Búsqueda de un conjunto óptimo de descriptores moleculares para la modelación QSAR

Search for an optimal subset of molecular descriptors for QSAR modeling

Luis Antonio García González (2023, [Tesis de doctorado])

En la actualidad, se estima que más de 10 millones de vertebrados son utilizados cada año en estudios toxicológicos. Dadas estas circunstancias, varias agencias regulatorias están impulsando activamente a la comunidad científica para el desarrollo de una alternativa a la experimentación con animales. Entre las alternativas existentes se pueden encontrar los estudios in-silico, especialmente los métodos de Relación Cuantitativa Estructura-Actividad (QSAR por sus siglas en inglés), los cuales se destacan como uno de los más utilizados. Los estudios QSAR se basan en la hipótesis de que compuestos estructuralmente similares presentan una actividad similar, lo que permite predecir la actividad de nuevos compuestos en función de compuestos estructuralmente similares, para los cuales se definió su actividad de forma experimental. Estudios han demostrado que la selección del subconjunto “óptimo” de las variables (descriptores moleculares) que caracterizan estructuralmente los compuestos tiene mayor importancia para la construcción de un modelo QSAR robusto que la estrategia de modelación utilizada. Actualmente, los descriptores moleculares (DMs) utilizados para la modelación QSAR son calculados con herramientas computacionales que no tienen en cuenta si estos caracterizan bien la actividad que se quiere modelar y los compuestos que se están analizando. En este trabajo se describen las limitaciones del enfoque actual, teniendo en cuenta que, si se sigue este enfoque, se puede pasar por alto información relevante al suponer que el conjunto de DMs calculado caracteriza bien las estructuras químicas que se están analizando, cuando en realidad puede que esto no suceda. Estas limitaciones se deben principalmente a que dichas herramientas limitan el número de DMs que calculan, restringiendo el dominio de los parámetros en los que se definen los algoritmos que calculan los DMs, parámetros que definen el Espacio de Configuración de Descriptores (DCS por sus siglas en inglés). En este trabajo se propone relajar estas restricciones en un enfoque DCS abierto, de manera que se pueda considerar inicialmente un universo más amplio de DMs y que estos caractericen de manera adecuada las estructuras a modelar. La generación de DMs se aborda entonces como un problema de optimización multicriterio, y para darle solución, dos algoritmos evolutivos son propuestos. Estos algoritmos incluyen conceptos de coevolución cooperativa para medir la sinergia entre descriptores moleculares ...

Currently, it is estimated that more than 10 million vertebrates are used per year for toxicological studies. Numerous regulatory agencies are actively advocating for the development of alternative methods to avoid unnecessary experimentation on animals. Among the existing alternatives in silico studies, especially Quantitative Structure Activity Relationships (QSAR) methods, stands out as one ofthe most widely used approaches. QSAR Methods are based on the premise that molecules with similar structures presents similar activities, which makes it possible to predict the activity of new compounds based on structurally similar compounds, for which their activity has been defined experimentally. Studies have demonstrated that the selection of the “optimal” set of molecular descriptors (MDs) is more important to build a robust QSAR models than the choice of the learning algorithm. Nowadays, the molecular descriptors (MD) used for QSAR modeling are calculated using computational tools that do not consider whether they accurately characterize the activity to be modeled and the compounds being analyzed. We demonstrate here that this approach may miss relevant information by assuming that the initial universe of MDs codifies, when it does not, all relevant aspects for the respective learning task. We argue that the limitation is mainly because of the constrained intervals of the parameters used in the algorithms that compute the MDs, parameters that define the Descriptor Configuration Space (DCS). We propose to relax these constraints in an open CDS approach, so that a larger universe of MDs can initially be considered, and these descriptors can adequately characterize the structures to be modeled. We model the MD generation as a multicriteria optimization problem, and two genetic algorithms-based approaches are proposed to solve it. These algorithms include cooperative-coevolutionary concepts to consider the synergism between theoretically different MDs during the evolutionary process. As a novel component, the individual fitness function is computed by aggregating four criteria via the Choquet Integral using a fuzzy non-additive measure. Experimental outcomes on benchmarking chemical datasets show that models created from an “optimized” sets of MDs present greater probability to achieve better performances than models created from sets of MDs obtained without optimizing their DCSs. Therefore, it can be concluded that the proposed algorithms are more suitable ..

