La agricultura moderna enfrenta importantes desafíos asociados al control de enfermedades causadas por hongos fitopatógenos, cuya incidencia afecta significativamente la productividad de cultivos de interés económico. Aunque el uso de fungicidas químicos ha contribuido al aumento de la producción agrícola, también ha generado problemas relacionados con la resistencia de los patógenos, impactos ambientales y riesgos para la salud humana y animal. En este contexto, los productos naturales de origen vegetal constituyen una alternativa prometedora para el desarrollo de nuevas estrategias de control fitosanitario. En la presente investigación se evaluó el potencial antifúngico de extractos obtenidos a partir de la corteza de Drimys winteri, especie nativa chilena reconocida por sus diversas propiedades biológicas. Se realizaron extracciones mediante maceración utilizando solventes de polaridad creciente (hexano, acetato de etilo y etanol) sobre muestras provenientes de Valdivia y Chiloé. Los extractos obtenidos fueron evaluados frente a los hongos fitopatógenos Botrytis cinerea y Phytophthora cinnamomi. Los resultados demostraron que todos los extractos presentaron algún grado de actividad biológica, destacando aquellos obtenidos de la corteza de D. winteri procedente de Chiloé, que superaron el 50 % de inhibición frente a ambos patógenos. Adicionalmente, la separación del extracto de acetato de etilo proveniente de corteza de Valdivia permitió identificar nuevos metabolitos con estructura base de sesquiterpeno drimano, además de confirmar la presencia de drimenol y poligodial, compuestos característicos de la especie. Los resultados obtenidos respaldan el potencial de Drimys winteri como fuente de metabolitos bioactivos con aplicación en el control de hongos fitopatógenos de importancia agrícola.

La síntesis de alilfenoles ha sido explorada solo por algunos grupos de investigación motivados por la actividad biológica encontrada en el 2-alilfenol de origen natural. Se ha intentado sintetizar compuestos biomiméticos, como también mejorar la actividad antifúngica del 2-alilfenol y otros alilfenoles de origen natural al sustituir distintos grupos químicos en el grupo aromático como en la cadena lateral. En el presente trabajo se desarrolló un método expedito y simple de síntesis de Alilfenoles, la aceleración de la síntesis por microondas y las técnicas avanzadas de separación por cromatografía flash hacen posible la síntesis y purificación de estos compuestos en reducidos tiempos y gastos de insumos. La metodología incluye un proceso directo en la agregación de reactivos, sin necesidad de atmosfera inerte, en comparación con la complejidad de una reacción de Friedel-Crafts convencional a reflujo. Se sintetizaron 5 compuestos en un sistema de reacción acelerada por microondas en etanol, a 85°C por 15 minutos. Se obtuvieron rendimientos moderados de 4-30%

Los brasinoesteroides (BRs) son una clase de hormonas vegetales que promueven el crecimiento de las plantas y contribuyen a la protección frente al estrés biótico y abiótico. Debido a que estos compuestos se encuentran en muy bajas concentraciones en la naturaleza, su síntesis constituye una alternativa viable para su obtención y estudio. Considerando la problemática de la contaminación de suelos agrícolas por cobre derivada de la actividad minera en Chile, esta investigación tuvo como objetivo sintetizar nuevos análogos de brasinoesteroides y evaluar su potencial para mejorar la respuesta de las plantas frente al estrés causado por este metal pesado. A partir del ácido hiodeoxicólico se sintetizaron los compuestos 26a/26b, 27a/27b, 28a/28b, 29a/29b y 35a/35b, incluyendo los nuevos análogos 35a y 35b. Los compuestos obtenidos fueron caracterizados mediante espectroscopía FTIR, RMN de ^1H y ^13C, HSQC, HMBC y GC-MS. La actividad biológica se evaluó inicialmente mediante el ensayo de inclinación de la lámina de arroz (RLIT), identificándose como compuestos activos los análogos 26a/26b, 27a/27b, 35a/35b y el compuesto puro 35a. El análogo 35a/35b presentó la mayor actividad promotora del crecimiento, alcanzando un incremento promedio del 86 % en elongación celular respecto al control. Posteriormente, los compuestos más promisorios fueron evaluados en ensayos de germinación de semillas de tomate bajo condiciones de estrés por cobre (80 μM de CuSO₄). Los resultados demostraron que la mezcla de epímeros 26a/26b mejoró los parámetros de germinación tanto en presencia como en ausencia de cobre, destacando efectos positivos sobre el tiempo medio de germinación, la tasa de germinación y el peso seco. Los resultados obtenidos indican que los análogos 24-nor con fusión cis de los anillos A/B y grupos glicol en C-22 y C-23 poseen potencial para mejorar la respuesta de germinación de semillas de tomate sometidas a estrés por cobre.

