GLOBAL KNOWLEDGE ARK

Chemija · Pamoka

Susietieji metodai, selektyvumas ir metodo optimizavimas

Klauskite, kokių nepriklausomų sąryšių prideda susietasis metodas. Sekite sąlyginę analitės atgavą, lyginkite apibrėžtomis sąlygomis pasiektą skiriamosios gebos pagerėjimą ir užtikrinkite, kad validavimo įrodymai būtų nepriklausomi nuo vienetų, naudotų modeliui kurti.

Grįžti į chemijos planą

Baigę pamoką, galėsite

  • Sudaryti uždarą nuoseklių sąlyginės atgavos etapų kiekių balansą.
  • Nustatyti, kada antrasis atsako kanalas pašalina neapibrėžtumą pateiktame dviejų analičių modelyje.
  • Apskaičiuoti kvadratinės šaknies dėsnį atitinkantį efektyvumo mastelio pokytį nekintamomis sąlygomis.
  • Suprojektuoti validavimą su atidėtais naujais ėminių atrankos vienetais, išvengiant informacijos nutekėjimo per kartotinius matavimus.
01

Susiejimas prideda stebėjimų, kurių priklausomybę būtina suprasti

Atskyrimą galima susieti su optiniu, elektrocheminiu arba masių spektrometriniu detektoriumi. Vienas stebėjimas gali apibūdinti sulaikymą, o kitas – selektyvų atsaką. Jų derinys gali padėti atskirti alternatyvas, kurių vienas stebėjimas neatskiria, jeigu suprantami signalai ir jų ryšys su numatytu cheminiu objektu.

Pavyzdžiui, sulaikymo sutapimas taikant konkretų metodą pagrindžia palyginimą su etalonu, tačiau nebūtinai būdingas vienintelei sudedamajai daliai. GC/MS identifikavimo procedūros remiasi nustatytais sulaikymo ir masių spektro įrodymais, o ne laiko vieną sutapimą universaliu įrodymu. Atsižvelgiant į procedūros taikymo sritį vis tiek reikia įvertinti reikšmingus kartu eliuojamus junginius, izomerus, virsmus ir foną.

Etaloninė biblioteka taip pat teikia nuo metodo priklausančius įrodymus. Elektroninės jonizacijos spektras, tandeminės MS spektras ir GC sulaikymo indeksas apibūdina skirtingus stebėjimus; jų negalima be paaiškinimo laikyti tarpusavyje pakeičiamais. Bibliotekos pasiūlytas kandidatas ar įvertis savaime nėra patvirtinta tapatybė ar pagal kalibravimą nustatytas kiekis. Šiame skyriuje nenaudojama tikrų spektrų ar bibliotekos paieškos įverčių.

02

Nuoseklių efektyvumų vardikliai taip pat yra nuoseklūs

Visa procedūra gali apimti paruošimo, perkėlimo ir aptikimo kiekių apskaitą. Vienos išliekančios analitės kiekvieno etapo sąlyginė dalis taikoma iš ankstesnio etapo išeinančiam kiekiui. Jei etapų dalys yra f_1, f_2 ir f_3, n_final=n_initial f_1f_2f_3. Tai etapų apskaita, o ne teiginys, kad atsitiktiniai poveikiai statistiškai nepriklausomi.

Tarkime, hipotetinis pradinis analitės kiekis yra 10.0 μg, o tikslios nuoseklios dalys – 0.900, 0.800 ir 0.750. Kiekiai kinta 10.0→9.00→7.20→5.40 μg. Etapų nuostoliai yra 1.00, 1.80 ir 1.80 μg; jų suma 4.60 μg kartu su galutiniu kiekiu sudaro pradinį kiekį.

