XiaoMi-AI文件搜索系统
World File Search System色谱
通过超高性能液相色谱与串联质谱法
抽象的姜黄素化合物是生姜中重要的生物活性化合物，但它们的分析受到低浓度的限制。在当前的研究中，使用超高绩效液相色谱和串联质谱法（UHPLC-MS/MS）建立了一种高度敏感和可靠的方法，用于同时定量检测三种姜黄素化合物。通过单个因子实验优化了提取溶剂，提取溶剂的量，超声处理时间和振荡时间。方法验证结果表明，回归系数高于0.9990，线性度令人满意。矩阵效应可忽略不计，值为94.6％–98.8％。三个峰值水平的回收率在81.7％至100.0％之间，精度小于5.4％。该方法可用于确定姜样品中的姜黄素成分，因为结果表明它易于使用，可行，可重复和准确。
摘要开发并验证了稳定性鉴定色谱法，以同时估算
摘要开发并验证了稳定性色谱法，以同时估算散装和片剂剂型的Remogliflozin和Teneligliptin。在210 nm处进行RP-HPLC洗脱液，并通过脑C18（4.6 x 150mm，4.8µm）进行色谱图。含有乙腈的流动相：以70:30服用的pH 4.4的OPA缓冲液以1.0 ml/min的流速为1.0 ml/min，温度保持在30°C，并以流速为1.0 ml/min。根据ICH Q2（R1）指南对所提出的方法进行了验证。Remogliflozin和Teneligliptin分别在2.222分钟和2.748分钟内洗脱。该方法的remogliflozin（r 2 = 0.999）的线性为12.5-75µg/ml，对于teneligliptin（r 2 = 0.999），方法为1.25-7.5μg/ml。Remogliflozin的平均恢复百分比为100.07％，在三个不同的水平上，十二列汀的平均恢复百分比为100.13％。在可接受的限制内发现方法可重复性和中间精度的结果。LOD和LOQ值从Remogliflozin和Teneligliptin的回归方程中获得的值分别为0.22、0.68和0.05、0.15。此外，强制退化研究的结果表明该方法是稳定的，表明它可以将主动分析物与降解产物区分开。开发的稳定性指示方法在研究的浓度范围内是线性的，并且精确，准确，特定和健壮。因此，它可以成功地用于常规分析和稳定性研究。关键字：Remogliflozin，Teneligliptin，RP-HPLC，稳定性。生物。第15卷[5] 2024年9月。收到04.06.2024修订版11.07.2024接受了17.09.2024如何引用本文：Dasari Vasavi D，Anil K D，Anil K D，Anantha M，P.Anitha。稳定性指示Remogliflozin和Teneligliptin的RP-HPLC方法。150-156
色谱杂志B
滥用药物的增多促使法医毒理学家开发快速、简单、微创的生物体液采样技术，并结合分析方法以确保结果准确。为此，开发了一种旨在量化 DBS 中 18 种滥用药物和代谢物的方法。通过将空白全血与 Capitainer ® B 卡上的分析物混合来验证该方法。通过靶向 UHPLC-MS/MS 方法分析提取物。在 1 – 100 ng/mL 范围内实现了以下物质的线性校准：苯丙胺、MDA、MDMA、甲基苯丙胺、可卡因、可待因、苯甲酰爱康宁、可卡乙烯、吗啡、6-MAM、丁丙诺啡、美沙酮、EDDP、氯胺酮、去甲丁丙诺啡、去甲氯胺酮、THC 和 OH-THC。除丁丙诺啡、THC 和 THC-OH 的 LOD 为 1 ng/mL 外，所有分析物的实验 LOD 均为 0.5 ng/mL。日内和日间准确度令人满意，偏差在 5% 以内。对日内和日间精密度的评估显示，除 EDDP 外，所有化合物的 CV% 值在 20% 以内。在低（2 ng/mL）和高（75 ng/mL）浓度水平下计算的平均萃取回收率为 63%，而在相同水平下确定的平均基质效应在 85% - 115% 以内，可待因（70%）和 MDMA（131%）除外。该方法应用于滴在 DBS 卡上的真实血液样本，检测到的最小值为 1.3 ng/mL。事实证明，HPLC-MS/MS 能够识别从 DBS 卡中获取的少量血液中所有低浓度的目标分析物，从而证明其是一种有效且可持续的微量采样装置。
使用3M Harvest RC色谱澄清器
3M™Harvest RC色谱澄清仪是Solventum提供的基于电荷的澄清解决方案，用于生物制造制造业，通过替换离心液和/或深度过滤步骤来替换产物产量的增加，并简化了重组蛋白质过程的功效。5此外，已经通过行业标准平台建模显示了3M™Harvest RC色谱澄清仪，以降低销售商品成本（COGS）6。我们试图探索3M™Harvest RC色谱澄清板是否设计用于简化MAB生物处理，但可以为AAV生物处理提供类似的简化过程和成本益处。尤其是，由于细胞裂解过程中同时释放HCDNA，AAV生物处理在收集AAV颗粒方面面临重大挑战，经常将昂贵的核酸酶用于预贴上HCDNA。
