分析测试百科网

搜索

分析测试百科网 > 行业资讯 > 微信文章

漫谈全二维气相色谱方法优化(一)

雪景科技全二维
2021.10.28

点击关注雪景科技全二维,了解多维色谱的最新技术进展和应用


跟大家聊聊GCxGC方法优化的那些事。


众所周知,方法优化是GCxGC分析里非常关键的步骤,要达到优秀的分离效果,需要对色谱柱配置、GC的流量和温度、调制器参数等进行调整和优化。如果优化不好,反而达不到理想的效果,有时甚至连常规一维分析都不如,那就失去了全二维的意义了。


但是同时,GCxGC方法优化听上去又非常的复杂,本来一维色谱的参数就够多了,全二维还多了一根柱子,还有不同的调制参数,究竟该怎么做呢?很多人就开始出现畏难心理了。


 098defff860488bd7aad24383fe9c33a.jpeg


不要着急,其实GCxGC的方法优化并没有那么难,只要具备常用的色谱分离知识,掌握起来自然水到渠成。


具体怎么优化,首先要明白什么是好的全二维分离。今天主要讲讲这个。









下面两张图是典型的全二维色谱图(GCxGC和LCxLC都类似),左边是三维视图,但由于三维上很多峰都相互重叠,不太容易识别或标记,一般采用右边的投影图,也就是将z轴上的峰高用颜色表示,这个大家应该都理解了,不具体展开。


1c315a45a3e409901c80d4a4a6dff28e.jpeg


我们平常说的全二维分离好或者不好,主要看两个方向上分离情况,一维分离和二维分离。


二维分离,指的是在二维柱上的分离情况,调制器释放相当于进样过程,二维柱分离完后马上进入检测器,这个过程更接近于我们常见的一维色谱,由于每次从调制器释放出来的物质在二维柱上的分离时间不会超过调制周期(理想情况),一般我们只关心某一个周期内的二维分离情况(如果调制器同一切片的物质在二维上的分离时间超过一个周期,称为峰迂回wrap-around,这是需要避免的情况)。

42d745dd6df7f8df7ee9a2b0defafff0.png

小提示:在Canvas软件上点击任一色谱峰,一维视图上就会出现在这个周期上的二维分离情况,以常见的一维色谱形式显示。



e0a92fdc9823db3dbb041020da4521ae.jpeg


二维分离跟常规一维色谱类似(你可以理解成只有1m多长的柱子和几秒钟的分析时间的一次色谱分离),而且这个分离过程可近似认为是恒温的(为什么?留给大家思考)。我们主要看不同峰之间的分离程度,跟一维色谱一样,两个峰离得越开,说明分的越好;如果相互重叠,说明分离不好。在全二维谱图上,主要表现在竖直的方向上的分离度(同一周期内),这里你需要一点点空间想象力,把这一个个斑点想象成垂直于屏幕的峰,颜色代表峰高。很多软件也可以把某个周期内的谱图以一维色谱的形式单独展示出来,以便大家观察、分析和处理。


二维分离优化的方法也和常规一维色谱一样。如果分离不够,那就增加二维柱长,增加二维膜厚,降低二维流速,或者降低分离时的温度(这个跟一维分析相关,后面再讲);而如果分离过度(是的,二维分的太开也会是问题,至于为什么?还是留给大家思考),则正好相反,减少二维柱长,减少二维膜厚,增加二维流速,增加分离温度。


一维分离,指的是在一维柱上的分离情况,这个表现在横轴(水平方向)上的分离度。

42d745dd6df7f8df7ee9a2b0defafff0.png

小提示:Canvas软件界面上,对于每一个全二维谱图,都有一个对应的一维投影图,把每个周期内的信号相加后得到的一个一维色谱图,可以近似模拟单单用一维柱分离该样品所得到的效果。当然,这个“一维色谱图”的数据采集频率是调制周期的倒数(比如,如果调制周期是4s,那这个色谱图的采集频率就是0.25Hz),而真正一维色谱分析频率都在1Hz以上,相比正常的色谱图,这个图略显粗糙,可能峰面积不够准确,峰型也不好,但不影响我们的判断。

 f60d984d8f722a553c6404498d03f161.jpeg


需要注意的是,全二维谱图是由不同周期的二维谱图转置90°后并排放置形成的(回想下全二维谱图的生成方法),横轴方向其实是切片的数量,只是软件自动把切片数乘以调制周期才得到的一维保留时间。所以横轴的数值应该是离散的(单位是切片数),但一般为了显示美观,大部分软件都会对信号做一些平滑处理,看起来像是连续的时间一样。

