《Journal of Chromatography A》:Noise?robust moving window ANOVA algorithm for accurate peak detection and fraction collection in preparative liquid chromatography
编辑推荐:
•开发了一种移动窗口方差分析(MW-ANOVA)算法,用于制备型液相色谱(prep-LC)中的实时峰检测。•MW-ANOVA能够可靠地检测出一阶导数方法所遗漏的浅而缓慢上升的峰。•该算法成功指导了Houttuynia cordata(鱼腥草)提取物的馏分收集。•MW-ANOV
- •
开发了一种移动窗口方差分析(MW-ANOVA)算法,用于制备型液相色谱(prep-LC)中的实时峰检测。
- •
MW-ANOVA能够可靠地检测出一阶导数方法所遗漏的浅而缓慢上升的峰。
- •
该算法成功指导了Houttuynia cordata(鱼腥草)提取物的馏分收集。
- •
MW-ANOVA对基线漂移具有较强的稳健性,且无需预先进行平滑或去噪处理。
引言
制备型液相色谱(prep-LC)被广泛用于天然产物、药物中间体和生物大分子的分离与纯化 [1]。在自动化制备型液相色谱工作流中,准确检测峰的起始和终点对于馏分收集至关重要 [2]。不正确的边界判定可能导致目标化合物损失、杂质带入、馏分体积过大以及下游处理成本增加。
目前已有多种峰检测算法 [[3]、[4]、[5]、[6]] 被开发用于色谱数据处理,尤其是在分析型液相色谱领域,其中信噪比通常较高,峰形往往近似高斯对称 [7]。其中,基于阈值的方法和基于导数的方法 [8] 因其简单性和易于实时实现而成为最常用的策略。在分析型应用中,当峰边界定义良好且基线干扰有限时,这些方法通常表现令人满意。然而,制备型色谱涉及的操作条件可能会降低传统算法的可靠性。
制备型系统采用高样品进样量和高容量色谱柱 [9,10],这可能导致峰展宽、拖尾及其他形式的不对称峰行为。由此产生的色谱特征表现为峰的前缘和后缘均具有较浅的斜率,使得精确的边界判定变得困难。此外,制备型仪器的高压、高流速环境可能引入机械振动和流动相脉冲,导致噪声水平升高 [11,12]。基线噪声可能掩盖与低幅度、缓慢变化的峰相关的微弱信号。在这些条件下,基于阈值的方法经常无法检测到浅而缓慢上升的峰,因为信号从未跨越预设阈值。基于导数的方法虽然对局部变化更加敏感,但极易受到噪声放大的影响,并且要求存在明确定义的拐点。在制备型应用中,当这些特征往往缺失或被掩盖时,导数方法可能对弱峰产生较高的假阴性率。移动平均滤波、小波去噪 [13] 和深度学习等方法 [14] 已被用于缓解这些局限性,但过度的平滑处理可能会减弱真实的峰特征并增加边界模糊性。
为解决这些局限性,我们开发了一种移动窗口方差分析算法,称为MW-ANOVA,用于制备型液相色谱中的实时峰检测。MW-ANOVA不依赖于局部斜率或绝对强度阈值,而是利用统计假设检验(F检验)来检测滑动窗口内的系统性趋势变化。MW-ANOVA为制备型色谱中的峰检测提供了一种潜在的方法,在高噪声水平、宽峰和不对称峰形对传统算法构成持续障碍的情况下,该方法具有显著优势。该方法在药物纯化、天然产物分离以及其他对馏分收集的准确性要求极高的生物技术分离过程中可能具有实用价值,这些应用中馏分收集的准确性对产率、纯度和操作效率至关重要。
章节摘要
化学品与材料
尿嘧啶(纯度≥99.5%)、芴(纯度≥98.0%)和甲苯(纯度≥99.8%)购自上海泰坦科技股份有限公司。配制混合标准溶液,其中尿嘧啶浓度为1.0×10?2 mg/mL,芴浓度为1.0×10?3 mg/mL,甲苯浓度为1%(v/v),以甲醇为溶剂,用于分析方法评价。HPLC级甲醇和乙腈购自上海兴科溶剂有限公司。水使用Milli-Q系统(Millipore, Bedford, MA, USA)纯化至电阻率
窗口大小优化
窗口大小n是MW-ANOVA算法中的一个关键参数,它决定了噪声抑制、检测延迟和对窄峰敏感度之间的权衡。为确定制备型应用的最佳窗口大小,我们在同一段色谱数据上评估了窗口大小为8、12、16和20个数据点时的F值响应(图1b)。采样频率为10 Hz,基线噪声具有约每10个数据点
结论
在本研究中,我们开发了一种MW-ANOVA算法,用于制备型液相色谱中的实时峰检测和自动馏分收集。通过对滑动窗口内两个连续子组应用F检验,MW-ANOVA无需峰形假设或预先去噪即可区分系统性的色谱趋势和随机噪声。与一阶导数方法相比,它表现出更强的稳健性,特别是在高噪声制备条件下对浅而缓慢上升的峰的检测方面。
作者贡献声明
王宝磊和孙江岑:调查研究、方法论、撰写初稿。王浩:调查研究。葛兆松:概念构思、资源提供。李笃新:概念构思、监督指导、审稿与编辑。
作者贡献声明
王宝磊:撰写初稿、方法论、调查研究。孙江岑:撰写初稿、方法论、调查研究。王浩:调查研究。葛兆松:资源提供、概念构思。李笃新:审稿与编辑、监督指导、概念构思。
利益冲突声明
作者声明,他们不存在任何可能影响本文所述工作的已知财务利益冲突或个人关系。
致谢
我们感谢江苏省高校优势学科建设工程(PAPD)对本研究的支持。
王宝磊|孙江岑|王浩|葛兆松|李笃新