algoritmos genéticos, descriptores moleculares QuBiLS-MAS, QSAR, DILI, cooperación coevolutiva genetics algorithms, QuBiLS-MAS molecular descriptors, QSAR, DILI, cooperativecoevolutionary algorithms INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES DISEÑO CON AYUDA DE ORDENADOR DISEÑO CON AYUDA DE ORDENADOR

Reconocimiento continuo de la Lengua de Señas Mexicana

Continuous recognition of Mexican Sign Language

Ricardo Fernando Morfín Chávez (2023, [Tesis de maestría])

La Lengua de Señas Mexicana (LSM) es la lengua utilizada por la comunidad Sorda en México, y, a menudo, subestimada y pasada por alto por la comunidad oyente, lo que resulta en la exclusión sistemática de las personas Sordas en diversos aspectos de la vida. Sin embargo, la tecnología puede desempeñar un papel fundamental en acercar a la comunidad Sorda con la comunidad oyente, promoviendo una mayor inclusión y comprensión entre ambas. El objetivo principal de este trabajo es diseñar, implementar y evaluar un sistema de reconocimiento continuo de señas estáticas en LSM mediante, visión por computadora y técnicas de aprendizaje máquina. Se establecieron objetivos específicos, que incluyen la generación de un conjunto de datos de señas estáticas, pertenecientes al alfabeto manual de la LSM, el diseño de un modelo de reconocimiento, y la evaluación del sistema, tanto en la modalidad aislada como en la continua. La metodología involucra dos evaluaciones distintas. La primera se enfoca en el reconocimiento de señas estáticas en el dominio aislado, para ello se capturaron datos de 20 participantes realizando movimientos de la mano en múltiples ángulos. Se evaluaron diversas técnicas de aprendizaje automático, destacando que el enfoque basado en Máquinas de Soporte Vectorial (SVM) obtuvo los mejores resultados (F1-Score promedio del 0.91). La segunda evaluación se concentra en el reconocimiento continuo de señas estáticas, con datos recopilados de seis participantes con diferentes niveles de competencia en LSM, logrando un rendimiento sólido con errores cercanos al 7 %. Además, se evaluó la viabilidad del sistema en aplicaciones de tiempo real, demostrando un excelente desempeño (velocidad promedio de procesamiento de 45 cuadros por segundo). A pesar de los logros alcanzados, es importante reconocer que este proyecto se centró en el reconocimiento continuo de señas estáticas en LSM. Queda pendiente, como un desafío interesante, la exploración del reconocimiento continuo de señas dinámicas en LSM para futuras investigaciones. Se considera esencial explorar enfoques orientados a la escalabilidad y aplicaciones en tiempo real en investigaciones posteriores.

This study focuses on the continuous recognition of static signs in Mexican Sign Language (Lengua de Señas Mexicana (LSM)), the language used by the Deaf community in Mexico. Despite its significance, LSM is often underestimated and overlooked, leading to the systematic exclusion of Deaf individuals in various aspects of life. The primary objective of this work is to design, implement, and evaluate a continuous static sign recognition system in LSM using computer vision and machine learning techniques. Specific goals were established, including the creation of a dataset of static signs belonging to the manual alphabet of LSM, the design of a recognition model, and the evaluation of the system in both isolated and continuous modes. The methodology involves two distinct evaluations. The first one focuses on the recognition of static signs in the isolated domain, for which data from 20 participants performing hand movements at various angles were collected. Various machine learning techniques were evaluated, with the Máquinas de Soporte Vectorial (SVM)-based approach achieving the best results (average F1-Score of 0.91). The second evaluation centers on the continuous recognition of static signs, using data collected from six participants with varying levels of competence in LSM, achieving robust performance with errors close to 7 %. Furthermore, the feasibility of the system in real-time applications was assessed, demonstrating excellent performance (average processing speed of 45 frames per second). Despite the achievements, it is important to recognize that this project focused on continuous recognition of static signs in LSM. It remains an interesting challenge to explore the continuous recognition of dynamic signs in LSM for future research. It is considered essential to explore scalability-oriented approaches and real-time applications in subsequent investigations.

