在温度编程气相色谱中,保留指数与加热速率的依赖性的大规模统计研究

科学领域:

• 分析化学 分析化学
• 染色体学 染色体学 是一种染色学.
• 物理化学 物理化学

背景情况:

• 气相色谱 (GC) 中的保留指数 (RI) 对于化合物识别至关重要.
• 通常认为RI是独立于实验条件的,例如加热速率.
• 这个假设被NIST 20数据库所质疑,揭示了显著的RI变化.

研究的目的:

• 在线性温度编程GC中调查保留指数与柱子加热速率的依赖性.
• 量化分子描述符与RI观察到的变化之间的关系.
• 开发用于RIs的加热速率依赖的预测模型.

主要方法:

• 来自NIST 20数据库的大型数据集的分析,重点关注相同化合物和静止相的不同加热速率的记录.
• 计算D,角系数表示RI与加热速率的斜率.
• D和分子描述符之间的相关性分析 (例如,分子量,logP,循环数,可旋转键,芳香原子).
• 开发线性方程和机器学习模型 (梯度增强,随机森林) 来预测D.

主要成果:

• 该研究发现,RI对加热速率有显著的依赖性,特别是对于多5%-二-95%-二甲基) (5%--PDMS) 静止相.
• 芳香和多芳香分子的D值是最高的,而含氧化合物的D值较低. 三甲基衍生物经常表现出负的D值.
• D与与形状刚性 (循环数,可旋转键,芳香原子) 相关的分子描述符有很强的相关性,但与脂性和分子量有很弱的相关性.
• 经验线性方程和机器学习模型被开发用于估计D,梯度增强和随机森林显示了对D的最佳预测性能.

结论:

• 柱子加热率是一个关键的,经常被忽视的,影响GC保留指数的因素.
• 分子结构,特别是形状刚性和特定功能组 (芳香,氧,) 的存在,显著影响RIS的加热速率依赖.
• 度因子似乎是RI变化与加热速度的主要驱动因素,这表明需要将动态色谱参数纳入化合物识别和分析.