Ep 55 — Bases de datos espectrales abiertas: NIST WebBook, SDBS, EPA y más

Serie: Enciclopedia de Espectroscopia Infrarroja: De la Teoría a la Práctica
Sección: Quinto Capítulo · Instrumentos y Herramientas — Ecosistema de Datos Abiertos (Ep 46–55, final del quinto capítulo)
Público objetivo: Técnicos, estudiantes de posgrado, investigadores, bibliotecarios/gestores de información, y todos aquellos interesados en la ciencia abierta que desean mejorar la eficiencia en el procesamiento de datos
Conocimientos previos: Ep 19 (búsqueda en bibliotecas), Ep 52 (software comercial), Ep 53–54 (herramientas de código abierto)
Tiempo de lectura: Aprox. 45 minutos

Introducción: Un regalo gratuito "valorado en miles de dólares"

Una estudiante de doctorado, Xiao Zhao, estaba investigando polimorfos de fármacos y necesitaba un espectro infrarrojo de referencia autorizado de cafeína. Su primer instinto fue preguntar a su supervisor si podía comprar la biblioteca comercial Sadtler (aproximadamente 50,000 yuanes/suscripción anual). El supervisor sonrió y dijo: "Primero busca en el NIST WebBook, es gratuito".

Cinco minutos después, Xiao Zhao escribió "caffeine" en el NIST Chemistry WebBook, abrió el espectro IR — datos en fase gaseosa y condensada, descargables en formato JCAMP-DX, que podía importar directamente a su SpectroChemPy habitual (Ep 53). Luego accedió al SDBS de AIST (Japón) y encontró un espectro IR más detallado de cafeína en pastilla de KBr, con condiciones de medición y lista de picos.

"Las bases de datos espectrales abiertas son uno de los mayores 'regalos gratuitos' en la química analítica de los últimos 30 años. Las políticas gratuitas de NIST WebBook y SDBS han beneficiado a cientos de miles de investigadores y estudiantes en todo el mundo."
— Adaptado de un comentario editorial de Analytical Chemistry [1]

Este episodio es el final de la sección "Instrumentos y Herramientas" y el "compañero de datos" de las herramientas de código abierto de los Ep 53–54. Presentaremos sistemáticamente las principales bases de datos espectrales abiertas del mundo: NIST Chemistry WebBook (documentos públicos comunes mencionan ~16,000+ compuestos, variable según actualizaciones), AIST SDBS, espectros de referencia FTIR de EPA/EMC (dirigidos a contaminantes atmosféricos peligrosos, etc., mencionados públicamente como del orden de cien, no exactamente 189 y permanentemente fijos), así como bases de datos especializadas como PNNL, HITRAN, Caltech y USGS. Finalmente, presentaremos brevemente las bibliotecas comerciales y explicaremos técnicas de búsqueda y comparación.

💡 Enfoque de este episodio: Ep 52 trata sobre bibliotecas comerciales integradas en software comercial, Ep 53–54 sobre herramientas de código abierto con pequeñas bibliotecas; este episodio te enseñará dónde encontrar espectros estándar gratuitos, autorizados y descargables. Combinando los tres, se forma un ecosistema de datos completo.

I. Valor y ecosistema de las bases de datos espectrales abiertas

1.1 ¿Por qué se necesitan bases de datos espectrales?

El principio de la "región de huella dactilar" en infrarrojos determina que comparando el espectro de una muestra desconocida con espectros estándar, se puede identificar el compuesto [1][2]. Esta es la lógica central de la búsqueda en bibliotecas del Ep 19.

La calidad de la búsqueda en bibliotecas depende de dos factores [1][2][3]:

• Algoritmo: coeficiente de correlación, diferencia absoluta, coincidencia de derivada primera, etc. (ver Ep 19);
• Contenido de la biblioteca: cobertura, precisión, integridad de metadatos.

Las bibliotecas comerciales (Sadtler, Aldrich, Hummel) tienen amplia cobertura y alta calidad, pero son costosas [1]. El auge de las bases de datos abiertas ha hecho posible "usar bien lo gratuito".

1.2 Ecosistema global de bases de datos espectrales abiertas

La siguiente tabla resume las principales bases de datos FTIR abiertas a nivel mundial (basado en [1][2][3][4]):

Tabla 1: Resumen de las principales bases de datos FTIR/espectrales abiertas a nivel mundial (basado en [1][2][3][4])

A continuación, presentaremos las más importantes una por una.

II. NIST Chemistry WebBook: La "base de datos nacional" autorizada

2.1 Resumen

NIST Chemistry WebBook es una base de datos química mantenida por el Instituto Nacional de Estándares y Tecnología (NIST) de EE. UU., una de las bases de datos químicas gratuitas más autorizadas y utilizadas del mundo [1][2].

