カラムクロマトグラフィー精製におけるNIR光学センシングと進化的注意LSTMモデリングを用いたリアルタイム濃度予測

科学分野:

• 分析化学
• 化学計量学
• 天然物化学

背景:

• ジンセノサイドはアメリカニンジンにおける主要な生理活性化合物であり、精製中の精密な品質管理が必要である。
• 従来のジンセノサイドモニタリング方法は遅く、リアルタイムのプロセス調整には適していない。
• 低含量のジンセノサイドは、複雑な混合物中の正確な定量化にとって課題となる。

研究 の 目的:

• カラムクロマトグラフィー中のジンセノサイド濃度のリアルタイムモニタリングのための迅速で非破壊的な方法を開発すること。
• 近赤外（NIR）分光法と高度な深層学習モデルを統合して動的予測を行うこと。
• 天然物精製プロセスの効率と精度を向上させること。

主な方法:

• 高速スペクトルデータ取得のために近赤外（NIR）光学センシングシステムを利用した。
• 動的なジンセノサイド濃度予測のために、進化型注意ベースの長期短期記憶（EA-LSTM）モデルを開発・適用した。
• 8回の溶出バッチからのオフラインスペクトルと超高性能液体クロマトグラフィー（UPLC）データを相互参照してモデルをトレーニングおよび検証した。
• 工業的応用の条件を再現するために、高周波サンプリングをシミュレートした。

主要な成果:

• オフライン条件下でジンセノサイド濃度の予測において高い精度を達成した（R² = 0.9841、RPD = 7.94）。
• システムは、動的条件下で堅牢なパフォーマンスを示し、優れた精度（R² = 0.9694、RPD = 5.72）を達成した。
• 0.34ミリ秒の高速応答時間を達成し、ニアリアルタイムモニタリングを可能にした。

結論:

• 開発されたNIR-EA-LSTMシステムは、クロマトグラフィー中のジンセノサイドをモニタリングするための、高速、非破壊的、かつ正確なソリューションを提供する。
• この技術は、天然物精製におけるリアルタイムのインライン品質管理とインテリジェントなプロセス最適化のための大きな可能性を秘めている。
• このアプローチは、特に低含量化合物の場合、動的プロセスモニタリングにおける従来の分析の限界に対処するものである。