多元曲線分辨等化學(xué)計(jì)量學(xué)方法在分析化學(xué)中的應(yīng)用研究.pdf

1、當(dāng)研究一種分離方法時(shí)，大量的時(shí)間和精力將用于分離條件的優(yōu)化，以便能夠使混合物中每一種組分得到分離、分析。然而，由于分離技術(shù)的復(fù)雜性和局限性，完全分離的條件有時(shí)很難找到。當(dāng)混合物的實(shí)際分離不能達(dá)到時(shí)，用多元曲線分辨方法仍可對重疊的信號峰進(jìn)行所謂‘軟分離’。多元曲線分辨(Multivariate Curve Resolution，MCR．)是這樣一組技術(shù)，它能夠從未知混合物的各種演進(jìn)過程的數(shù)據(jù)中提取出純物質(zhì)的各種響應(yīng)曲線(如，光譜，pH曲線

2、，時(shí)間曲線，洗脫曲線，濃度曲線，等等)，而不需要預(yù)先知道未知樣本的種類及組成信息。本研究工作將多元曲線分辨方法運(yùn)用于毛細(xì)管電泳(Capillary Electrophoresis，CE)重疊峰的分辨和中藥色譜指紋圖譜的質(zhì)量評價(jià)中，討論了光譜相似度，峰重疊程度，內(nèi)標(biāo)校正，交替最小二乘(Altemating Least Square，ALS)迭代優(yōu)化初始值，分離條件的變化，數(shù)據(jù)預(yù)處理等等重疊峰分辨中遇到的問題，實(shí)現(xiàn)了未完全分離組分的定量，并

3、比較了幾種不同分辨定量方法的優(yōu)劣。 手性是自然界特別是生物體的本質(zhì)屬性，手性選擇性也是生命過程中的必然規(guī)律，例如手性物質(zhì)被各種生物攝取吸收、在生物體內(nèi)代謝轉(zhuǎn)化、排泄等一切涉及生命活動的過程往往會存在手性選擇性，而且手性物質(zhì)的生物效應(yīng)，包括致畸、致癌、致突變、內(nèi)分泌干擾活性等也會呈現(xiàn)手性選擇性。因此，手性識別研究具有重要的理論和實(shí)際研究意義。本論文中將人工神經(jīng)元網(wǎng)絡(luò)、偏最小二乘、實(shí)驗(yàn)設(shè)計(jì)等化學(xué)計(jì)量學(xué)方法，用于毛細(xì)管電泳、紫外一可見

4、光譜以及熒光光譜手性識別等領(lǐng)域，為建立快速、準(zhǔn)確、靈敏的手性識別方法提供了有利的理論依據(jù)。 本研究工作主要分為三大部分： 一、多元曲線分辨在毛細(xì)管電泳重疊峰分辨中的應(yīng)用 1 二階多元曲線分辨方法用于復(fù)方降壓片毛細(xì)管電泳分離中完全分離組分的定量本章用二階多元曲線分辨，以漸進(jìn)因子分析(Evolving Factor Analysis，EFA)和純組分光譜檢測分析結(jié)果為初始值，對復(fù)方降壓片的毛細(xì)管膠束電動色譜分離中完全

5、重疊和未完全重疊的組分進(jìn)行分辨和定量。當(dāng)待測樣本數(shù)據(jù)矩陣與已知濃度的混合物矩陣一起分析時(shí)，即可用傳統(tǒng)的工作曲線法對重疊的組分進(jìn)行定量。 本章中還將二階多元曲線分辨的定量結(jié)果與人工神經(jīng)元網(wǎng)絡(luò)(Artificial NeuralNetwork，ANN)、導(dǎo)數(shù)光譜的定量結(jié)果進(jìn)行了比較。 2 多元曲線分辨在聯(lián)用數(shù)據(jù)分析中的應(yīng)用本章通過對模擬數(shù)據(jù)和高效毛細(xì)管電泳實(shí)驗(yàn)數(shù)據(jù)的分析，討論了多元曲線分辨-交替最小二乘方法在毛細(xì)管電泳．二

