Resumen

La descomposición en valores singulares (SVD, por sus siglas en inglés) es uno de los cálculos más importantes en álgebra lineal debido a su amplia aplicación en el análisis de datos. Es particularmente útil para resolver problemas que involucran minimización de mínimos cuadrados, la determinación del rango de una matriz y la solución de ciertos problemas que incluyen normas euclidianas. Tales problemas surgen en el análisis espectral de la unión de ligandos a macromoléculas. Aquí presentamos un método de análisis de datos espectrales utilizando SVD (análisis SVD) y ajuste no lineal para determinar las características de unión de fármacos intercalantes al ADN. Esta metodología reduce el ruido e identifica especies espectrales distintas similares al análisis de componentes principales tradicional, así como ajusta parámetros no lineales de unión. Aplicamos el análisis SVD para investigar la interacción de actinomicina D y daunomicina con ADN nativo. Esta metodología no requiere conocimiento previo de los coeficientes de extinción molar de los ligandos (libres y unidos), lo que potencialmente limita el análisis de unión. Los datos se adquieren simplemente reconstruyendo los datos experimentales y ajustando el producto de las matrices desconvolucionadas y la matriz de coeficientes del modelo determinados por la ecuación de Scatchard y McGee y von Hippel.

• Materias:Ionización Espectrofotometría Fluidos de perforación Análisis fluorimétrico Farmacocinética metabolómica
• Subjects:Ionization Spectrophotometry Drilling fluids Fluorimetric analysis Metabolomic pharmacokinetics
• Palabras claves:Descomposición de valores singulares; Análisis de datos; Análisis espectral; Análisis SVD; Unión de ligandos; Rango de matrices
• Keywords:Singular values decomposition; Data analysis; Spectral analysis; SVD analysis; Ligand binding; Matrix rank