在RPLC中使用串联耦合柱实现广义保留模型：一项基于柠檬香蜂草提取物的研究

《Analytica Chimica Acta》：Implementation of generalised retention models in RPLC using serially coupled columns: a study based on lemon balm extracts

该研究通过分析柠檬草提取物在串联色谱柱系统中的保留行为，验证了广义模型（GEMs）在预测峰反转方面的有效性。实验发现，当不同化学性质的色谱柱（C18、Phenyl、Cyanohexyl）串联时，GEMs能捕捉柱间保留时间变化带来的显著选择性差异，成功预测单柱系统无法检测的峰反转现象，而传统个体模型（ISMs）虽更准确但需单独建模。该成果为复杂天然产物分离方法开发提供了新思路。

　　在现代分析化学中，植物提取物的分离和分析是确保其质量与安全的重要环节。由于植物成分复杂，含有数百种化合物，这些成分在植物种类、生长环境、储存方式以及处理过程中可能发生变化，因此开发可靠的分析方法对于评估植物产品的药效至关重要。本研究探讨了通用模型（Generalised Models, GEMs）在不同柱连接配置下的应用潜力，特别是在处理复杂样品时，其在预测保留时间变化和峰反转方面的有效性。通过实验和模拟，研究揭示了在单柱和串联柱系统中，GEMs相较于传统的个体溶质模型（Individual Solvent Models, ISMs）能够更准确地预测选择性变化，特别是在峰反转现象上表现出更高的灵活性。

### 1. 选择性与分析方法的重要性

植物在人类健康和医疗领域扮演着至关重要的角色。从古代的草药到现代的天然药物，植物化合物因其独特的生物活性而被广泛应用。然而，随着植物产品的商业化和全球化，确保其质量和药效成为一项复杂而关键的任务。传统的分析方法虽然在一定程度上能够满足需求，但其在处理复杂混合物时往往面临挑战，特别是在预测不同溶质的保留行为和选择性变化方面存在局限。

为应对这一挑战，研究者们不断探索新的分析策略。其中，保留时间模型的应用为这一领域带来了显著进展。保留时间模型能够通过实验数据预测溶质的行为，从而帮助优化分离条件，提高分辨率。个体溶质模型（ISMs）通过单独建模每种溶质，能够在特定条件下实现高精度预测，但其需要大量的实验数据，限制了其在复杂样品中的应用。相比之下，通用模型（GEMs）能够通过整合溶质特异性参数与系统通用参数，实现更广泛的适用性。这种模型尤其适用于含有大量未知成分的复杂植物提取物，能够通过有限的实验条件预测所有可见成分的保留行为。

### 2. 通用模型在单柱与串联柱系统中的表现

尽管GEMs在单柱系统中表现出较高的预测能力，但在某些情况下，它们无法准确预测峰反转。峰反转指的是某些溶质在不同实验条件下改变其在色谱图中的相对位置，从而影响整个样品的分离顺序。在单柱系统中，由于系统参数保持不变，这种现象难以被模型捕捉。然而，当多个具有不同选择性特性的柱子通过零死体积连接器串联使用时，溶质在不同柱子间的迁移会引发更显著的选择性变化，从而使得峰反转成为可能。

本研究通过使用柠檬百里香（Lemon Balm）提取物，系统地评估了GEMs在串联柱系统中的预测能力。研究选择了16个峰作为参考，这些峰在不同梯度条件下被追踪，并用于构建保留模型。通过对比ISMs和GEMs的预测效果，研究发现，GEMs在串联柱系统中能够更准确地预测峰反转，这与其在单柱系统中的局限性形成鲜明对比。这种能力的提升不仅拓展了GEMs的应用范围，也为复杂样品的分析提供了新的可能性。

### 3. 通用模型的构建与应用

在构建GEMs时，研究采用了基于梯度的实验设计，即通过在色谱过程中使用不同梯度条件，获得足够的保留时间数据。这些数据被用于拟合模型参数，包括溶质特异性参数和系统通用参数。通过这种方法，研究者能够构建出适用于所有溶质的保留模型，而不仅仅是那些在训练集中的溶质。

