UNIVERSIDAD DEL CAUCA

Facultad de Ingeniería de Civil

Programa de Ingeniería Ambiental
Laboratorio de Bioquímica
I Período de 2024

Nicol Carvajal Ruiz (104922011263) y Michael Damian Martos Cuarán

1 1

(104922011289)
1
Facultad de Ingeniería Civil, Programa de Ingeniería Ambiental, Universidad del Cauca,
Popayán, Colombia

Fecha de entrega: 18/03/24

DETERMINACÓN CUANTITATIVA DE LAS PROTEÍNAS

Objetivo.
 Determinar la concentración de una proteína (albumina ovina), en varias
muestras problema partiendo de concentraciones ya conocidas.
 Familiarizar el uso de fotómetro en la cuantificación de proteínas y
comprender su fundamento básico de funcionamiento.
 Realizar una curva de calibración, para conocer las concentraciones en
muestras desconocidas por medio del despeje de la ecuación Y = mX + b que
describe la recta.

Datos y Resultados.
CURVA DE CALIBRACION: GRUPO - NICOL- DAMIAN

CURVA DE CALIBRACIÓN
Muestra [] PATRÓN ml, EN 2 ml Absorbancia
DE SOLUCION
BCLANCO 0,00 0,060
2 0,25 0,178
3 0,50 0,445
4 0,75 0,491
5 1,00 0,595
6 1,25 0,725
7 1,50 0,777
8 1,75 0,906
9 2,00 0,975
 CC ABSORBANCIA VS CONCENTRACIÓN
1.200

1.000
f(x) = 0.42247619047619 x + 0.161214285714286
R² = 0.96688643842008
0.800
ABSORBANCIA

0.600

0.400

0.200

0.000
0.00 0.50 1.00 1.50 2.00 2.50
CONCENTRACIÓN SLN PATRON. 2ml SOLUCIÓN.

Y =0,4225 X +0,1612
Y −0,1612
X=
0,4225
Y= ABSORBANCIA
X=CONCENTRACION

MUESTRA ABSORBANCIA (Y) CONCENTRACIÓN (X)

MP (1) 0,241 0,283333333
MP (2) 0,160 0,095833333
MP (3) 0,080 -0,089

OTRO GRUPO: SHALON

CURVA DE CALIBRACIÓN
Muestra [] PATRÓN ml, EN 2 ml Absorbancia
DE SOLUCION
BCLANCO 0,00 0,017
2 0,25 0,188
3 0,50 0,354
4 0,75 0,468
5 1,00 0,542
6 1,25 0,679
7 1,50 0,798
 8 1,75 0,812
9 2,00 0,996

CURVA DE CALIBRACIÓN
1.200

1.000
f(x) = 0.432047619047619 x + 0.118571428571429
0.800 R² = 0.983765984161501
ABSORBANCIA

0.600

0.400

0.200

0.000
0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00
CONCENTRACIÓN

Y =0 , 4 32 X +0 , 1186
Y −0,1186
X=
0,432

MUESTRA ABSORBANCIA CONCENTRACIÓN

MP (1) 0,303 0,426851852
MP (2) 0,127 0,019444444
MP (3) 0,100 -0,043

Discusión.
Conclusiones.

Preguntas Complementarias.
1. Realice el grafico de la curva de calibración y determine su linealidad.
 CC ABSORBANCIA VS CONCENTRACIÓN
1.200

1.000
f(x) = 0.42247619047619 x + 0.161214285714286
R² = 0.96688643842008
0.800
ABSORBANCIA

0.600

0.400

0.200

0.000
0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00
CONCENTRACIÓN SLN PATRON. 2ml SOLUCIÓN.

Grafica. CURVA DE CALIBRACION: GRUPO - NICOL- DAMIAN

CURVA DE CALIBRACIÓN
1.200

1.000
f(x) = 0.432047619047619 x + 0.118571428571429
0.800 R² = 0.983765984161501
ABSORBANCIA

0.600

0.400

0.200

0.000
0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00
CONCENTRACIÓN

Grafica. CURVA DE CALIBRACION: GRUPO- SHALON

2. Determinar las concentraciones de las muestras problemas en función de la curva

de calibración.
Grupo: Nicol

Y =0,4225 X +0,1612
Y −0,1612
X=
0,4225
Y= ABSORBANCIA
X=CONCENTRACION

MUESTRA ABSORBANCIA (Y) CONCENTRACIÓN (X)

MP (1) 0,241 0,283333333
MP (2) 0,160 0,095833333
MP (3) 0,080 -0,089

GRUPO: SHALON
Y =0,432 X +0,1186
Y −0,1186
X=
0,432

MUESTRA ABSORBANCIA CONCENTRACIÓN

MP (1) 0,303 0,426851852
MP (2) 0,127 0,019444444
MP (3) 0,100 -0,043

3. ¿qué información le aporta el coeficiente R^2 de su curva?, ¿es c6nfiable el valor

obtenido de su R^2?
El coeficiente determinado R^2 indica la proporcionalidad de variación en la variable
de respuesta Y (absorbancia), relacionada con las variables independientes X
(concentración) en un modelo de regresión lineal. Es decir, es una medida que
determina la precisión con la que un modelo de regresión se ajusta a los datos reales.
Cuando el valor de R^2 es 1,0 podemos deducir que el ajuste es perfecto, por lo tanto,
es un modelo muy fiable para obtener resultados precisos. Por el contrario, si el valor
de R^2 es =< 0,0, podemos decir que el modelo no logra relacionar los datos ya que
son muy imprecisos, por ende, no es recomendable trabajar con este modelo. El R^2
que se obtuvo es de 0,9669. Este valor está muy próximo a 1 por lo que Podemos decir
que es confiable, pero, si se compara con el R^2, que fue de 0,9838, del grupo 1, el
segundo R^2 se acerca más a 1 ya que sus datos se aproximan de mayor manera al
modelo de regresión lineal.

Conclusiones: