论文部分内容阅读
具有“二阶优势”的化学多维校正方法可以在有未知干扰共存的情况下实现多目标分析物的同时定量分析,以数学分离代替或简化物理和化学分离,与现代分析仪器结合发展高效、绿色的分析方法和策略。近年来,这类化学多维校正方法已经成功地应用到了多种复杂体系中感兴趣物质的定量分析研究,包括环境、食品、医药、生物基质等复杂体系。将化学多维校正的“二阶”及“高阶优势”推广应用到更多的实际分析体系,用于解决定量及相关的问题,同时进一步挖掘多维校正方法所获取的定性定量信息是值得继续深入研究的方向。此外,具有“二阶优势”的化学多维校正方法在动态复杂体系中的原位、实时和无损定量分析中有广阔的应用前景,而目前关于此类方法在动态复杂体系中的原位、实时和无损定量分析的研究报道还不是很多,有必要将化学多维校正的优良方法应用于动态复杂体系中的原位、实时和无损定量分析,为医药、食品和环境分析等领域提供实用的创新性研究方法和工具。基于此,本论文开展了化学多维校正在食品质量安全和药物水解动态过程中的定量分析研究,主要包括6个方面的研究工作:在第2章中,本论文提出采用交替三线性分解(Alternating trilinear decomposition,ATLD)方法辅助高效液相色谱二极管阵列检测(High performance liquid chromatography-diode array detection,HPLC-DAD)策略用于10种中国茶叶中的没食子酸、咖啡因和6种儿茶酚类物质的同时、快速定量分析。基于ATLD方法的“二阶优势”及对组分数不敏感的特点,这一策略有效地解决了色谱分析中峰共流出和基线漂移的问题。在两种选定的茶叶样本中,8种目标分析物的平均加标回收率在91.7-103.1%的范围内,对应的标准偏差在1.9-11.9%之间。灵敏度(Sensitivity,SEN)、选择性(Selectivity,SEL)、预测均方根误差(Root-mean-square error of prediction,RMSEP)和检测限(Limit of detection,LOD)等品质因子参数的计算结果也表明ATLD方法辅助HPLC-DAD策略所得的分析结果是准确可靠的,且这一策略具有较低的LOD值,可以满足茶叶中上述8种活性物质的定量分析。为了进一步验证方法的准确性,将ATLD方法辅助HPLC-DAD策略所得的定量分析结果与LC-MS/MS所得结果进行了对照比较,F检验和t检验的结果表明,这两种方法的定量结果之间没有显著性差异。此外,为了考察ATLD方法辅助HPLC-DAD策略的通用性,还将这一策略应用于其他不同级别和种类的茶叶中8种目标分析物的定量分析研究。最后,基于上述得到的8种目标分析物的含量,采用主成分分析对茶叶样本进行分类研究,实现了绿茶、乌龙茶和普洱茶的分类研究。结果表明,本章中所提出的分析策略可用于中国茶叶样本中没食子酸、咖啡因和6种儿茶酚类物质的快速、准确定量分析,所得的定量分析结果可用于分类研究。在第3章中,本论文提出采用化学计量学辅助hplc-dad策略用于处理不同色谱柱和样本基质造成的干扰模式变化的问题。文中以定量分析仅经过脱气的5种不同的饮料基质中6种人工合成色素为例进行研究。在相同的色谱条件下,采用两种不同的c18色谱柱对人工合成色素混合样及实际的饮料样品进行分析。使用不同的色谱柱分析同一样本,所得到的色谱共流出情况各不相同,在越复杂的样品基质中,这一现象越明显,共流出情况的差异也越大。尽管如此,基于atld方法对数据分别进行解析,都得到了准确的色谱、光谱轮廓以及相对浓度信息。最后将atld方法得到的定量结果与hplc-uv方法所得的结果进行比较,统计分析结果表明两种方法所得的定量结果之间没有显著性差异。本章研究表明,atld方法辅助hplc-dad策略准确、经济且具有通用性,可用于处理复杂食品分析体系中所遇到的不同色谱柱和样本基质造成的干扰模式变化的问题,简化色谱柱的筛选和样品预处理过程。在第4章中,本论文提出采用激发发射矩阵荧光与基于交替归一加权残差(alternatingnormalization-weightederror,anwe)算法的二阶校正方法相结合用于人体液(血浆和尿液)样中伊立替康(irinotecan,cpt-11)及其主要代谢产物7-乙基-10-羟基喜树碱(7-ethyl-10-hydroxycamptothecin,sn-38)的同时快速直接定量分析。cpt-11与sn-38的光谱重叠严重,同时人体液中的未知干扰物光谱与目标分析物光谱也严重重叠。尽管如此,借助二阶校正方法的“二阶优势”,anwe方法对三维数阵解析仍能得到cpt-11和sn-38准确的激发、发射光谱及定量信息。