42d745dd6df7f8df7ee9a2b0defafff0.png

小提示:Canvas软件有像素显示模式,可以看到原始的未经平滑处理的全二维谱图。在像素模式下,水平方向的信号很明显是离散的,基本单位为调制周期。

 19324839b34b2dee94b6fc31f82c8e77.jpeg


另外,我们讨论的一维分离是在二维分离不理想的前提下,如果二维已经分离很好,即使一维没有分开,也没有问题(事实上这才是全二维的优势所在,将原来一维未能分开的共流出物质在二维方向上分开)。但如果是二维保留时间相差不多的情况下,在一维相邻的两个周期内有不同的峰出现,就说明一维分离不好,除非,这两个峰是属于同一个物质的不同切片。因为大部分物质在调制器内都会被切割多次,所以在相邻的多个周期内,都会出现同一个物质的峰(切片),这些切片的二维保留时间基本一致(为什么?留给大家的第三个问题)。根据这个原理,常规的算法会把相邻周期内二维时间相近的峰进行合并(认为是同一个物质),组合后形成一个二维峰。


好了,现在出现了一个问题,如果相邻周期内相近二维时间上有几个峰,我怎么知道这是同一个物质的不同切片,还是几个不同的物质?

 f7d6e405f7fce8161bec2f7bcc5ede1f.jpeg


一般有两个方法可以判断,

从色谱方面,看在相邻几个周期内这几个切片峰的包络线,也就是峰高的变化趋势,是否符合一个标准的高斯曲线(中间高,两边低)。如果是一维上同一个峰切割产生的不同切片,应该大致符合高斯分布(可能有些拖尾或前倾等异常,如上图中A,一维拖尾较明显);如果是两个在一维上稍有分离的峰,这几个切片峰会出现明显偏离高斯分布的现象,比如上图中B,出现低-高-低-高-低 的峰高变化趋势,说明肯定有不同的物质包含其中。大部分全二维色谱软件都会有相应的算法进行判断,并进行切片的自动合并。

42d745dd6df7f8df7ee9a2b0defafff0.png

小提示:除了自动识别来自同一个物质的切片并将其合并,Canvas同时也支持对相邻几个周期内的切片进行手动合并或分割操作。


从质谱方面,这个简单些,还可以通过比较其离子碎片的相似性来判断(质谱数据),如果离子碎片相差较大,说明有不同的物质存在。但是需要注意,很多同分异构体具有相似的质谱离子碎片,如果离子碎片相同,并不能确保就是同一种化合物,还是需要再回到第一点色谱峰轮廓去判断。


当然,如果在一维上完全没有分开(完全重叠),而二维上的保留时间也基本相同,另外连质谱碎片也一致,那全二维谱图上就很难进行区分了,这时应该优化分离条件,或选择更合适的一维或二维柱进行分析。









最后说明一点,由于调制器的收集过程对一维柱的分离会产生一定的破坏(原先分离好的组分会重新在调制器内混合),全二维的一维分离效果会比用常规一维色谱要差一些。也就是说,一维柱相同的前提下,如果常规一维分不开,全二维的一维肯定分不开;如果常规一维只能将将分开,全二维的一维也可能分不开。


全二维的高效分离作用主要体现在二维分离上!!!


这句话很重要,一定要牢记。


我们的主要任务是如何提高二维上的分离效果,而二维要达到最好的分离效果,很多时候需要通过改进一维分离的条件来实现。


这句话更重要,我们需要专门就它来展开说说,也就是全二维的分离过程具体是怎么实现的。下次再见。



如需转载,联系雪景科技。


关注雪景科技全二维,如果您有任何要求或问题,请给我们留言哦!


45a9e35291d955f60903a9b28a2213b7.jpeg


详细信息请点击雪景科技官方网站查询

www.jnxtec.com

400-1800--992


04ae425d55edac9dee8b38b2648bf6b4.jpeg




发布需求
作者
头像
仪器推荐
文章推荐