Lengua de Señas Mexicana (LSM), visión por computadora, aprendizaje automático, alfabeto manual de la LSM, reconocimiento automático de señas estáticas, reconocimiento aislado de señas, reconocimiento continuo de señas, aplicacion Mexican Sign Language (LSM), computer vision, machine learning, LSM manual alpahbet, automatic recognition of static signs, isolated sign recognition, continuous sign recognition, real-time aplications INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES ENSEÑANZA CON AYUDA DE ORDENADOR ENSEÑANZA CON AYUDA DE ORDENADOR

Estimación multivariada espacio-tiempo de la carga hidráulica en el valle de Querétaro-Obrajuelo

EDGAR YURI MENDOZA CAZARES GRACIELA DEL SOCORRO HERRERA ZAMARRON (2007, [Artículo])

En el presente trabajo se utilizó un método de estimación multivariada espacio-temporal, considerando la carga hidráulica en diferentes años como variables diferentes, pero correlacionadas temporalmente. Este tipo de método permite aumentar la información utilizada en la estimación de la carga hidráulica para cada año. El método se aplicó para estimar la carga hidráulica en tres años diferentes en el acuífero del valle de Querétaro-Obrajuelo, México, obteniéndose buenos resultados en la validación cruzada y en el sentido de que al utilizar la información de los tres años conjuntamente se pueden observar claramente características de las configuraciones de las cargas que no se obtienen cuando únicamente se utilizan los datos del año estimado.

Análisis multivariado Carga hidráulica Geoestadística Querétaro CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA

Asistencia técnica para la introducción de tecnologías apropiadas de saneamiento y tratamiento de aguas residuales en la operación del Programa Hábitat-Sedesol de la Secretaría de Desarrollo Social, México

ROBERTO ROMERO PEREZ DENISE SOARES Ana Cecilia Tomasini Ortiz GABRIELA MANTILLA MORALES ARMANDO RIVAS HERNANDEZ DANIEL MURILLO LICEA (2012, [Documento de trabajo])

El objetivo de este proyecto multianual ha sido brindar asistencia técnica y apoyar en la ejecución de dos proyectos piloto sobre tecnologías alternativas para el tratamiento de aguas residuales, en dos polígonos Hábitat de México; buscando así incentivar el uso de tecnologías alternativas para la dotación de agua potable y saneamiento en zonas carentes de estos servicios. En este informe se incluyen los resultados de la visita a 15 polígonos Hábitat, para la identificación de los sitios idóneos para el proyecto.

Tecnología apropiada Tratamiento de aguas residuales Saneamiento Zonas urbanas Areas de pobreza Informes de proyectos Morelos Puebla Querétaro CIENCIAS SOCIALES

Estimación espacio-temporal de la carga hidráulica utilizando el concepto de función aleatoria espacio-tiempo

EDGAR YURI MENDOZA CAZARES GRACIELA DEL SOCORRO HERRERA ZAMARRON (2010, [Artículo])

En este trabajo se presenta un método geoestadístico para realizar estimaciones espacio-temporales y se aplica a la estimación de la carga hidráulica del acuífero de Querétaro-Obrajuelo en el periodo 1981-2004. Las estimaciones para los años 1993, 1995 y 1999 se comparan con las de los métodos de krigeado ordinario y krigeado multivariado, utilizando el método de validación cruzada, reportándose los valores del error medio, error cuadrático medio y error cuadrático medio estándar. Los resultados de las varianzas del valor estimado son siempre más pequeños utilizando el método espacio-temporal, ya que utiliza más información para la estimación; asimismo, es posible hacer las estimaciones en todo el espacio para todos los tiempos. Se concluyó que la herramienta es poderosa, porque considera toda la información disponible al efectuar las estimaciones.

Análisis multivariado Carga hidráulica Geoestadística Querétaro CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA

Desarrollo de Recubrimientos Anticorrosivos para un Acero de Bajo Carbono a Base de una Resina Epóxica y Óxido de Grafeno, Funcionalizado con 3-aminopropiltrietoxisilano

MONICA AIMEE CENICEROS REYES (2022, [Tesis de doctorado])

