Palabras Clave: patrón de uso, exposición laboral, ecosistemas, contaminación, agricultura RESUMENEl presente trabajo analiza la investigación que se ha llevado a cabo en México con relación al uso y efecto de los plaguicidas en el ambiente y salud humana. Se revisaron 394 artículos publicados en los últimos 20 años en revistas indizadas o arbitradas. Las publicaciones se agruparon en 7 temas principales: 1) patrón de uso de plaguicidas, 2) efectos en el ambiente; 3) estudios ecotoxicológicos; 4) exposición en población humana; 5) residuos en alimentos; 6) toxicología de plaguicidas (estudios in vitro e in vivo); y 7) bioplaguicidas y biorremediación. El análisis de estas investigaciones indican que actualmente se utilizan Plaguicidas Altamente Peligrosos (PAPs) en las zonas agrícolas del país, su uso histórico y actual se relaciona con efectos negativos en ecosistemas terrestres y costeros, se han reportado efectos en la salud de los trabajadores agrícolas y sus familias, tales como alteraciones hematológicas, hormonales, daños genéticos, alteraciones del comportamiento y daños celulares; los niños constituyen el grupo más vulnerable a la exposición, además se han documentado daños genéticos, reproductivos y neuronales en modelos celulares y en organismos de laboratorio y se reportan residuos en alimentos como leche, hortalizas y granos. Como medidas de mitigación, se documentan procesos de biorremediación de suelos y agua contaminada,

No abstract

No abstract

Vibrational spectroscopy, encompassing Raman and Infrared (IR) spectroscopy, is a powerful technique that probes the intrinsic vibrations of a molecule, thus providing a unique chemical signature for that molecule. This information is beneficial to differentiate between two similarly structured molecules since their vibrational fingerprint will be different. In an effort to introduce an automated spectroscopic data analysis tool, we explore different Machine Learning (ML) algorithms to identify the chemical structure from the simulated Raman and IR spectra of 22 similar molecules belonging to the class of cannabinoids. In this study, we investigate the best ML approach by using representative synthetic IR/Raman data obtained from quantum chemical calculations of the selected molecular structures. We account for the experimental variability of the spectra by adding different kinds of noise and backgrounds to the simulated spectra such that they mimic experimental conditions such as fluorescence background as well as Gaussian noise. This methodology is used to setup the database to train the ML algorithms. We report the accuracy of the different ML algorithms and the time taken to process the algorithms in differentiating the cannabinoid varieties.

No abstract