Bendroji dalis yra 0.540. Trijų nuostolių procentų negalima tiesiog sudėti, tarsi jų visų vardiklis būtų pradinis kiekis. Taip pat jau sujungto paruošimo efektyvumo negalima dar kartą dauginti iš vieno iš jame jau įskaitytų etapų efektyvumo. Tikrajai atgavai ir neapibrėžčiai nustatyti reikia konkrečios analitės, matricos ir procedūros įrodymų.

03

Antrasis atsakas padeda tik tada, kai suteikia naujos informacijos

Originaliame dviejų analičių modelyje n_A ir n_B žymėkime kiekius μg. Nustatykime tikslias adityvias atsako lygtis su nuline bazine linija s_1=n_A+2n_B ir s_2=3n_A+n_B; kiekvieno koeficiento vienetai yra U μg⁻¹. Iš stebėjimų s_1=5.00 U ir s_2=10.0 U, apvertus šį sąryšį, galima nustatyti abu kiekius.

Pirmąją atsako lygtį padauginkite iš trijų ir atimkite antrąją. Likę 5.00 U lygūs (5.00 U μg⁻¹)n_B, todėl n_B=1.00 μg ir n_A=3.00 μg. Tiesiogiai įstačius šiuos kiekius vėl gaunami abu signalai. Koeficientų matricos skaitinis determinantas yra 1×1−2×3=−5, nelygus nuliui; jo fizikiniai vienetai yra U² μg⁻².

Vien pirmasis kanalas taip pat leidžia A=5.00 μg ir B=0. Antrasis kanalas, tiksliai proporcingas pirmajam, šį neapibrėžtumą išsaugotų. Pateiktasis antrasis kanalas nuo abiejų kiekių priklauso kitaip, todėl suteikia papildomos informacijos.

Tai tikslus mokomasis dviejų analičių modelis, o ne spektras ar prietaiso specifikacija. Papildomos trukdančios medžiagos, neapibrėžti atsako koeficientai, kintantis matricos poveikis arba blogai sąlygota atsako matrica gali lemti nepatikimas išvadas. Vien didesnis kanalų skaičius ar sudėtingesnis prietaiso pavadinimas neįrodo, kad informacijos pakanka.

Du atsako kanalai atskiria pateiktą dviejų analičių kiekių derinį
Atsako kanalasA koeficientas / U μg⁻¹B koeficientas / U μg⁻¹Signalas / U
s₁1.002.005.00
s₂3.001.0010.0

Originalus tikslus adityvus atsako modelis tik A ir B, su nuline bazine linija ir žinomais koeficientais. Kiekiai A=3.00 μg ir B=1.00 μg duoda parodytus signalus. Koeficientų eilutės yra nepriklausomos. Šie atsako vienetai ir kiekiai išgalvoti; nėra spektrų, matricos neapibrėžties ar papildomų trukdančių medžiagų.

04

Efektyvumo didinimas turi sąlyginę kvadratinės šaknies dėsnį atitinkančią kainą

Fiksuotoje suderinamų smailių modelių šeimoje, kai sulaikymo koeficientai, santykinės smailių formos ir kitos sąlygos nekinta, pločiai kinta proporcingai 1/√N, o skiriamoji geba – √N. Tikslioms Gauso smailėms su vienodu N ir pastoviais k_A bei k_B tiesioginis abiejų liestinėmis nustatytų pločių panaudojimas duoda R_s=(√N/4)(k_B−k_A)/(1+(k_A+k_B)/2). Ši išraiška išplaukia iš w_b,i=4t_R,i/√N; joje išlaikomi abu pločiai.

Naudokite atskirą išgalvotą mastelio atskaitos tašką N_old=1600 ir R_s,old=0.900, kai siekinys R_s,new=1.50. Reikalingas tolydusis N_new=N_old(1.50/0.900)²=4444.444. Santykis yra 25/9≈2.77778, o ne paprastasis skiriamosios gebos santykis 5/3.