在实验过程中，采用了不同的柱子进行分析，包括传统的C18柱、苯基柱（PHE）和氰基己基柱（CN）。每种柱子具有不同的保留机制，从而影响溶质的迁移行为。通过将这些柱子串联使用，研究进一步探讨了溶质在不同柱子间迁移时的相对保留变化。这种变化不仅取决于溶质的性质，还受到梯度程序、柱子长度和连接方式的影响。

研究中使用的梯度程序为双线性梯度，即由两个线性段组成。这种设计提供了更大的灵活性，使研究人员能够优化分离条件，提高分辨率。通过调整梯度节点的位置，研究团队能够探索不同梯度条件下的选择性变化，并观察峰反转的发生情况。结果表明，某些梯度条件能够导致峰反转，而这些条件在单柱系统中无法被GEMs准确预测。

### 4. 实验设计与数据处理

实验设计的关键在于选择合适的梯度条件和柱子配置，以最大化溶质的分离效果。研究团队采用了遗传算法（Genetic Algorithm, GA）来系统地优化梯度节点的位置，从而生成一系列不同的梯度条件。这些条件被用于分析16个参考峰的保留行为，评估ISMs和GEMs在不同配置下的预测能力。

在数据处理方面，研究使用了MATLAB软件，结合自定义的函数进行峰检测、基线校正、峰属性测量和模型拟合。通过这种方式，研究人员能够有效地分析色谱数据，并生成准确的保留时间预测。同时，研究还采用了全局优化工具箱，以提高模型的拟合精度。

实验中使用的柠檬百里香提取物通过不同的梯度条件在三种柱子上进行了分析。研究人员通过比较实验数据与模型预测结果，评估了不同模型的准确性。结果显示，ISMs在预测单个溶质的保留时间方面表现出更高的精度，而GEMs在预测整体样品行为方面具有更大的灵活性。特别是在串联柱系统中，GEMs能够更准确地预测峰反转，这表明其在处理复杂样品时具有显著优势。

### 5. 通用模型的潜力与挑战

研究结果表明，GEMs在处理复杂样品时，尤其是在串联柱系统中，能够有效预测选择性变化和峰反转。这种能力使得GEMs成为一种更为实用的分析工具，特别是在需要快速分析大量成分的场景中。然而，尽管GEMs在预测方面表现出色，其在某些情况下仍存在局限性，特别是在处理具有相似保留行为的溶质时，可能会出现预测偏差。

此外，研究还指出，GEMs的适用性受到实验条件和柱子配置的影响。在单柱系统中，GEMs的表现受到限制，但在串联柱系统中，其预测能力得到了显著提升。这表明，通过合理设计柱子连接方式和梯度条件，可以进一步提高GEMs的准确性。

在实际应用中，GEMs的优势在于其能够减少实验数据的采集需求，从而降低实验成本。然而，其在预测峰反转方面的表现仍需进一步优化。研究团队认为，未来的工作应致力于改进GEMs的模型参数，以提高其在不同实验条件下的适用性。

### 6. 实际应用与未来展望

GEMs的应用不仅限于实验室研究，其在实际分析中的潜力也值得进一步挖掘。例如，在中药材的质量控制中，GEMs可以用于快速评估样品的保留行为，而无需对每种成分进行单独建模。这种模型的灵活性和高效性使其成为分析复杂植物提取物的理想选择。

此外，研究还强调了GEMs在分析中实际应用中的重要性。通过减少实验数据的采集需求，GEMs能够显著提高分析效率，同时保持较高的预测精度。这种优势在需要处理大量样品或进行高通量分析时尤为重要。

尽管GEMs在预测峰反转方面表现出色，但其在某些情况下仍存在局限性。例如，在处理具有高度相似保留行为的溶质时，GEMs可能无法准确预测其分离顺序。因此，未来的研究应进一步优化模型参数，提高其在复杂样品中的适用性。

总体而言，GEMs为植物提取物的分析提供了一种新的方法，特别是在处理复杂样品和预测峰反转方面表现出色。通过合理设计实验条件和柱子连接方式，研究人员可以进一步提升GEMs的预测能力，使其在实际应用中发挥更大的作用。未来的研究应继续探索GEMs在不同分析条件下的表现，以推动其在植物分析领域的广泛应用。