Simultaneous spectrometric determination of Cu²⁺, Mn²⁺ and Zn²⁺ in polivitaminic/polimineral drug using SPA and GA algorithms for variable selection

Este artigo apresenta uma aplicação do método para determinação espectrofotométrica simultânea dos íons divalentes de cobre, manganês e zinco à análise de medicamento polivitamínico/polimineral. O método usa 4-(2-piridilazo) resorcinol (PAR), calibração multivariada e técnicas de seleção de variáveis e foi otimizado o empregando-se o algoritmo das projeções sucessivas (APS) e o algoritmo genético (AG), para escolha dos comprimentos de onda mais informativos para a análise. Com essas técnicas, foi possível construir modelos de calibração por regressão linear múltipla (RLM-APS e RLM-AG). Os resultados obtidos foram comparados com modelos de regressão em componentes principais (PCR) e nos mínimos quadrados parciais (PLS). Demonstra-se a partir do erro médio quadrático de previsão (RMSEP) que os modelos apresentam desempenhos semelhantes ao prever as concentrações dos três analitos no medicamento. Todavia os modelos RLM são mais simples pois requerem um número muito menor de comprimentos de onda e são mais fáceis de interpretar que os baseados em variáveis latentes.

ABSTRACT: The application of the method for the simultaneous spectrophotometric determination of the divalent ions of copper, manganese and zinc for analysis of a pharmaceutical formulation of polivitaminic/polimineral is reported. This method uses 4-(2-pyridylazo) resorcinol (PAR) and multivariate calibration and was optimized using the successive projections algorithm (SPA) and a genetic algorithm (GA) for choosing the best series of wavelengths for analysis. Thus the construction of calibration models based on multiple linear regression (MLR-SPA and MLR-GA respectively) was made possible. The results obtained were compared with models based on latent variables, principal component regression (PCR) and partial least square regression (PLS) through the criterion of the root mean square error of prediction (RMSEP). All the methods presented even performance but the RLM methods are simpler since they require a smaller number of wavelengths and are easier to interpret than those based on latent variables.