Jei H ir greitis nekinta, o pradinis ilgis yra 100 mm, modelio ilgis tampa 277.778 mm, o analizės trukmė padidėja tuo pačiu koeficientu 2.77778. N yra tolydusis efektyvumo rodiklis, o ne tiesioginis skyrelių skaičius. Jei užduotis reikalauja sveikojo rodiklio, atitinkančio siekinį, pirmasis toks sveikasis skaičius yra 4445, tačiau pagrindinis rezultatas yra tolydusis skaičiavimas.

Šis supaprastintas modelis neapima slėgio pokyčių, mainų kinetikos, difuzijos sąlygų, gradientų, užkolonėlinių poveikių, smailių uodegų ir talpos. Tai nėra tikra rekomendacija dėl kolonėlės ilgio. Selektyvumo ar paruošimo keitimas gali būti svarbesnis už vien efektyvumo didinimą, tačiau tikrąsias alternatyvas būtina vertinti pagal klausimą ir apribojimus.

05

Atidėkite tuos vienetus, kuriuos modelis turės prognozuoti

Susietasis metodas iš vieno ėminio gali gauti daug tarpusavyje susijusių stebėjimų. Kartotiniai skenavimai ar kartotiniai paruošimai nebūtinai sukuria naujus nepriklausomus ėminių atrankos vienetus. Validuojant reikia klausti, ar procedūra tinka tokiai naujai medžiagai arba tokiam vienetui, su kokiais bus susidurta numatyto naudojimo metu.

Išgalvotame pavyzdyje kiekvienas iš dešimties ėminių atrankos vienetų U01–U10 pateikia po dvi kartotinių matavimų eilutes, iš viso dvidešimt eilučių. Kiekvieno vieneto pirmąjį kartotinį matavimą priskyrus mokymui, o antrąjį – testavimui, kiekviename poaibyje bus dešimt eilučių, tačiau visi dešimt vienetų bus bendri. Tuomet modelis gali išnaudoti konkretiems vienetams būdingus panašumus neparodydamas, kaip prognozuoja naują vienetą.

Vietoj to abu U01–U06 kartotinius matavimus priskirkite mokymui, o abu U07–U10 kartotinius matavimus – testavimui. Mokymo rinkinyje yra dvylika, o testavimo rinkinyje – aštuonios eilutės; bendrų vienetų nėra. Tai užtikrina nurodytą naujų vienetų testavimo ribą, tačiau savaime neatmeta bendrų partijų, laiko poveikių ar taikymo sričių skirtumų.

Bet koks iš duomenų išmokstamas mastelio keitimas, požymių atranka, fono apdorojimas ar derinimas turi būti pritaikytas naudojant atitinkamos validavimo ribos mokymo pusę. Taikant parengiamąjį apdorojimą, išmoktą iš atidėtų duomenų, nuteka informacija. Čia neišgalvojami jokie tikslumo įverčiai ar išmatuoti spektrai: pavyzdžiu tikrinamas tik eilučių ir vienetų priskyrimas.

06

Optimizuokite pagal numatytą sprendimą ir patikrinkite visą kelią

Analizinei procedūrai reikia jos tinkamumą paskirčiai patvirtinančių įrodymų, taikomų apibrėžtai analitei, matricai, intervalui ir rezultatų pateikimo pagrindui. Sulaikymo, detektoriaus atsako, atgavos, neapibrėžties, našumo ir išteklių naudojimo reikalavimai gali prieštarauti vieni kitiems. Prieš lygindami alternatyvas nuspręskite, kokio atskyrimo ir atskirties lygio reikia tikrajam klausimui atsakyti.

Naudokite vienas kitą papildančius stebėjimus įvardytoms alternatyvoms įvertinti ir, kai tinkama, išlaikykite nepriklausomus etalonus, tuščiuosius mėginius bei patikras su atidėtais duomenimis. Sekite kiekvieną cheminį virsmą nuo pradinės analitės iki aptinkamo objekto. Daili chromatograma ar aukštas modelio įvertis negali ištaisyti nereprezentatyvaus ėminio ar neįskaityto paruošimo nuostolio.