血浆和尿液样中cpt-11的平均回收率分别为(96.8±6.3)%和(101.7±1.1)%,sn-38的平均回收率分别为(100.4±4.9)%和(101.6±1.1)%。此外,通过品质因子,如sen、sel、lod和loq等评估了该方法的准确性和可实施性。研究结果表明,该方法以“数学分离”代替繁琐的“物理和化学分离”,成功地解决了复杂体系中内源干扰物质与分析物光谱重叠而难分辨的问题,可用于人体液样中cpt-11和sn-38的直接快速定量分析。在第5章中,本论文提出采用基于交替归一加权残差(anwe)算法的二阶校正方法处理激发×发射×(静态校正样本+动力学样本)的三维数阵,实时定量监测伊立替康(cpt-11)在ph值为7.4的pbs缓冲液和人血浆中的水解动力学过程。尽管cpt-11的内酯形式(cpt-11-l)和羧酸形式(cpt-11-c)之间光谱重叠严重,且血浆中未知干扰物的光谱与反应物和生成物的光谱之间也严重重叠。但借助二阶校正方法的“二阶优势”,依然可以解析得到cpt-11-l和cpt-11-c准确的激发、发射光谱及其动力学过程中的相对实时浓度信息。静态验证样、血浆加标样和动力学样本的加标回收率范围为83.7%-116.7%。cpt-11的水解反应符合一级动力学方程,利用anwe方法预测得到的实时浓度信息求得cpt-11在ph值为7.4的pbs缓冲液和人血浆中的反应速率常数分别为(0.0318±0.0031)min-1和(0.0323±0.0008)min-1,半衰期分别为(21.9±2.0)min和(21.5±0.5)min。研究表明,本章所提出的分析策略简单、成本低廉、高效,有望用于其他动态复杂体系中药物或其他物质的原位、实时和无损定量分析。在第6章中,本论文以伊立替康(CPT-11)的水解动力学过程为例,分别建立三维校正和四维校正模型用于动态复杂体系中反应物的实时定量分析。通过预测得到的实时浓度、初始浓度加标回收率及品质因子参数如平均预测误差(Average relative prediction error,ARPE)、SEN、SEL、LOD等对两种模型进行比较。研究发现,三维校正和四维校正模型均可以实现动力学过程中目标分析物的实时定量分析。其中采用三维校正模型可以极大地减少实验工作量,且三维校正模型更为灵活,可用于多种类型的动力学过程的实时定量分析。但是受限于校正曲线的校正浓度范围,在目标物实时浓度过低的情况下会导致预测结果不准确。而四维校正模型由于在校正样中增加了动力学维度的信息,可以很好地弥补三维校正中的这一缺点;但四维校正模型的实验工作量很大,且基于四线性分解模型的四维校正方法只能用于符合一级动力学模型的反应过程的实时定量分析,同时还有引入强共线性的风险。本章的研究工作可以为选择合理的方法进行动态复杂体系中目标分析物的实时定量分析研究提供指导。随着联用仪器的广泛使用,具有“二阶优势”的化学多维校正方法已成为解析多维化学数据的最常用方法之一。为了更好地将化学多维校正方法应用于动态复杂体系中目标分析物的实时或在线分析及组学研究中,加快多维校正算法的运算速度是化学计量学基础理论研究的重要内容之一。在第7章中,本论文采用三维和四维模拟数据及实际数据探讨了基于不同的奇异值分解方法求解Moore-Penrose广义逆对三维和四维校正算法运算速度的影响。研究表明,基于截尾的奇异值分解(Truncated singular value decomposition,TSVD)和双向奇异值分解(Two-direction singular value decomposition,D2SVD)的平行因子分析算法(Parallel factor analysis,PARAFAC)和四维平行因子分析算法(Four-way parallel factor analysis,four-way PARAFAC)的运算速度明显快于基于常规奇异值分解(Normal singular value decomposition,SVD)的PARAFAC和four-way PARAFAC算法。而对于ATLD算法和交替四线性分解(Alternating quadrilinear decomposition,AQLD)算法而言,因为它们本身具有收敛速度快的特点,在数据阵较小时,不同的奇异值分解方法对各算法运算速度的影响不是很大。但是,在面临较大的多维数据阵时,基于D2SVD和TSVD的ATLD和AQLD算法的运算速度明显快于基于SVD的ATLD和AQLD算法。总体上来说,基于D2SVD的多维校正算法表现出了更快的运算速度和抗共线性能力,且不论是基于何种奇异值分解方式,对最终的定性和定量结果没有影响,仅会影响算法的运算速度。这一研究内容为我们提供了一种新的提高算法运算速度的思路。