• Sitio web: https://webbook.nist.gov/chem…
• Institución mantenedora: NIST, EE. UU.
• Tamaño de datos: Espectros infrarrojos de más de 16,000 compuestos
• Formato de datos: JCAMP-DX (.jdx), PERL, ASCII, imágenes
• Acceso: Completamente gratuito, sin registro
• Cobertura: Fase gaseosa + condensada

Figura 1: Página principal de NIST Chemistry WebBook (fuente: https://webbook.nist.gov/chem…)

2.2 Características principales

① Datos autorizados [1][2]

• NIST es una agencia metrológica nacional de EE. UU., los datos son rigurosamente revisados;
• Cada dato incluye la fuente (cita bibliográfica) y condiciones de medición;
• Adecuado como referencia "estándar de oro".

② Integración de datos multidimensionales [1][2]

• Una página de compuesto proporciona simultáneamente:
  • Espectro infrarrojo (fase gaseosa + condensada)
  • Espectro Raman
  • Espectro UV-Visible
  • Espectro de masas
  • Datos termoquímicos (entalpía de formación, entropía, capacidad calorífica)
  • Energía de ionización
  • Índices de retención en cromatografía de gases

③ Descarga en formato JCAMP-DX [1][2]

• JCAMP-DX es un formato estándar internacional de intercambio espectral (ver Ep 52);
• Se puede importar directamente a SpectroChemPy, HyperSpy, OMNIC, OPUS;
• Incluye metadatos completos (nombre del compuesto, CAS, condiciones de medición).

④ Múltiples formas de búsqueda [1][2]

• Por nombre (IUPAC, nombre común, nombre trivial);
• Por número CAS;
• Por fórmula molecular;
• Por peso molecular;
• Por estructura (SMILES, InChI);
• Por propiedades físicas como energía iónica/reacción.

2.3 Práctica: Búsqueda del espectro IR de cafeína

A continuación, se muestra el proceso completo desde la búsqueda hasta la descarga [1][2]:

Paso 1 — Acceder a la búsqueda

1. Visitar https://webbook.nist.gov/chem…;
2. Seleccionar búsqueda por "Name";
3. Ingresar "caffeine" → Search.

Paso 2 — Seleccionar el compuesto

• El sistema devuelve la entrada de cafeína (CAS 58-08-2);
• Hacer clic para acceder a la página detallada.

Paso 3 — Seleccionar datos IR

• En la navegación izquierda aparecen "Gas phase IR spectrum" y "Condensed phase IR spectrum";
• El IR en fase condensada es más adecuado para análisis rutinarios (pastilla de KBr, ATR);
• Hacer clic en "Condensed phase IR spectrum".

Paso 4 — Visualizar y descargar

• La página muestra la visualización del espectro;
• Abajo hay opciones "View: Image / JCAMP-DX / PERL / ASCII";
• Seleccionar "JCAMP-DX" → el navegador descarga caffeine.jdx.

Paso 5 — Cargar con Python

# Método 1: Usando SpectroChemPy (recomendado)
import spectrochempy as scp

ds = scp.read('caffeine.jdx')
ds.plot(title='Caffeine IR (NIST)')

Método 2: Usando la biblioteca jcamp

import jcamp
import matplotlib.pyplot as plt

with open('caffeine.jdx', 'r') as f:
data = jcamp.jcamp_read(f)
plt.plot(data['x'], data['y'])
plt.xlabel('Wavenumber (cm⁻¹)')
plt.ylabel('Absorbance')
plt.title('Caffeine IR (NIST)')
plt.show()

### 2.4 Limitaciones del NIST

- Principalmente datos en fase gaseosa (vaporización a alta temperatura), pocos en fase condensada [1];
- Cobertura aún inferior a las bibliotecas comerciales (Sadtler 250k+);
- Algunos datos antiguos no actualizados;
- No admite descarga masiva (solo compuesto por compuesto);
- API de búsqueda limitada, no adecuada para comparación automatizada a gran escala.

> 🔗 **Extensión**: La cafeína contiene grupos característicos como C=O (carbonilo de amida), anillo aromático, N-CH₃, etc. Las bandas estándar de varios grupos funcionales se pueden encontrar en [ftir.fun Base de datos de grupos funcionales](https://ftir.fun/ir/group/carbonyl).

---

## 3. AIST SDBS: Un "tesoro" para la química orgánica

### 3.1 Resumen

**AIST SDBS** (Spectral Database for Organic Compounds) mantenido por el Instituto Nacional de Ciencia y Tecnología Industrial Avanzada (AIST) de Japón, es un "tesoro" de bases de datos espectrales para compuestos orgánicos [1][3].