Taigi atskyrimo mokslas susieja pusiausvyros kiekių balansus, pernašą, sąveikas ir įrodymus. Jo lygtys tampa naudingos, kai fazių, laiko, atsako ir validavimo sutartiniai apibrėžimai atitinka numatytą cheminį klausimą.

Išnagrinėti pavyzdžiai

Sekite nuoseklias sąlygines dalis

Naudokite pradinį 10.0 μg kiekį ir dalis 0.900, 0.800 bei 0.750.

  1. Po trijų etapų kiekiai yra 9.00, 7.20 ir 5.40 μg.
  2. Bendroji dalis yra 0.900×0.800×0.750=0.540.
  3. Nuostoliai 1.00+1.80+1.80=4.60 μg kartu su galutiniais 5.40 μg sudaro pradinį kiekį.

Sąlyginės etapų dalys dauginamos, nes jos taikomos nuosekliai gaunamiems kiekiams.

Nustatykite du kiekius iš nepriklausomų atsakų

Naudokite skaitines lygtis s₁=n_A+2n_B ir s₂=3n_A+n_B signalams 5.00 bei 10.0 U, kai kiekiai išreikšti μg.

  1. Iš 3s₁ atimkite s₂: likęs atsakas 5.00 U atitinka 5.00 U μg⁻¹, padaugintą iš n_B.
  2. Taigi n_B=1.00 μg ir n_A=5.00−2.00=3.00 μg.
  3. Patikra: 3.00+2×1.00=5.00 U ir 3×3.00+1.00=10.0 U.

Nepriklausomos koeficientų eilutės leidžia išspręsti šį pateiktą dviejų analičių modelį.

Pakelkite norimą skiriamosios gebos santykį kvadratu

Naudokite pradinį N=1600, skiriamąją gebą 0.900, siekinį 1.50 ir pradinį ilgį 100 mm, išlaikydami pastovius H bei greitį.

  1. Skiriamosios gebos santykis yra 5/3, todėl N santykis yra (5/3)²=25/9.
  2. Tolydusis N_new=4444.444, o modelio ilgis yra 277.778 mm.
  3. Kai greitis nekinta, analizės trukmės koeficientas yra 2.77778.

Sąnaudos išplaukia iš nurodyto kvadratinės šaknies dėsnio, o ne iš patikrinto optimizavimo.

To paties ėminių atrankos vieneto kartotinius matavimus laikykite kartu

Naudokite dešimt vienetų, kurių kiekvienas turi po dvi atskiras kartotinių matavimų eilutes.

  1. Skirstant pagal kartotinius matavimus, dešimčiai mokymo ir dešimčiai testavimo eilučių bendri visi dešimt vienetų.
  2. Priskyrus U01–U06 mokymui gaunama dvylika eilučių; priskyrus U07–U10 testavimui gaunamos aštuonios.
  3. Antruoju atveju bendrų vienetų nėra, o kiekviena iš dvidešimties eilučių panaudojama vieną kartą.

Validavimo klausimui apie naujus vienetus reikia ribos, pagal kurią atidedami nauji vienetai.

Pabandykite patys

  1. Pradėkite nuo 20.0 μg ir išlaikykite tas pačias nuoseklias sąlygines dalis. Raskite galutinį kiekį ir bendrąjį nuostolį.

    Rodyti atsakymą ir paaiškinimą

    Galutinis kiekis 10.8 μg; bendrasis nuostolis 9.20 μg.

    Bendroji dalis lieka 0.540. Likusi pradinio kiekio dalis 0.460 yra bendrasis nuostolis pagal šią nustatytą apskaitą.

  2. Naudokite tas pačias koeficientų eilutes, bet stebėkite s₁=4.00 U ir s₂=7.00 U. Raskite abu kiekius.

    Rodyti atsakymą ir paaiškinimą

    A=2.00 μg ir B=1.00 μg.