En el presente trabajo se desarrollaron recubrimientos nanoestructurados a base de resinas epóxicas y óxido de grafeno funcionalizado (fGO) con el agente de acoplamiento de tipo silano 3-aminopropiltrietoxisilano (APTES) a diferentes concentraciones (0.01, 0.1, 0.2 y 0.4 M). Posteriormente, estos nanocompuestos se aplicaron sobre sustratos metálicos con la finalidad de evaluar el efecto que tiene el grado de funcionalización del GO con el APTES en las propiedades anticorrosivas de un recubrimiento preparado a partir del sistema Epoxi/fGO. El desarrollo del proyecto se llevó a cabo en tres etapas: I) Síntesis y caracterización del óxido de grafito mediante el método de Hummers modificado, II) la funcionalización del óxido de grafeno con el silano APTES en solución y III) el desarrollo del nanocompuesto epóxico (Epoxi/fGO) y su aplicación mediante la técnica de inmersión, sobre sustratos metálicos de lámina de acero de bajo carbono A36. Se logró la obtención del óxido de grafito con una concentración de los grupos funcionales típicos reportados en la literatura (hidroxilos, carboxilos, carbonilos y epóxido) de ~ 32 % y un ~ 37 % determinado por XPS y TGA respectivamente. Se determinó mediante FTIR que la funcionalización ocurrió: i) por apertura de anillo y ii) por silanización al encontrar evidencia de la presencia de los enlaces Si-O-C, Si-O-Si y C-N, producto de ambos mecanismos de reacción. También se encontró que en los nanocompuestos Epoxi/ fGO (T1 0.01 M y T2 0.1 M) se obtiene la mejor dispersión fGO en la resina epóxica y mejores propiedades barrera de los recubrimientos preparados con estos nanocompuestos; obteniendo los mayores valores de impedancia |Z|0.1 Hz = 1.81E09 y Z|0.1 Hz = 1.48E09 ohm cm, respectivamente; así como las velocidades de corrosión más bajas T1 corr = 1.92E-05 y T2 corr = 2.50E-05 vs Acero corr = 1.09E-02 mm/año, respectivamente.

Estos resultados son de gran importancia ya que se demostró que funcionalizar al GO con una solución de silano a bajas concentraciones, es una vía para preparar recubrimientos con un buen desempeño barrera, haciendo útiles estos recubrimientos para aplicaciones anticorrosivas de estructuras de acero de bajo carbón; en las concentraciones de T3 0.2 M y T4 0.4 M se observó la presencia de estructuras de sílice, lo que da lugar a la formación de un sistema con características diferentes a lo buscado en este trabajo.

Doctorado en tecnología de polímeros BIOLOGÍA Y QUÍMICA QUÍMICA QUÍMICA

Modelado y optimización de la conductividad térmica, conductividad eléctrica y propiedades de tensión de compuestos de HDPE-partículas de carbono mediante herramientas de inteligencia artificial

Edgar Miguel García Carrillo (2022, [Tesis de doctorado])

En el diseño de compuestos poliméricos, es de gran interés poder predecir y optimizar sus propiedades térmicas, eléctricas y mecánicas, antes de su fabricación, con el fin de reducir el trabajo experimental y de obtener materiales con mejor desempeño para diversas aplicaciones. Sin embargo, esta tarea es complicada debido al comportamiento complejo y no lineal de las propiedades de los compuestos. En este trabajo se desarrollaron redes neuronales artificiales (RNA) como modelos de predicción con el objetivo de aproximar la conductividad térmica, la conductividad eléctrica y las propiedades de tensión de compuestos de polietileno de alta densidad (HDPE) adicionados con partículas de carbono (PC). En la implementación de estos modelos se utilizaron datos obtenidos experimentalmente. Los compuestos fueron preparados mediante mezclado en fundido, utilizando cuatro tipos de partículas de carbono de distinta geometría a diferentes concentraciones. Las RNA de tipo perceptrón multicapa (MLP), entrenadas mediante el algoritmo Levenberg-Marquardt y con una sola capa oculta mostraron el mejor desempeño predictivo. Los modelos de RNA mostraron una buena correlación entre los datos experimentales y simulados, lo cual está evidenciado por factores de correlaciones superiores a 0.97 en los datos de prueba. Además, los modelos de predicción de la conductividad térmica y del módulo elástico basados en RNA se ajustaron en mayor medida a los datos experimentales en comparación con modelos analíticos reportados en la literatura. También, se determinó el impacto relativo de cada variable de entrada sobre las propiedades de los compuestos, a través del tratamiento de los pesos sinápticos de las RNA mediante el método connection weight. Las ecuaciones derivadas de las RNA se utilizaron como funciones de ajuste de un algoritmo genético multi- objetivo (MOGA) con el fin de optimizar los parámetros de diseño que permiten maximizar la conductividad térmica y el módulo elástico, así como minimizar la conductividad eléctrica de los compuestos. Como resultado de la optimización, se obtuvo un conjunto de soluciones óptimas que pertenecen a la frontera de Pareto.