- **Sitio web**: https://sdbs.db.aist.go.jp/
- **Institución**: AIST, Japón
- **Tamaño de datos**: 34,000+ compuestos orgánicos
- **Tipos de datos**: IR + Raman + ¹H NMR + ¹³C NMR + MS + ESR
- **Acceso**: Gratuito (solo para uso educativo/investigación)
- **Cobertura**: Principalmente compuestos orgánicos

> Figura 2: Página principal de AIST SDBS (Fuente: https://sdbs.db.aist.go.jp/)

### 3.2 Características principales

**① Integración de múltiples espectros** [1][3]
- Un mismo compuesto tiene IR, Raman, NMR (¹H, ¹³C), MS, ESR;
- Validación cruzada: IR para grupos funcionales + NMR para estructura + MS para peso molecular;
- Adecuado para enseñanza (mostrar a los estudiantes la correspondencia entre diferentes espectros del mismo compuesto).

**② Datos detallados** [1][3]
- Cada dato de IR incluye:
  - Diagrama de estructura del compuesto;
  - Condiciones de medición (pastilla de KBr, película líquida, etc.);
  - Modelo del instrumento;
  - Lista de picos (con asignaciones);
  - Visualización del espectro.

**③ Uso educativo gratuito** [3]
- Uso personal educativo/de investigación gratuito;
- Uso comercial requiere autorización;
- Se puede consultar en lote después de registrarse.

### 3.3 Práctica: Búsqueda de aspirina

**Paso 1 — Ingresar a la búsqueda**
1. Visitar https://sdbs.db.aist.go.jp/;
2. Hacer clic en "Search" → "Compound Name";
3. Ingresar "aspirin" → Search.

**Paso 2 — Seleccionar el compuesto**
- Aparece la entrada de aspirina (CAS 50-78-2);
- Hacer clic para ingresar.

**Paso 3 — Seleccionar datos IR**
- En la parte superior de la página hay etiquetas de tipo espectral: ¹H NMR | ¹³C NMR | IR | Raman | MS;
- Hacer clic en "IR".

**Paso 4 — Ver y descargar**
- Se muestra el espectro (imagen);
- Debajo hay una lista de picos (con asignaciones);
- Nota: SDBS no admite descarga directa en JCAMP-DX, se debe registrar manualmente o capturar pantalla.

**Paso 5 — Comparar con NIST**
- NIST generalmente solo proporciona archivos descargables;
- SDBS proporciona asignaciones de picos más detalladas;
- Lo mejor es usar ambos de forma complementaria.

### 3.4 Limitaciones de SDBS

- Solo imagen + lista de picos, **no proporciona descarga en JCAMP-DX** [1][3];
- Uso comercial requiere autorización;
- Algunas funciones requieren registro;
- Actualizaciones de datos lentas.

---

## 4. EPA FTIR Biblioteca de espectros de contaminantes: Herramienta para monitoreo ambiental

### 4.1 Resumen

**EPA FTIR Biblioteca de espectros de contaminantes** mantenida por la Agencia de Protección Ambiental de Estados Unidos (EPA), diseñada específicamente para el monitoreo FTIR de contaminantes atmosféricos peligrosos (HAPs) [1][4].

- **Sitio web**: https://www3.epa.gov/ttn/emc/ftir/refnam.html
- **Institución**: EPA, EE.UU.
- **Tamaño de datos**: Orientado a espectros de referencia de contaminantes del aire peligrosos (HAP), etc.; las declaraciones públicas suelen ser del orden de cientos, y cambian con las actualizaciones; el número de HAP enumerados en el Título III de CAA no es necesariamente igual al "número de entradas espectrales" en la biblioteca.
- **Tipo de datos**: FTIR en fase gaseosa
- **Acceso**: Completamente gratuito, sin necesidad de registro
- **Cobertura**: HAPs de interés para el monitoreo ambiental

> Figura 3: Página principal de la biblioteca de espectros de referencia FTIR de la EPA (Fuente: https://www3.epa.gov/ttn/emc/ftir/refnam.html)

### 4.2 Características principales

**① Especializada para monitoreo atmosférico** [1][4]
- Las entradas corresponden principalmente a especies volátiles/semivolátiles de interés ambiental (como benceno, tolueno, formaldehído, etc.), la lista específica debe consultarse en la página actual de la EPA;
- Fase gaseosa, medición a alta temperatura (coincide con condiciones de gases de combustión);
- Los datos se pueden usar directamente para el Método 320 de la EPA (medición FTIR de contaminantes de fuentes fijas).

**② Alta calidad de datos** [4]
- Medidos uniformemente por el laboratorio de la EPA;
- Condiciones estandarizadas (longitud de trayectoria, temperatura, presión);
- Incluye sección transversal de absorción (para cuantificación).

**③ Adecuado para monitoreo de trayectoria abierta** [4]
- Para el monitoreo de contaminantes atmosféricos con FTIR de trayectoria abierta (OP-FTIR), los espectros de referencia son indispensables;
- La biblioteca de la EPA es el estándar de la industria.

### 4.3 Práctica: Búsqueda de formaldehído

**Paso 1 — Acceder a la página principal**
1. Abrir https://www3.epa.gov/ttn/emc/ftir/refnam.html;
2. La lista está ordenada alfabéticamente.

