Estudo de receptores sintéticos no reconhecimento molecular de substratos aniónicos e iões metálicos

O trabalho descrito insere-se no âmbito da Química Supramolecular e consistiu no desenvolvimento de receptores artificiais, na forma protonada ou complexada, para o reconhecimento molecular de substratos aniónicos derivados de ácidos carboxílicos incluindo os herbicidas PMG2-, ATCP- e 2,4-D-. Foram investigadas duas séries de aniões, uma alifática (ox2-, mal2-, suc2-, glu2-, adip2-, cit3- e cta3-) e outra aromática (bzc-, naphc-, anthc-, pyrc-, ph2-, iph2-, tph2-, btc3-, dihyac2-, 4,4-dibzc2-, 3-nitrobzc- e 4-nitrobzc-). Foram sintetizados sete novos ligandos macrocíclicos simétricos constituídos por anéis aromáticos piridina ou fenantrolina ligados por cadeias de poliaminas saturadas. O comportamento ácido-base destes macrociclos foi investigado em solução aquosa e as constantes de protonação correspondentes determinadas por métodos potenciométricos e de RMN de 1H. As propriedades de complexação destes ligandos com os iões metálicos Ni2+, Cu2+, Zn2+, Cd2+ e Pb2+ foram também estudadas por métodos potenciométricos nas mesmas condições experimentais, tendo revelado que os macrociclos de dimensão média são capazes de acomodar um ou dois iões metálicos. O complexo dinuclear de Cu(II) derivado do macrociclo com dois grupos piridina foi utilizado como receptor de aniões carboxilato originando complexos ternários. Todos os complexos foram caracterizados em solução por espectroscopias de UV/vis/IVpróx e de RMN. As espécies paramagnéticas foram também caracterizadas por espectroscopia de RPE. A formação de espécies ternárias foi ainda investigada por espectrometria de massa ESI-MS e ESI-MS/MS. As estruturas cristalinas de alguns dos complexos foram determinadas por difracção de raios-X. As formas protonadas dos macrociclos foram utilizadas como receptores de uma grande variedade de aniões carboxilato. O reconhecimento molecular entre os receptores e os substratos aniónicos foi investigado em solução por métodos potenciométricos e de espectroscopia de RMN com determinação das constantes de associação. Os agregados supramoleculares foram caracterizados no estado sólido por difracção de raios-X. Finalmente as associações supramoleculares foram estudadas em solução por métodos de dinâmica molecular com determinação dos termos entrópicos e entálpicos das energias livres de ligação. Em resumo, nesta tese apresentam-se os resultados de estudos realizados com duas famílias de macrociclos: desde a síntese dos compostos, passando por estudos em solução e finalizando com simulação molecular. Este estudo sistemático através da conjugação de metodologias complementares permitiu caracterizar ao nível macroscópico e microscópico as associações moleculares.

Subspace-based techniques and applications

Este trabalho focou-se no estudo de técnicas de sub-espaço tendo em vista as aplicações seguintes: eliminação de ruído em séries temporais e extracção de características para problemas de classificação supervisionada. Foram estudadas as vertentes lineares e não-lineares das referidas técnicas tendo como ponto de partida os algoritmos SSA e KPCA. No trabalho apresentam-se propostas para optimizar os algoritmos, bem como uma descrição dos mesmos numa abordagem diferente daquela que é feita na literatura. Em qualquer das vertentes, linear ou não-linear, os métodos são apresentados utilizando uma formulação algébrica consistente. O modelo de subespaço é obtido calculando a decomposição em valores e vectores próprios das matrizes de kernel ou de correlação/covariância calculadas com um conjunto de dados multidimensional. A complexidade das técnicas não lineares de subespaço é discutida, nomeadamente, o problema da pre-imagem e a decomposição em valores e vectores próprios de matrizes de dimensão elevada. Diferentes algoritmos de préimagem são apresentados bem como propostas alternativas para a sua optimização. A decomposição em vectores próprios da matriz de kernel baseada em aproximações low-rank da matriz conduz a um algoritmo mais eficiente- o Greedy KPCA. Os algoritmos são aplicados a sinais artificiais de modo a estudar a influência dos vários parâmetros na sua performance. Para além disso, a exploração destas técnicas é extendida à eliminação de artefactos em séries temporais biomédicas univariáveis, nomeadamente, sinais EEG.