Como resultado de la optimización, se obtuvo un conjunto de soluciones óptimas que pertenecen a la frontera de Pareto. Una prueba de conformidad se llevó a cabo para validar la capacidad de optimización del método de algoritmos genéticos. Finalmente, este modelo podría ser adaptado para su aplicación en otras propiedades de compuestos, así como en un intervalo de variables extendido.

Doctorado en tecnología de polímeros BIOLOGÍA Y QUÍMICA QUÍMICA QUÍMICA

Inteligencia Artificial como Estrategia en la Predicción de la Conductividad Térmica en Compuestos de Polipropileno/Nanotubos de Carbono

Daniela Alejandra Abreu Caceres (2022, [Tesis de maestría])

La eficiencia de los materiales compuestos complejos es importante a la hora de optimizar y predecir sus propiedades térmicas y eléctricas, con el fin, de ahorrar recursos, gastos y tiempo invertido antes de su fabricación, por ello, se emplean herramientas tradicionales como lo son, el uso de modelos analíticos, estos modelos, resultan fáciles de analizar, sin embargo, presenta una baja predicción a comparación de los datos experimentales. El uso de herramientas más sofisticadas, como lo son, la inteligencia artificial y una de sus ramas, el aprendizaje de máquina, resultan ser más precisos a la hora de optimizar valores. En este trabajo se analizaron las conductividades térmicas y eléctricas de los compuestos presentados en diferentes concentraciones a través de modelos analíticos, los cuales resultaron subestimar los valores de k y sobreestimar los valores de σ, con sus respectivas excepciones. Esto puede sugerir que los modelos analíticos, no aproximan los valores obtenidos experimentalmente en todos los casos. También se desarrollaron redes neuronales artificiales (RNA) como modelos de predicción con el objetivo de aproximar la conductividad térmica del polipropileno (PP) adicionados con nanotubos de carbono de pared múltiple (MWCNT), implementando datos obtenidos experimentalmente. Los compuestos fueron preparados mediante mezclado en fundido, utilizando diferentes tipos de concentraciones (1, 2, 3 y 4%) tanto con el tratamiento, como sin el tratamiento de ultrasonido. Las RNA de tipo perceptrón multicapa (MLP), entrenadas mediante el algoritmo Levenberg-Marquardt y con 1 capa oculta mostraron el mejor desempeño predictivo. Los modelos de RNA mostraron una buena correlación entre los datos experimentales y simulados, lo cual está evidenciado por factores de correlaciones superiores a 0.99 en los datos de prueba. Además, los modelos de predicción de la conductividad térmica basados en RNA se ajustaron en mayor medida a los datos experimentales en comparación con modelos analíticos reportados en la literatura.

Maestría en tecnología de polímeros BIOLOGÍA Y QUÍMICA QUÍMICA QUÍMICA

Estudio de la modificación de hueso de aguacate y su incorporación en una matriz de PLA/EVA y polifosfato de amonio compatibilizado, para la

JOSE DAVID ZULUAGA PARRA (2022, [Tesis de doctorado])

En el presente trabajo se propuso la fosfatación del hueso de aguacate con ácido fosfórico, además de la adición de urea para mejorar la estabilidad térmica y conferirle propiedades de retardancia a la flama intrínsecas al hueso de aguacate. Donde se estableció que 3 h de reacción y una concentración de ácido/urea de 1:4 fue suficiente para alcanzar una comparación de fósforo y nitrógeno cerca de 11%, de igual manera se determinó que la fosforilación mejora la estabilidad térmica del hueso de aguacate y le confiere características de retardancia a la flama, pero el biocompuesto lavado con NaOH 1N reemplaza a la urea con sodio en forma de iones y la urea promueve la formación de una capa carbonosa protegiendo al polímero mientras que el sodio no.