**Paso 2 — Encontrar el compuesto objetivo**
- Buscar "Formaldehyde" (formaldehído, CAS 50-00-0);
- Hacer clic en el enlace.

**Paso 3 — Descargar**
- Proporciona múltiples formatos (JCAMP-DX, ASCII, CSV);
- Seleccionar JCAMP-DX para descargar.

**Paso 4 — Cargar con Python**
```python
import spectrochempy as scp
formaldehyde = scp.read('formaldehyde.jdx')
formaldehyde.plot(title='Formaldehyde Gas-Phase IR (EPA)')

🔗 Extensión: El formaldehído contiene el grupo carbonilo de aldehído C=O, con pico característico en 1720–1740 cm⁻¹. Las diferencias entre aldehído y cetona se detallan en ftir.fun Página de grupos carbonilo.

5. Otras bases de datos abiertas especializadas

5.1 Biblioteca FTIR de PNNL: Compuestos orgánicos en fase gaseosa

Biblioteca FTIR de PNNL (Pacific Northwest National Laboratory) mantenida por el Laboratorio Nacional del Noroeste del Pacífico de EE.UU., especializada en compuestos orgánicos en fase gaseosa [1][5].

• Tamaño: 480 compuestos orgánicos en fase gaseosa FTIR;
• Características:
  • Datos gaseosos de alta calidad (condiciones estándar de 25 °C);
  • Incluye sección transversal de absorción (para cuantificación);
  • Adecuado para teledetección, química atmosférica;
• Acceso: Gratuito, requiere registro (https://secure2.pnl.gov/nsd/f…);
• Formato: JCAMP-DX, ASCII.

5.2 HITRAN: Moléculas pequeñas en fase gaseosa de alta resolución

HITRAN (High-Resolution Transmission) es el "estándar de oro" para espectros infrarrojos de alta resolución de moléculas pequeñas en fase gaseosa [1][6].

• Sitio web: https://hitran.org/

• Mantenido por: Centro de Astrofísica Harvard-Smithsonian;

• Escala: 47 moléculas pequeñas (CO₂, H₂O, CH₄, O₃, etc.);

• Características:
  • Alta resolución (0.0001 cm⁻¹);
  • Adecuado para teledetección atmosférica y astrofísica;
  • Incluye parámetros como intensidad de línea, semiancho, niveles de energía;
• Acceso: registro gratuito;
• Formato: formato HITRAN, interfaz HAPI.

⚠️ Nota: HITRAN es una base de datos de "parámetros de línea", no espectros directos. Se necesita HAPI (Interfaz Python de HITRAN) para simular espectros:

from hapi import *
db_begin('data')
fetch('CO2', 2, 1, 600, 7000)
nu, coef = absorptionCoefficient_Lorentz(SourceTables='CO2', OmegaStep=0.01)

5.3 Servidor de Espectros Minerales de Caltech

El Servidor de Espectros Minerales de Caltech, mantenido por el Instituto de Tecnología de California, se especializa en espectros de reflexión de minerales [1][7].

• Sitio web: http://minerals.gps.caltech.e…
• Escala: cientos de minerales;
• Características:
  • IR de reflexión + NIR;
  • Adecuado para geología y ciencias planetarias;
  • Datos de alta calidad;
• Acceso: web gratuito.

5.4 Biblioteca de Espectros Minerales del USGS

La USGS Spectral Library, mantenida por el Servicio Geológico de los Estados Unidos [1][8].

• Sitio web: https://speclab.cr.usgs.gov/s…
• Escala: ~700 espectros de minerales + plantas + materiales artificiales;
• Rango de longitud de onda: 0.4–2.5 μm (visible + infrarrojo cercano);
• Características:
  • Adecuado para teledetección y prospección minera;
  • Incluye información detallada de muestreo;
• Acceso: gratuito.

5.5 Base de Datos de Raman de Minerales RRUFF

El proyecto RRUFF, mantenido por la Universidad de Arizona [1][9].

• Sitio web: https://rruff.info/
• Escala: miles de minerales;
• Tipo de datos: principalmente Raman, algo de IR y XRD;
• Características: estándar de facto para identificación de minerales;
• Acceso: gratuito.

Seis. Introducción a las bibliotecas de espectros comerciales

Aunque las bibliotecas comerciales son de pago, su cobertura y calidad siguen siendo insuperables por las bibliotecas abiertas [1][10]. Breve introducción a continuación:

6.1 SpectraBase (Bio-Rad / Wiley)

• Sitio web: https://spectrabase.com/
• Mantenido por: Bio-Rad (biblioteca Sadtler) + Wiley;
• Escala: cientos de miles de IR, Raman, NMR, MS, UV-Vis;
• Características:
  • La biblioteca de espectros comerciales más grande del mundo;
  • Alta calidad, revisada;
  • Incluye subbibliotecas de productos comerciales, polímeros, productos farmacéuticos, etc.;
• Acceso: consulta web gratuita (funciones básicas), descarga/API de pago.

6.2 Biblioteca NICODOM IR

• Sitio web: https://www.ir-spectra.com/
• Mantenido por: NICODOM (República Checa);