使用 3M Harvest RC 色谱澄清剂从 HEK 洗涤剂裂解物中去除宿主细胞 DNA 的调查案例研究
腺相关病毒 (AAV) 是广泛用于递送基因疗法以治疗各种人类疾病的载体。截至 2024 年 3 月，美国 FDA（食品和药物管理局）已批准了 5 种基于 AAV 的疗法，并且正在进行 200 多项临床试验。1 生产 AAV 的方法包括在宿主细胞（例如 HEK293）中进行瞬时三重转染、基于杆状病毒的表达系统和无辅助病毒方法（例如单纯疱疹病毒 (HSV) 系统）。2 AAV 颗粒通常在细胞内，AAV 纯化过程通常始于通过洗涤剂裂解将病毒从宿主细胞中释放出来；该细胞裂解过程也经常将 hcDNA 释放到液体中。最终产品中存在 hcDNA 对经过处理的细胞构成了重大的安全隐患
表征与液相色谱质谱法（LC-MS）的肽相关病毒（AAV）衣壳蛋白的基于液相色谱（LC-MS）的肽映射和翻译后修饰分析（PTMS）
肽映射样品制备：AAV8参考材料在2x10 13 Vg/ml的浓度下包含20μl的总体积。这导致消化的估计总蛋白浓度为0.12μg/μL，总蛋白质为2.4μg。将AAV样品在6 m尿素中变性，在80℃以1 mm DTT变性30分钟，然后用15 mm iodoacetamide烷基化在黑暗中的室温下在室温下30分钟。将还原和烷基化的样品冷却至室温，并用3次同等体积的缓冲液（50 mM Tris-HCl和1 mm CaCl 2 [pH 7.5]）稀释，将尿素浓度降低至<2M。然后将样品降低到<2M。然后用0.4 µ µGGGRYPSIN或CHYMOTRYPESIN或CHYMOTRYPSIN或CHYMOTRYPRYRYPERSIN或CHYMOTRYPRYRYPRYRYPRYRYPRYRYSIL逐夜消化。通过将甲酸添加到最终浓度的10％中终止消化，并将样品直接注入LCMS-9050进行分析。
“液相色谱-质谱法分析食品中的兽药和农药”
近年来，食品安全领域对液相色谱-质谱 (LC-MS) 的兴趣日益浓厚，催生了各种创新且前景广阔的应用。这篇综合综述旨在研究食品化学污染物领域的样品制备和 LC-MS 策略。这项探索需要对过去十年的同行评审文献进行深入研究，特别关注专门用于测定兽药和农药的方法。此外，还概述了 LC-MS 筛选方法的相关发展和应用，强调了它们的优势和局限性。其中包括推进该领域 LC-MS 方法的预期方向，以帮助研究人员选择最合适的筛选分析方法。
色谱
色谱法是一种基于混合物成分之间的吸附差异分离混合物的技术。有几种色谱法，范围从简单且廉价到精致且昂贵。最简单的方法包括纸色谱法，薄层色谱和色谱柱色谱法。这些方法使用相对便宜的材料，但仅提供定性结果。这些方法将分开液体样品，并且必须具有可见的成分，或者可以通过用紫外线辐射染色或观察来检测。更复杂的方法包括气相色谱和高性能液相色谱法（或高压液相色谱法）。这些不仅提供定性结果，而且还允许进行定量分析。使用这些方法，样品不限于可见分离。气相色谱法（GC）将分离气体的混合物以及挥发性液体的混合物。高性能液相色谱（HPLC）将分开包括无色成分在内的液体样品。这些后两种方法使用肉眼以外的检测系统，并允许进行定量分析。
离子交换色谱
由于蛋白质的氨基酸组成不同，每种蛋白质都有其独特的滴定曲线。分离蛋白质的潜力取决于净电荷的差异，差异越大，通过离子交换将它们分开的机会增加。这如图5。3蛋白质橙色，绿色和蓝色都有独特的滴定曲线。如果我们运行了阳离子IEX色谱（带负电荷的树脂），则使用低盐缓冲液与虚线紫色线指示的pH来平衡和加载色谱柱。所有三种蛋白质都将带有正电荷并与树脂结合。在梯度洗脱过程（盐浓度升高）期间，绿色蛋白在梯度早期首先从色谱柱中相互作用（即低盐浓度用于洗脱），因为它的总正电荷最低。蓝色蛋白质的相互作用最强烈，并从色谱柱中恢复最后一次，因为它具有最高的总体电荷。如果我们使用相同的条件运行了阴离子IEX色谱（带正电荷的树脂），只是改变了缓冲液的pH值，如虚线的红线所示，橙色和蓝色蛋白质会带有正电荷，并在载荷过程中被树脂和在载荷过程中通过圆柱直接流动，而携带负电荷的绿色蛋白质会在盐梯度期间结合和ELETUTE。在考虑过程中的pH值时，避免PI是正常的，因为没有总体净电荷可以使蛋白质沉淀。更改pH是控制离子交换中选择性的极其强大的方法。
手性色谱中的AI和机器学习
手性色谱法是分离对映异构体，用于药物应用，生物技术和环境分析的关键的至关重要技术。但是，传统方法通常在精确，效率和可扩展性方面面临挑战。人工智能（AI）和机器学习（ML）与手性色谱的整合提出了克服这些局限性的变革性方法。AI和ML算法可以优化色谱条件，增强手性选择器的设计并改善实时数据分析，从而提高精度和操作效率。通过利用数据驱动的见解，这些技术可以更准确地预测分离结果和简化方法开发。本摘要回顾了手性色谱中AI和ML应用中当前的进步，讨论了它们对优化色谱过程的影响，加速方法开发以及实现更高的分辨率和可重复性。AI和ML的合并不仅解决了现有的挑战，而且还为手性分离技术创新开辟了新的途径。