6、極管陣列檢測聯(lián)用數(shù)據(jù)分辨中的應(yīng)用。討論了幾種因素對MCR-ALS單個數(shù)據(jù)矩陣分辨結(jié)果的影響，包括待分析物光譜間的相似程度，濃度曲線的重疊程度，以及由漸進(jìn)因子分析所得到的濃度初始值等。MCR—ALS還可用于多個數(shù)據(jù)矩陣的同時(shí)分析，即二階MCR-ALS。結(jié)果表明，與一階MCR-ALS相比，二階MCR-ALS方法能夠更好地解決各種分辨問題，得到合理和滿意的分辨結(jié)果。 3 內(nèi)標(biāo)校正在多元曲線分辨中的應(yīng)用本章將討論內(nèi)標(biāo)校正在毛細(xì)管電泳重疊

7、峰分辨和定量中的應(yīng)用。提出了一種同時(shí)考慮所有分析通道吸收值變化的內(nèi)標(biāo)校正系數(shù)計(jì)算方法。將混合物光譜檢測值矩陣與純物質(zhì)光譜檢測值矩陣組成擴(kuò)展矩陣并同時(shí)分析，比較分辨所得的濃度曲線峰面積，即可計(jì)算出組分的濃度，該濃度為未經(jīng)內(nèi)標(biāo)校正的結(jié)果。同時(shí)，用MCR方法分析由內(nèi)標(biāo)物光譜檢測值矩陣組成的擴(kuò)展矩陣，所得的濃度曲線峰面積比作為內(nèi)標(biāo)校正系數(shù)。分辨前，對數(shù)據(jù)進(jìn)行了基線校正和峰位移校正。比較了MCR-ALS和GRAM兩種方法的定量結(jié)果。對于MCR-A

8、LS，內(nèi)標(biāo)校正的使用改善了定量精密度，而對于GRAM，還有待于進(jìn)行進(jìn)一步的研究。 4 利用不同電泳分離條件產(chǎn)生的三維數(shù)據(jù)改善多元曲線分辨結(jié)果討論了一種用二階MCR-ALS改善CE重疊峰分辨的新策略。在背景緩沖溶液中分別加入不同的有機(jī)溶劑，得到不同重疊程度的CE重疊峰。將這些不同重疊程度的重疊峰組成擴(kuò)展矩陣，用二階MCR-ALS進(jìn)行分辨，可最大程度地利用分離所得到的有用信息從而改善分辨結(jié)果。以3，4-二氫嘧啶-2-酮衍生物為模型化

9、合物。將八種3，4-二氫嘧啶-2-酮衍生物混合，對混合溶液的毛細(xì)管電泳重疊峰進(jìn)行分辨。以其中一種衍生物為主要成份，其它為雜質(zhì)，考察了雜質(zhì)濃度分別為100％，20％和10％時(shí)的分辨結(jié)果。用以上提出的策略，在沒有標(biāo)準(zhǔn)物的情況下，可以分辨出重疊峰簇中10％的雜質(zhì)峰?？疾炝瞬煌袡C(jī)添加劑所產(chǎn)生的組分光譜的變化，估計(jì)了這種變化對分辨的影響。結(jié)果表明，有機(jī)添加劑所帶來的組分光譜的改變很微弱，但其對分離度的改善十分明顯。用MCR-ALS對單個數(shù)據(jù)矩陣

10、進(jìn)行了分析，并將分析結(jié)果與演進(jìn)特征投影分析以及二階MCR-ALS分析結(jié)果進(jìn)行了比較。 二、多元曲線分辨在中藥指紋圖譜中的應(yīng)用 1 MCR-ALS用于延胡索藥材中有效成分的定量本章采用MCR-ALS方法，對延胡索藥材色譜指紋圖譜產(chǎn)生的吸收值數(shù)據(jù)進(jìn)行分析。主要對延胡索藥材中的有效成分延胡索乙素和原阿片堿的色譜重疊峰進(jìn)行了分辨，并與對照藥材相比，通過延胡索乙素和原阿片堿的含量重新評價(jià)了不同產(chǎn)地延胡索藥材的質(zhì)量。 三、化

11、學(xué)計(jì)量學(xué)方法在手性藥物識別方面的應(yīng)用 1 結(jié)合導(dǎo)數(shù)電泳、實(shí)驗(yàn)設(shè)計(jì)以及人工神經(jīng)元網(wǎng)絡(luò)等方法對手性藥物的毛細(xì)管電泳重疊峰進(jìn)行定量在手性藥物的毛細(xì)管電泳分離中，當(dāng)分析物未達(dá)到基線分離時(shí)，用傳統(tǒng)方法定量無法實(shí)現(xiàn)。本文通過對模擬數(shù)據(jù)和實(shí)驗(yàn)數(shù)據(jù)的分析，研究了電泳圖的n-階導(dǎo)數(shù)在手性藥物定量方面的應(yīng)用。分析前首先用Savitzky-Golay法對電泳圖進(jìn)行平滑處理。結(jié)合導(dǎo)數(shù)電泳、實(shí)驗(yàn)設(shè)計(jì)以及人工神經(jīng)元網(wǎng)絡(luò)等方法對手性藥物的毛細(xì)管電泳重疊峰進(jìn)行