• Escala: decenas de miles de IR;
• Características:
  • Enfoque en polímeros, alimentos, productos farmacéuticos;
  • Proporciona datos ATR y de transmisión;
  • Adecuado para industrias específicas;
• Acceso: pago (compra única + actualización).

6.3 Biblioteca IR de Sigma-Aldrich / Merck

• Mantenido por: Sigma-Aldrich (Grupo Merck);
• Características:
  • Correspondencia uno a uno con catálogo de reactivos;
  • Adecuado para "comprar reactivo, consultar espectro";
• Acceso: incluido con la compra de reactivos o venta por separado.

6.4 Biblioteca de Polímeros Hummel

• Mantenido por: Hummel (integrada en Sadtler / Bio-Rad);
• Características:
  • "Estándar de oro" para polímeros y aditivos;
  • Esencial para análisis industrial;
• Acceso: pago.

💡 ¿Cuándo comprar bibliotecas comerciales? [1][10]:

• Entornos de producción de control de calidad (necesitan estabilidad, cumplimiento, trazabilidad);
• Áreas especializadas (polímeros, productos farmacéuticos, drogas);
• La búsqueda en bibliotecas es un método de análisis central;
• Presupuesto suficiente (suscripción anual de 50,000–200,000 yuanes).
  De lo contrario, las bibliotecas abiertas + bibliotecas propias ya satisfacen la mayoría de las necesidades.

Siete. Cómo usar eficientemente las bibliotecas de espectros para búsqueda y comparación

7.1 Revisión de algoritmos de búsqueda

Algoritmos principales de búsqueda en bibliotecas (ver Ep 19) [1][2]:

Tabla 2: Comparación de algoritmos principales de búsqueda en bibliotecas (recopilado de [1][2])

7.2 Significado del valor HQI

HQI (Índice de Calidad de Acierto) es el indicador de "grado de coincidencia" devuelto por la búsqueda en bibliotecas, 0–1 o 0–100 [1][2]:

• HQI > 0.95 (95): coincidencia excelente;
• HQI 0.90–0.95: buena coincidencia;
• HQI 0.80–0.90: posible coincidencia, requiere confirmación manual;
• HQI < 0.80: baja coincidencia, puede ser compuesto diferente o mezcla.

Principios importantes [1][2]:

• HQI no es "probabilidad", es similitud;
• HQI alto no significa necesariamente que sea ese compuesto (homólogos, isómeros tienen HQI alto);
• HQI bajo no significa necesariamente que no lo sea (línea base, diferencias de preparación pueden dar HQI bajo);
• Debe combinarse con interpretación manual del espectro.

7.3 Flujo de búsqueda eficiente

Flujo estándar [1][2][3]:

Espectro de muestra desconocida
   │
   ▼
1. Preprocesamiento (línea base, suavizado, normalización)
   │
   ▼
2. Buscar candidatos en NIST WebBook (fase gaseosa + fase condensada)
   │
   ▼
3. Buscar candidatos en SDBS (con asignación de picos)
   │
   ▼
4. ¿Varios candidatos? Ordenar por HQI
   │
   ├─ HQI > 0.95 → Identificación de alta confianza
   │
   ├─ HQI 0.85–0.95 → Revisar con método de primera derivada
   │
   └─ HQI < 0.85 → Posible mezcla, necesita descomposición MCR-ALS
   │
   ▼
5. Verificación manual: picos clave, forma de pico, intensidad relativa
   │
   ▼
6. Validación cruzada: IR + NMR + MS (si está disponible)

7.4 Búsqueda en bibliotecas de mezclas

La búsqueda de compuestos puros es relativamente simple; las mezclas son el desafío [1][2]:

Método 1: Espectro de diferencia [1]

• Suponer que el componente principal es A, tomar el espectro estándar de A de NIST;
• Restar el espectro escalado de A del espectro desconocido, ver el residuo;
• Identificar el segundo componente B en el residuo;
• Repetir hasta que el residuo sea cercano a cero.

import spectrochempy as scp

unknown = scp.read('unknown.spa')
component_a = scp.read('a_from_nist.jdx')

# Factor de escala (minimizar residuo)
from scipy.optimize import minimize_scalar
res = minimize_scalar(lambda scale: np.sum((unknown.data - scale * component_a.data)**2))
scale_a = res.x

residual = unknown - scale_a * component_a
residual.plot(title='Residual después de restar A')

Método 2: Descomposición MCR-ALS [1][3]

• Adecuado para mezclas complejas de 3+ componentes;

• SpectroChemPy integrado (ver Ep 53);

• Descomponer los espectros de componentes puros y luego buscar en la biblioteca.

Método 3: Biblioteca propia [1]

• Construir una pequeña biblioteca con compuestos comunes medidos en el laboratorio;
• Más preciso que las bibliotecas comerciales generales (mismo instrumento, misma preparación de muestra);
