En nuestro grupo de Sensores y Biosensores del Departamento de Química de la UAB hemos desarrollado una aplicación informática que descodifica la información que recibe una lengua electrónica, aplicando a las redes neuronales artificiales una wavelet, función que satisface ciertos requisitos matemáticos y que se utiliza para representar datos u otras funciones.

Últimamente, en nuestros laboratorios se ha ganado experiencia sobre lenguas electrónicas. Este nuevo concepto en el mundo de los sensores químicos comporta la utilización de matrices de sensores que presenten respuesta entrecruzada a diversos componentes, juntamente con una herramienta de procesamiento informático que ayude a extraer la información buscada. Esta aproximación se conoce como bioinspirada, ya que es así como funcionan los sentidos del olfato y el gusto de los animales. A partir de ella se desarrollan las narices electrónicas, cuando hablamos de análisis de gases, y las lenguas electrónicas, si hablamos de análisis de soluciones. En la práctica, supone trasladar la complejidad de la parte química a la parte de procesamiento, que es el que se abarata cada día. La experiencia acumulada ya ha permitido trabajar con sensores de tipo potenciométrico, pero también voltamperomètrico, que son aquellos que proporcionan una onda electroquímica completa de reducción o oxidación y que, por cada muestra, suministran una cantidad de información importante. El tipo de aplicación en que se ha trabajado fundamentalmente ha sido la multideterminación de especies electroactivas, utilizando modelos basados en redes neuronales artificiales (RNA). En el estudio de estos sistemas, un paso crucial es el preprocesamiento de la información de partida, es decir los voltamperogrames, para extraer las características singulares. Esta compactación se ha realizado tradicionalmente con herramientas como el análisis de componentes principales. El trabajo que hemos realizado es pionero en el uso de la transformada Wavelet discreta, para reducir y extraer la información antes de la modelización. La transformada Wavelet es una herramienta matemática recientemente introducida en el campo de la química. Así, los coeficientes de descomposición resultantes de la transformación se usan como información de partida en una RNA que permita predecir la concentración de las especies electroactivas presentes. El caso estudiado es la resolución de mezclas de tres aminoácidos oxidables: triptófano, cisteína y tirosina. Se han optimizado diferentes detalles de la transformación Wavelet, consiguiendo la reducción de la información de partida en un factor de 10. El procedimiento en dos pasos seguido ha sido probado como mucho más eficiente que la utilización de información reducida a partir del análisis en componentes principales o la del submuestreo (tomar 1 de cada 10 medidas originales). El interés del trabajo radica en el establecimiento de protocolos para el trabajo con lenguas electrónicas voltamperométricas.