Los brasinoesteroides (BRs) constituyen una clase de hormonas vegetales que promueven el crecimiento y contribuyen a la respuesta frente a estrés biótico y abiótico. Debido a su elevada actividad biológica y a su baja abundancia en fuentes naturales, se han desarrollado numerosos estudios orientados a la síntesis de análogos estructurales con potencial aplicación agrícola. En esta investigación se desarrolló una ruta sintética para la obtención de nuevos análogos de brasinoesteroides 2-desoxi con cadenas laterales más cortas del tipo 24-nor, incorporando funciones hidroxiladas y benzoiladas en las posiciones C-22 y C-23, considerando además factores estereoquímicos asociados a la configuración R/S en C-22. El objetivo fue evaluar el efecto de estas modificaciones estructurales sobre la actividad biológica mediante el ensayo de inclinación de la lámina de arroz (ILA). Se sintetizaron los compuestos 62, 73, 78a-b, 79, 80, 83, 85 y 86 a partir de ácido hiodeoxicólico, correspondiendo los compuestos 73, 79, 83, 85 y 86 a estructuras inéditas. Los resultados biológicos demostraron que los análogos 79 y 80 presentaron la mayor actividad a una concentración de 1,0 × 10⁻⁷ M, superando incluso a la brasinólida, utilizada como control positivo. Los resultados obtenidos demuestran que los análogos de brasinoesteroides 2-desoxi con cadenas laterales 24-nor y funciones benzoato en C-22 presentan actividad biológica de tipo hormonal, evidenciando la relevancia de estas modificaciones estructurales en la actividad promotora del crecimiento vegetal.

This paper presents a bilevel programming methodology for designing and evaluating Capacity Remuneration Mechanisms (CRMs) in the context of the energy transition. As renewable generation increases, CRMs can be used to provide an additional revenue stream to promote strategic investments supporting adequacy, flexibility, and decarbonization goals. The bilevel framework embeds CRM rules at the upper level and models market operation and system scheduling and dispatch at the lower level, linking long-run investment with short-run operation. As a salient modeling feature, the proposed approach explicitly captures how CRM-driven capacity additions affect energy prices, revenue formation, and the profitability of generators. Three CRM designs, namely Fixed Capacity Payment, Variable Capacity Payment, and Capacity Auctions, are assessed in terms of generation-unit profitability, system reliability, total system costs, and CO2 emissions. Results from a case study of the Chilean electricity market indicate reductions of up to 20% in total system costs, elimination of supply shortages, and up to 8% lower emissions. The methodology provides a clear basis for evaluating CRM designs and identifying cost-effective strategies that balance investment signals, reliability, and sustainability goals.