• Es una práctica común en laboratorios de control de calidad industrial.

7.5 ftir.fun como herramienta complementaria amigable en chino

🔗 Extensión: ftir.fun es una herramienta de espectroscopia en línea amigable en chino que ofrece:

• Carga de espectros y análisis en múltiples formatos: JCAMP-DX, CSV y otros formatos comunes;
• Identificación de picos y consulta de grupos funcionales: identificación automática de posiciones de picos, asociación con base de datos de grupos funcionales;
• Búsqueda de espectros: búsqueda integrada con bases de datos abiertas;
• Visualización y comparación: visualización y comparación directa de espectros en el navegador web;
• Acceso multiplataforma: compatible con teléfonos móviles, tabletas y ordenadores.

Flujo de trabajo colaborativo entre ftir.fun y bases de datos abiertas [11]:

1. Descargar espectros estándar JCAMP-DX desde NIST WebBook;
2. Subirlos a ftir.fun para comparar con muestras desconocidas;
3. ftir.fun identifica automáticamente los picos de la muestra desconocida y asocia grupos funcionales;
4. Exportar los resultados de la comparación como informe.

Este modo colaborativo "NIST proporciona datos + ftir.fun proporciona herramientas" permite a los usuarios chinos aprovechar eficientemente los datos espectrales abiertos [11].

8. Práctica de construir una biblioteca espectral propia

Las bases de datos abiertas cubren compuestos generales, pero las muestras específicas que se miden comúnmente en el laboratorio (catalizadores caseros, formulaciones de polímeros específicos, estándares internos de control de calidad) no están incluidas [1][2]. En este caso, construir una biblioteca propia es importante.

8.1 Elementos de una biblioteca propia de calidad

Una biblioteca propia de alta calidad necesita [1][2]:

Tabla 3: Metadatos esenciales para una biblioteca propia (compilado de [1][2])

8.2 Formato de almacenamiento de la biblioteca propia

Formato recomendado: JCAMP-DX [1][2]

• Estándar internacional;
• Contiene metadatos;
• Compatible con múltiples software.

Ejemplo de biblioteca propia (encabezado JCAMP-DX) [1]:

##TITLE=Catalizador_Pt_Al2O3_Fresco
##JCAMP-DX=5.01
##DATA TYPE=INFRARED SPECTRUM
##ORIGIN=Mi Laboratorio - Grupo de Catálisis
##OWNER=Bob
##CAS NAME=Catalizador Pt/Al2O3 (fresco)
##CAS REGISTRY NO=NA (mezcla)
##NPOINTS=1769
##XUNITS=1/CM
##YUNITS=ABSORBANCE
##XFACTOR=1.0
##YFACTOR=1.0
##FIRSTX=4000
##LASTX=900
##FIRSTY=0.012
##END HEADER
4000 0.012
3999 0.013
...

8.3 Gestión de la biblioteca propia

• Usar NDDataset de SpectroChemPy (Ep 53) para gestionar metadatos [2];
• Usar control de versiones (Git) para rastrear cambios;
• Realizar copias de seguridad periódicas (almacenamiento en la nube + local);
• Documentar (qué compuestos, cuándo se añadieron, quién es responsable).

8.4 Integración con bibliotecas abiertas

Integrar biblioteca propia + biblioteca abierta para constituir el "recurso espectral completo" del laboratorio [1][2]:

import spectrochempy as scp

# Cargar biblioteca abierta (descargada de NIST)
nist_compounds = [scp.read(f) for f in nist_files]

# Cargar biblioteca propia
inhouse_compounds = [scp.read(f) for f in inhouse_files]

# Combinar
all_library = nist_compounds + inhouse_compounds

# Buscar una muestra desconocida
unknown = scp.read('unknown.spa')

best_match = None
best_hqi = 0
for ref in all_library:
    hqi = scp.cosine_similarity(unknown, ref)
    if hqi > best_hqi:
        best_hqi = hqi
        best_match = ref

print(f"Mejor coincidencia: {best_match.name}, HQI={best_hqi:.3f}")

9. Datos abiertos y ciencia abierta

9.1 Principios FAIR de datos

La gestión moderna de datos científicos sigue los principios FAIR [1][12]:

• Findable (localizables);
• Accessible (accesibles);
• Interoperable (interoperables);
• Reusable (reutilizables).

Bases de datos abiertas como NIST WebBook y SDBS son ejemplos de los principios FAIR [1]:

• Findable: URL estándar, DOI, búsqueda por número CAS;
• Accessible: gratuito, sin registro (NIST);
• Interoperable: formato estándar JCAMP-DX;
• Reusable: licencias de uso claras, atribución de fuente.

9.2 Citación y agradecimientos

Al usar bases de datos abiertas, citar correctamente es una norma científica [1][12]:

• NIST WebBook: Citar Mallard W G, et al. NIST Chemistry WebBook, NIST Standard Reference Database 69. https://webbook.nist.gov/chem…
