j.talanta.2016.12.061
[8] Rubio-Diaz, D.E. y Rodríguez-Saona, L.E. (2010).
Application of Vibrational Spectroscopy for the Study
of Heat-induced Changes in Food Components.
Wiley, https://doi.org/10.1002/0470027320.s8942
[9] Reichenbächer, M. y Popp, J., 2012. Vibrational
spectroscopy. En: Reichenbächer, M. y Popp, J. (Eds.).
Challenges in Molecular Structure Determination (pp.
63-143). Springer. https://doi.org/10.1007/978-3-642-
24390-5_2
[10] Rodríguez-Saona, L. E., Giusti, M. M., y Shotts, M.
(2016). Advances in Infrared Spectroscopy for Food
Authenticity Testing. En: Downey, G (Eds.).
Advances in Food Authenticity Testing (pp. 71–116).
Woodhead Publishing. https://doi.org/10.1016/b978-
0-08-100220-9.00004-7
[11] Romia, M.B., y Bernàrdez, M.A. (2009). Multivariate
Calibration for Quantitative Analysis. En: Sun Da-
Wen (Eds). Infrared Spectroscopy for Food Quality
Analysis and Control (pp. 51-82). Academic Press.
https://doi.org/10.1016/B978-0-12-374136-3.X0001-
6
[12] Morgera, E., Caro, C.B. & Durán, G.M. (2012).
Organic agriculture and the law.
http://www.fao.org/docrep/016/i2718e/i2718e.pdf
[13] Nazarloo, A.S., Sharabiani, V.R., Gilandeh, Y.A.,
Taghinezhad, E. y Szymanek, M. (2021). Evaluation
of Different Models for Non-Destructive Detection of
Tomato Pesticide Residues Based on Near-Infrared
Spectroscopy. Sensors, 21, 3032.
https://doi.org/10.3390/s21093032
[14] Lu, Y., Li, X., Li, W., Shen, T., He, Z., Zhang, M.,
Sun, Y. y Liu, F. (2021). Detection of chlorpyrifos and
carbendazim residues in the cabbage using
visible/near-infrared spectroscopy combined with
chemometrics. Spectrochimica Acta Part A:
Molecular and Biomolecular Spectroscopy, 257,
119759. https://doi.org/10.1016/j.saa.2021.119759
[15] Lv, G., Du, C., Ma, F., Shen, Y., y Zhou, J. (2018).
Rapid and Nondestructive Detection of Pesticide
Residues by Depth-Profiling Fourier Transform
Infrared Photoacoustic Spectroscopy. ACS Omega,
3(3), 3548–3553.
https://doi.org/10.1021/acsomega.8b00339
[16] Villanueva, E., Glorio-Paulet, P., Giusti, M.M.,
Sigurdson, G.T., Yao, S. y Rodríguez-Saona L.E.
(2023). Screening for pesticide residues in cocoa
(Theobroma cacao L.) by portable infrared
spectroscopy. Talanta, 257, 124386.
https://doi.org/10.1016/j.talanta.2023.124386
[17] Wang, S.-Y., Shi, X.-C., Zhu, G.-Y., Zhang, Y.-J., Jin,
D.-Y., Zhou, Y.-D., Lui, F-Q. y Laborda, P. (2021).
Application of surface-enhanced Raman spectroscopy
using silver and gold nanoparticles for the detection of
pesticides in fruit and fruit juice. Trends in Food
Science & Technology, 116, 583–602.
https://doi.org/10.1016/j.tifs.2021.08.006
[18] Yang, T., Zhou, R., Jiang, D., Fu, H., Su, R., Liu, Y.,
y Su, H. (2016). Rapid Detection of Pesticide Residues
in Chinese Herbal Medicines by Fourier Transform
Infrared Spectroscopy Coupled with Partial Least
Squares Regression. Journal of Spectroscopy, 1–9.
https://doi.org/10.1155/2016/9492030