12、定量。電泳圖的一階導(dǎo)數(shù)定量法得到的定量結(jié)果比高階導(dǎo)數(shù)電泳所得的定量結(jié)果準(zhǔn)確，因?yàn)楦唠A導(dǎo)數(shù)存在噪聲累計(jì)的問題。將以上方法用于手性氨基酸毛細(xì)管電泳重疊峰的定量，定量相對標(biāo)準(zhǔn)偏差可達(dá)到±3.2％。 2 牛血清蛋白紫外-可見光譜法結(jié)合偏最小二乘回歸用于測定手性化合物的對映異構(gòu)體組成本文建立了一種新的策略，用于測定牛血清蛋白(BSA)手性識別體系中手性化合物對映異構(gòu)體的組成。該策略將偏最小二乘回歸與牛血清蛋白手性識別體系的紫外．可見光譜檢

13、測結(jié)合，用已知手性化合物對映異構(gòu)體組成的樣本建模，并將模型成功地用于測試樣本的預(yù)測。以色氨酸(tryptophan，Trp)為例，當(dāng)BSA濃度為20μM時(shí)，模型預(yù)測精度可達(dá)到100nM，相應(yīng)的手性excess可達(dá)98％。另外，BSA體系還用于預(yù)測其它手性化合物對映異構(gòu)體的組成，如phenylalanine(Phe)，tyrosine(Tyr)，alanine(Ala)，cysteine(Cys)，DOPA，以及propranolol(P

14、rop)。結(jié)果表明本文所提出的策略可成功地用于手性化合物對映異構(gòu)體組成的預(yù)測。 3 用人工神經(jīng)元網(wǎng)絡(luò)法對手性化合物對映異構(gòu)體組成進(jìn)行測定本章基于牛血清蛋白(BSA)的手性識別功能，建立了一種測定手性化合物對映異構(gòu)體組成的新方法。以BSA為手性選擇劑，根據(jù)BSA與不同對映異構(gòu)體組成的手性主一客體化合物的紫外一可見光譜以及人工神經(jīng)元網(wǎng)絡(luò)分析對混合物中的手性化合物對映異構(gòu)體組成進(jìn)行測定。本工作研究了該體系對五種不同的手性氨基酸和兩種手

15、性藥物的對映異構(gòu)體組成測定，結(jié)果表明，該體系能夠有效地測定色氨酸，多巴和普萘洛爾的對映異構(gòu)體組成，定量的平均誤差分別為7.14％，2.92％和4.30％。本方法對研究藥物與生物體之間的相互作用，環(huán)境中手性農(nóng)藥污染物的檢測以及不對稱合成的產(chǎn)物分析等都具有重要的理論和實(shí)際意義。 4 牛血清白蛋白-熒光光譜測定微量/痕量手性化合物對映異構(gòu)體組成的新方法研究本部分工作將熒光光譜法，BSA主-客體化合物和化學(xué)計(jì)量學(xué)相結(jié)合，實(shí)現(xiàn)了手性化合物

16、對映異構(gòu)體組成的高靈敏測定。實(shí)驗(yàn)以較低濃度范圍的手性化合物為研究對象，利用BSA和手性化合物混合溶液的熒光光譜隨手性化合物對映異構(gòu)體組成的變化以及PLS-1分析和人工神經(jīng)元網(wǎng)絡(luò)分析，對手性化合物對映異構(gòu)體組成進(jìn)行測定。實(shí)驗(yàn)結(jié)果表明，該方法能成功地對較低濃度范圍的色氨酸對映異構(gòu)體組成進(jìn)行準(zhǔn)確測定，兩種方法用5.00μM BSA最低均可準(zhǔn)確測定0.03μM的色氨酸異構(gòu)體，充分體現(xiàn)了熒光光譜法靈敏度高的特點(diǎn)。這種高靈敏度方法為手性化合物痕量分