Abordagens multivariadas para seleção de comprimentos de onda no contexto do controle de qualidade em setores forenses e químicos

Abstract

A espectroscopia de infravermelho com transformada de Fourier por reflexão total atenuada (ATR-FTIR) é uma ferramenta analítica de grande valor em aplicações forenses, como o controle de qualidade de medicamentos e a análise de drogas ilícitas, gerando dados espectrais de alta dimensionalidade. No entanto, a alta correlação e a redundância inerentes aos espectros de comprimentos de onda tornam a análise multivariada desafiadora, o que pode comprometer a interpretabilidade e a precisão dos modelos preditivos. Neste cenário, esta tese apresenta novas metodologias baseadas em ferramentas multivariadas para a seleção de variáveis espectrais, visando aprimorar a capacidade de agrupamento, classificação e predição em dados forenses. As propostas metodológicas estão distribuídas em três artigos principais: o primeiro propõe um método híbrido que incorpora o Laplacian Score de forma adaptativa para guiar a seleção de comprimentos de onda na clusterização de medicamentos falsificados; o segundo desenvolve uma nova abordagem de seleção de variáveis que integra os conceitos de relevância e redundância para a classificação de medicamentos falsificados; e o terceiro introduz um método baseado em múltiplos rankings de importância de variáveis para a predição da concentração de adulterantes em amostras de cocaína. As contribuições desta tese referem-se à proposição de novas metodologias na quimiometria forense. Primeiro, o desenvolvimento de um método híbrido não supervisionado para a seleção de comprimentos de onda, que emprega o Laplacian Score de forma adaptativa como uma nova medida de importância de comprimentos de onda. Segundo, a proposta de uma nova abordagem para mensurar a importância de comprimentos de onda que integra diretamente os termos de relevância e redundância, retendo subconjuntos de comprimentos de onda mais informativos e menos redundantes para a classificação. Terceiro, a introdução de uma abordagem baseada em múltiplos ranqueamentos de importância, agregando diferentes métricas para obter um ranqueamento mais estável e eficaz na regressão.

Attenuated Total Reflectance Fourier-Transform Infrared (ATR-FTIR) spectroscopy is a valuable analytical tool in forensic applications, such as pharmaceutical quality control and illicit drug analysis, generating high-dimensional data. However, the high correlation and inherent redundancy within the wavenumber spectra make multivariate analysis challenging, potentially compromising the interpretability and precision of predictive models. In this scenario, this thesis presents novel methodologies based on multivariate tools for spectral variable selection, aiming to enhance the clustering, classification, and prediction capabilities in forensic data. The proposed methodologies are distributed across three main papers: the first proposes a hybrid method incorporating the Laplacian Score to adaptively guide wavenumber selection in counterfeit medicine clustering; the second develops a new variable selection approach that integrates the concepts of relevance and redundancy for counterfeit medicine classification; and the third introduces a method based on multiple importance rankings to predict adulterant concentration in cocaine samples. The contributions of this thesis are related to the proposition of new methodologies in forensic chemometrics. First, the development of an unsupervised hybrid method for wavelength selection that adaptively employs the Laplacian Score as a novel measure of wavelength importance. Second, the proposal of a new approach to measure wavelength importance that directly integrates the terms of relevance and redundancy, retaining more informative and less redundant wavelength subsets for classification. Third, the introduction of an approach based on multiple importance rankings, aggregating different metrics to obtain a more stable and effective ranking in regression.