• SDBS: Citar SDBSWeb: https://sdbs.db.aist.go.jp/ (National Institute of Advanced Industrial Science and Technology, fecha de acceso)
• EPA FTIR: Citar el documento del Método EPA 320 y la URL de la base de datos;
• HITRAN: Citar Gordon I E, et al. J Quant Spectrosc Radiat Transfer 2022.

9.3 Contribuir al ecosistema abierto

Los laboratorios pueden contribuir con sus propios espectros de alta calidad al ecosistema abierto [1][12]:

• Publicar los espectros junto con el artículo (por ejemplo, en Figshare, Zenodo);
• Subirlos a bases de datos abiertas (algunas aceptan contribuciones externas);
• Procesar datos con herramientas de código abierto y publicar el código;
• Escribir blogs en chino e inglés compartiendo experiencias.

10. Consejos sobre "trampas" al usar bases de datos

10.1 Trampa 1: Confundir fase gaseosa y fase condensada

Situación: Usar el espectro de benceno en fase gaseosa de NIST para comparar con una muestra de benceno en pastilla de KBr, HQI solo 0.7 [1].

Causa: Los espectros IR de fase gaseosa y condensada difieren mucho (desplazamiento de picos, diferente forma de pico).

Contramedida:

• Para muestras en fase condensada, usar espectros de fase condensada de NIST;
• Para muestras en fase gaseosa, usar espectros de fase gaseosa de NIST/EPA;
• No mezclar.

10.2 Trampa 2: Inconsistencia en el método de preparación

Situación: Biblioteca propia con mediciones ATR, al comparar con espectro de NIST en pastilla de KBr, la intensidad relativa del pico a 1740 cm⁻¹ difiere en un 30% [1].

Causa: Las reglas de intensidad de pico en ATR y transmisión son diferentes (ver Ep 18 corrección ATR).

Contramedida:

• Realizar corrección ATR antes de comparar;
• O construir biblioteca propia con el mismo método de preparación;
• Usar la función atrcorrect de SpectroChemPy.

10.3 Trampa 3: Confiar en exceso en HQI

Situación: Búsqueda en biblioteca con HQI = 0.92, identificado como A, pero en realidad es el homólogo B de A [1].

Contramedida:

• Los homólogos e isómeros tienen HQI alto;
• Es necesario verificar manualmente los picos clave;

• Combinar con otra información (síntesis, propiedades físicas) para confirmar.

• Validación cruzada con NMR, MS.

10.4 Trampa 4: Ignorar metadatos

Situación: Se encuentra un espectro en SDBS sin prestar atención a las condiciones de medición, se utiliza para comparar con una muestra a temperatura ambiente, y el pico se desplaza 5 cm⁻¹ [1].

Contramedidas:

• Al buscar, asegúrese de ver las condiciones de medición;
• Preste atención a la temperatura, fase, método de preparación;
• Tenga cuidado con datos que no coincidan con las condiciones de la muestra.

10.5 Trampa 5: Riesgo de derechos de autor en bibliotecas comerciales

Situación: Una empresa sube la biblioteca comercial Sadtler adquirida a un disco en la nube interno para compartir, y es detectada por incumplimiento durante una auditoría [10].

Contramedidas:

• La licencia de bibliotecas comerciales generalmente prohíbe la redistribución;
• Para uso interno, compre según la cantidad de licencias;
• Las bibliotecas propias se pueden compartir libremente;
• Las bibliotecas abiertas se pueden compartir libremente (con citación).

Ilustraciones (indicaciones clave de este episodio)

📷 Figura 4: Comparación de capacidades instrumentales
Fuente: Imagen real/abierta · Unsplash — laboratory scientist (con marca de agua ftir.fun)

📷 Figura 5: Concepto de trayectoria óptica/accesorios
Fuente: Imagen real/abierta · Estudio de caso de proyecto — espectro PE (con marca de agua ftir.fun)

📷 Figura 6: Flujo de trabajo de software/base de datos
Fuente: Diagrama educativo de ftir.fun (con marca de agua; no es un espectro real, solo para entender conceptos)

Resumen de este episodio

Preguntas de reflexión

1. Necesita identificar un compuesto orgánico desconocido (cristal blanco, punto de fusión 135–136 °C). Diseñe un proceso completo de búsqueda en bibliotecas usando NIST WebBook + SDBS, explicando qué hacer y qué observar en cada paso. Si la búsqueda devuelve un candidato A con HQI 0.85 y un candidato B con HQI 0.82, ¿cómo decide cuál es el correcto?

2. Compare NIST WebBook y AIST SDBS en términos de formato de datos, cobertura y integridad de metadatos. Si está identificando productos de síntesis orgánica, ¿cuál preferiría usar? ¿Por qué?