De igual manera, se estudió la inserción de anhídrido maleico (AM) en poli (ácido láctico) (PLA) (PLA-g-AM), buscando una relación de peróxido de dicumilo / anhídrido maleico (DCP:AM) adecuada para obtener el mayor grado de injerto. Se encontró que la relación 1:10 generó el mayor grado de injerto, que fue cerca del 1%; esto sin que el peso molecular del PLA se haya modificado significativamente. En seguida, partiendo del PLA-g-AM, se preparó el PLA funcionalizado con polifosfato de amonio (PLA-g-APP). Es importante mencionar que esta modificación química del PLA se llevó a cabo “en fundido”, sin la utilización de solvente alguno. Finalmente, se encontró que las propiedades mecánicas y la resistencia a la flama de los compuestos de PLA-g-APP son superiores a las del PLA puro. mejoran al estar funcionalizado el PLA con APP, en adición se mejora la estabilidad térmica de los compuestos de PLA y APP.

Por último, se estudió el efecto en conjunto entre el hueso de aguacate modificado y el APP, donde se estudió el aporte individual de cada de uno de los componentes formulados, se estudió el efecto en la retardancia a la flama del PLA-g-APP y el hueso de aguacate modificado, sobre una matriz de PLA/EVA, mediante pruebas de cono calorimétrico, UL-94 y LOI, donde se observó, una mejora en las propiedades de retardancia a la flama y se alcanzó una clasificación V-0. Se complementaron estos resultados con estudios fisicoquímicos a las cenizas del cono calorimétrico, donde se pudo proponer un mecanismo de retardancia, el cual es por intumescencia, además se determinó que la modificación del hueso de aguacate tiene un efecto positivo sobre la biodegradabilidad de los biocompuestos.

Doctorado en tecnología de polímeros BIOLOGÍA Y QUÍMICA QUÍMICA QUÍMICA

Síntesis y caracterización de bio eslatómeros reforzados con biocomponentes hacia el remplazo de fuentes no renovables pensando en alternativas sustentables

Gabriel Cisneros Gómez (2022, [Tesis de maestría])

Se sintetizó polifarneseno (PFa) a partir del monómero trans-β-Farneseno vía polimerización en emulsión utilizando una formulación de solución buffer de bicarbonato de sodio (NaHCO3), tensoactivo SDS (Disulfato de sodio) y un iniciador de persulfato de amonio (APS) en medio acuoso obteniendo altas conversiones y altos pesos moleculares. Por otro lado, se sintetizaron diferentes matrices de copolímeros de polibutadieno con polifarneseno (PB-PFa) a distintas composiciones PB/PFa: 100/0, 65/35. Los hules obtenidos fueron caracterizados con diferentes técnicas como: cromatografía por permeación en gel (GPC) para la determinación del peso molecular promedio y la dispersidad (Ð), resonancia magnética nuclear (RMN) de protón 1H y carbono 13C para la determinar la microestructura dada por los isómeros cis-1,4 y trans-1,4 y la adición 3,4. Para la obtención de las nanofibras de celulosa (NFC) modificadas fueron oxidadas vía TEMPO. Posteriormente, las nanofibras oxidadas se hicieron reaccionar con cada uno de los surfactantes seleccionados Bromuro de hexadecyltrimethylamonio (HDTAB), Bromuro de didodecyldimethylamonio (DDMAB), Cloruro de trimethylphenylamonio (TPACl) obteniendo nanofibras modificadas. La modificación superficial se caracterizó utilizando la técnica de espectroscopia infrarroja por transformada de Fourier (FTIR) discriminando los grupos funcionales característicos y espectroscopia foto electrónica de rayos X (XPS). Al final, se obtuvieron nanocompuestos formados de una matriz politerpénica a diferentes concentraciones de nanofibra de celulosa NFC-1942 (1%, 2%, 3% y 5% p/p) llevándose a cabo la caracterización de los nanocompuestos finales, tanto mecánica como térmica. Posteriormente, fue incorporado un 3 % p/p de las nanofibras de celulosa al homopolímero de PB, así como al copolímero de Polibutadieno-Polifarneseno y se le realizaron pruebas de desempeño mecánicas a las probetas hechas de estos nanocompositos.

Maestría en tecnología de polímeros BIOLOGÍA Y QUÍMICA QUÍMICA QUÍMICA