    Iš 3s₁−s₂=5.00 U gaunama B=1.00 μg; įstačius gaunama A=4.00−2.00=2.00 μg.

  3. Jei siūlomas antrasis kanalas visada lygus dvigubam s₁, ką jis prideda nustatant dviejų analičių kiekius?

    Rodyti atsakymą ir paaiškinimą

    Pagal nustatytą modelį jis neprideda jokio nepriklausomo kiekių sąryšio.

    Jo koeficientų eilutė proporcinga pirmajai. Tuomet abu kanalai apibūdina tą patį mišinio koeficientą, o alternatyvūs kiekių deriniai lieka neatskirti.

  4. Visi testavimo vienetai skiriasi nuo mokymo vienetų, tačiau mastelio keitimo transformacijos parametrai buvo nustatyti pagal visas eilutes prieš jas atskiriant. Kokia validavimo riba buvo peržengta?

    Rodyti atsakymą ir paaiškinimą

    Atidėto testavimo rinkinio informacija panaudota parengiamajam apdorojimui išmokti.

    Vienetų nesutapimas nepašalina informacijos nutekėjimo per parengiamąjį apdorojimą. Transformacijos parametrus nustatykite tik pagal mokymo duomenis ir taikykite ją atidėtiems duomenims parametrų nenustatydami iš naujo.

Ką verta įsidėmėti

  • Susiejimas naudingas, kai prideda suprantamų nepriklausomų įrodymų.
  • Kiekvieną atgavos dalį vertinkite pagal į atitinkamą etapą patenkantį kiekį.
  • Neproporcingas atsakas gali pašalinti apibrėžtą neapibrėžtumą.
  • Skiriamosios gebos ir efektyvumo mastelio ryšiui reikia nekintamų sąlygų.
  • Testavimo vienetų ir parengiamojo apdorojimo informacijos nenaudokite modeliui kurti.

Šaltiniai

Mokomoji medžiaga ir žinynai, kuriais remiasi pamokos paaiškinimai ir pavyzdžiai.

  1. The Fitness for Purpose of Analytical MethodsH. Cantwell, editor; Eurachem Method Validation Working GroupŽinynas · PDFeurachem.orgSkaityti šaltinį
  2. U.S. EPA SW-846 Method 8260D: Volatile Organic Compounds by GC/MSUnited States Environmental Protection Agency; individual authors not givenŽinynas · PDFepa.govSkaityti šaltinį
  3. NIST Standard Reference Database 1ANational Institute of Standards and Technology, USA; scientific contact Stephen E. SteinŽinynasnist.govSkaityti šaltinį
  4. IUPAC Gold Book Joint Subcommittee; original recommendation identified in entry2 šaltiniai
    1. IUPAC Gold Book: peak resolution in chromatographyIUPAC Gold Book Joint Subcommittee; original recommendation identified in entryŽinynasgoldbook.iupac.orgSkaityti šaltinį
    2. IUPAC Gold Book: plate heightIUPAC Gold Book Joint Subcommittee; original recommendation identified in entryŽinynasgoldbook.iupac.orgSkaityti šaltinį
  5. IUPAC Gold Book: peak widths in chromatographyIUPAC; original nomenclature by L.S. EttreŽinynasold.goldbook.iupac.orgSkaityti šaltinį
  6. Analytical Chemistry 2.1: 12.3 Optimizing Chromatographic SeparationsDavid T. Harvey, DePauw University, USAŽinynaschem.libretexts.orgSkaityti šaltinį
  7. scikit-learn developers2 šaltiniai
    1. scikit-learn: Common pitfalls and recommended practicesscikit-learn developersŽinynasscikit-learn.orgSkaityti šaltinį
    2. scikit-learn: Cross-validation, evaluating estimator performancescikit-learn developersŽinynasscikit-learn.orgSkaityti šaltinį