La detección de partículas es un trabajo muy importante en campos como la física dealtas energías, la medicina y la astronomía. El proceso de detección consiste en identificarlas partículas producidas en distintos fenómenos físicos, como por ejemplo, las partículasproducidas en los grandes colisionadores. El proceso de detección, sin embargo, es complicadoy depende de muchos factores. Un caso especialmente difícil es la detección de partículasmuy cercanas provenientes, por ejemplo, del decaimiento de piones neutros. Para solucionareste problema el centro Científico y Tecnológico de Valparaíso ha propuesto un detectordel tipo calorímetro preshower, diseñado especialmente para tener una alta resolución en laidentificación de partículas cercanas. La solución de este problema tiene varias aplicacionesprácticas: En los colisionadores electron-ion puede ayudar al estudio de los gluones, elmaterial que une toda la materia del universo; En la medicina nuclear puede ayudar amejorar las imágenes producidas en las tomografías por emisión de positrones, vitales en eltratamiento del cancer.Para procesar los datos producidos por el detector se utiliza un algoritmo de reconstrucción.Este algoritmo es el encargado de convertir los datos brutos en información útil de lapartícula detectada, como su posición de incidencia, su energía o su ángulo.La contribución principal de este trabajo es el diseño e implementación de un algoritmode reconstrucción completo para el detector preshower. Para esto, las diferentes opcionesde la literatura son estudiadas y nuevas soluciones son propuestas para el trabajo dereconstrucción. Además, se construye una simulación computacional del detector y seestudia, mediante simulaciones, el desempeño del algoritmo de reconstrucción. Los resultadosobtenidos muestran la capacidad del detector preshower para identificar partículas cercanas,superando otras propuestas de la literatura. Además, basándose en este análisis, se proponenposibles mejoras al detector, las cuales pueden ser implementadas en próximas iteracionesdel diseño del detector.

El salmón es uno de los principales peces de acuicultura en Chile. Para contribuir en el desarrollo sostenible de esta industria se deben incorporar alternativas que generen un beneficio medioambiental, social y económico. Los esquelones son un importante subproducto del proceso de fileteado, ya que representan alrededor del 10% en peso del pescado. Estos están compuestos principalmente por músculo y hueso. La fracción ósea del esquelón, además de colágeno, posee un alto contenido de calcio, mineral deficitario en la dieta contemporánea. El hueso puede ser transformado en un ingrediente funcional mediante la aplicación secuencial de micro-molienda (d_50=10[μm]) e hidrólisis enzimática (Alcalase 2.5L), favoreciendo así la solubilización de Ca^(+2) y la formación de péptidos. Los modelos que generalmente son utilizados para describir la cinética de catálisis son Michaelis-Menten (MM) y Reversa de Michaelis-Menten (RMM), válidos para los casos en que E_0<< S_0+K_m (1) y S_0<

En los problemas de Machine Learning, la presencia de datos faltantes es un desafío común, especialmente cuando las variables del estudio provienen de múltiples fuentes de información. Cada fuente puede tener distintos formatos, niveles de precisión y frecuencias de actualización, lo que genera inconsistencias y vacíos en los datos recopilados. Por ejemplo, en un sistema de predicción de demanda que depende de datos meteorológicos, económicos y de redes sociales, algunas fuentes pueden proporcionar información en tiempo real, mientras que otras pueden presentar retrasos en las actualizaciones o contener valores faltantes debido a errores de registro. Estas discrepancias pueden afectar la calidad del modelo, reduciendo su capacidad predictiva y aumentando la incertidumbre en los resultados. Por lo tanto, es fundamental aplicar estrategias como la imputación de datos si se desea realizar una tarea de aprendizaje supervisado, como regresión o clasificación, sin perder datos en el proceso. El algoritmo de Expectation Maximization (EM) ha sido utilizado con éxito para manejar valores faltantes, pero no está diseñado para escenarios típicos de Machine Learning, donde se crea un modelo de imputación sobre los datos de entrenamiento y luego se aplica a un conjunto de prueba. En este trabajo, proponemos EMreg-KNN, un novedoso algoritmo de imputación supervisado y de múltiples fuentes. Basado en el algoritmo EM y en el concepto de vecinos recomendados, EMreg-KNN construye un modelo de conjunto basado en regresión para la imputación de datos futuros, lo que permite la utilización posterior de cualquier método de Machine Learning basado en vectores para evaluar automáticamente tareas de clasificación. Para evaluar esta propuesta, se utilizan tres bases de datos diferentes con datos faltantes y cuatro algoritmos de clasificación. El método propuesto competirá con otros métodos de imputación para garantizar que los algoritmos de clasificación ofrezcan los mejores resultados según métricas ROC. EMreg-KNN obtiene mejores resultados en la mayoría de los escenarios. Además, los clasificadores muestran un comportamiento más estable gracias a la imputación de los valores faltantes.