3. Está a cargo de un proyecto de monitoreo ambiental y necesita monitorear formaldehído, benceno y acetona en gases de chimenea usando FTIR de trayectoria abierta (OP-FTIR). Explique qué base de datos abierta debe usar para obtener espectros estándar y cómo usar esos datos para construir un modelo cuantitativo. Sugerencia: consulte la página del grupo carbonilo en ftir.fun.

4. El laboratorio tiene 200 muestras de polímeros formulados internamente, cada una con un espectro FTIR. Diseñe un plan de biblioteca propia que incluya formato de datos, campos de metadatos, método de almacenamiento e integración con la biblioteca abierta NIST.

5. Discuta la aplicación de los principios FAIR en bases de datos espectrales. ¿Cómo se desempeñan NIST WebBook y SDBS en las cuatro dimensiones de FAIR? Si fuera el responsable del laboratorio, ¿qué políticas establecería para que los datos de su laboratorio también cumplan con los principios FAIR?

Referencias

[1] mallard W G, Linstrom P J, eds. NIST Chemistry WebBook, NIST Standard Reference Database Number 69. National Institute of Standards and Technology, Gaithersburg MD, 2024.
https://webbook.nist.gov/chem…

[2] Linstrom P J, Mallard W G. "The NIST Chemistry WebBook: A Chemical Data Resource on the Internet." Journal of Chemical & Engineering Data, 2001, 46(5): 1059–1063. DOI:10.1021/je000960e.

[3] AIST. "Spectral Database for Organic Compounds (SDBS)." National Institute of Advanced Industrial Science and Technology, Japan.
https://sdbs.db.aist.go.jp/

[4] US EPA. "FTIR Open Path Measurements Method 320 & Reference Spectra." EPA Technology Transfer Network Emission Measurement Center.
https://www3.epa.gov/ttn/emc/…

[5] Sharpe S W, et al. "Gas-Phase Databases for Quantitative Infrared Spectroscopy." Applied Spectroscopy, 2004, 58(12): 1452–1461. DOI:10.1366/0003702042641281.
PNNL FTIR Library: https://secure2.pnl.gov/nsd/f…

[6] Gordon I E, et al. "The HITRAN2020 Molecular Spectroscopic Database." Journal of Quantitative Spectroscopy & Radiative Transfer, 2022, 277: 107949. DOI:10.1016/j.jqsrt.2021.107949.
https://hitran.org/

[7] Calvin W M, King T V V, Clark R N. "Caltech Mineral Spectroscopy Server." California Institute of Technology.
http://minerals.gps.caltech.e…

[8] Clark R N, et al. "USGS Digital Spectral Library 06." U.S. Geological Survey Open File Report 03-395, 2007.

https://speclab.cr.usgs.gov/s…

[9] Lafuente B, Downs R T, Yang H, Stone N. "The RRUFF Project: An Integrated Study of Minerals." IMA General Meeting, 2015.
https://rruff.info/

[10] Bio-Rad. "SpectraBase: Spectral Database." KnowItAll Informatics System.
https://spectrabase.com/

[11] ftir.fun. "Herramienta de espectroscopía infrarroja en línea."
https://ftir.fun

[12] Wilkinson M D, et al. "The FAIR Guiding Principles for Scientific Data Management and Stewardship." Scientific Data, 2016, 3: 160018. DOI:10.1038/sdata.2016.18.

[13] IUPAC. "JCAMP-DX: Standard for Infrared Spectral Data Exchange." Pure and Applied Chemistry, 1995, 67(12): 1955–1984. DOI:10.1351/pac199567121955.

[14] Travert A, et al. "SpectroChemPy: A Python Framework for Processing Spectral Data." Journal of Open Source Software, 2022, 7(71): 3904.（Ep 53）

Avance del próximo episodio: Ep 56 — Consejos de uso y casos prácticos de la herramienta ftirfun
Este episodio concluye la sección "Instrumentos y herramientas". El próximo comenzará la sección "Casos prácticos y expansión". En el Ep 56 presentaremos sistemáticamente ftir.fun, una herramienta FTIR en línea amigable en chino: desde la carga de datos espectrales y el análisis en múltiples formatos (JCAMP-DX, SPA, etc.), la identificación y gestión de picos, la búsqueda en espectros y consultas en bases de datos, la visualización y el análisis comparativo, hasta la integración con bases de datos abiertas como NIST WebBook, y casos prácticos: desde la carga del espectro de una muestra desconocida hasta la finalización de la identificación. Este es el "portal amigable chino" para las herramientas de código abierto y bases de datos abiertas de los Ep 53–55.

Este artículo está licenciado bajo CC BY-NC-SA 4.0. Las imágenes provienen de dominio público o recursos en línea con atribución, derechos de autor de sus respectivos propietarios.