应用药学杂志
开放获取

抽象的

使用 MS 和 UV 峰跟踪进行四维 (4D) 稳定性指示分析方法优化和效价测定预测

Blasko A、Tam J、Ahmad IAH、Gunasekera S、Oshchepkova I、Galin、Andrey Vazhentsev A、Tashlitsky V 和 Adams D

在开发使用 LC-UV 和 LC-MS 峰值跟踪的稳定性指示 HPLC-UV 分析方法时，三种活性药物成分 (API) 的强制降解产生的总共 60 个峰被用于色谱柱选择。在筛选一系列精心挑选的色谱柱的同时，对两种流动相添加剂和两种有机改性剂进行了评估。利用色谱柱筛选，并根据解析峰的总数、分辨率、峰宽度和峰形状选择最佳色谱柱。使用乙腈/水中的 0.1% TFA 进行梯度曲线的初始筛选和优化。还评估了乙腈/水中三种不同浓度的 TFA。最佳 TFA 浓度 0.10% (8.77 mM) 被认为是基于关键对分辨率进一步梯度优化的最佳浓度。选择色谱柱、流动相和流动相调节剂 (TFA) 之后，通过结合自动化学计量峰跟踪和 AutoChrom MS 中基于软件的决策来实现梯度优化。通过使用具有宽范围 % B 的第一个单步梯度，然后在多步梯度中进行优化，生成正确的峰保留方程（即保留时间与流动相比率）。研究发现，使用二次保留模型进行外推可能会导致保留时间 (tR) 预测出现较大误差，特别是对于保留较差的组分。我们提出了解决关键分辨率对的挑战，包括具有相同 m/z 的那些、软件的高估和预测误差，以及为什么峰值模型（即预测的准确性）在选择流动相和流动相调节剂 (TFA) 时，通过结合 AutoChrom MS 中的自动化学计量峰跟踪和基于软件的决策来实现梯度优化。通过使用具有宽范围 % B 的第一个单步梯度，然后在多步梯度中进行优化，生成正确的峰保留方程（即保留时间与流动相比率）。研究发现，使用二次保留模型进行外推可能会导致保留时间 (tR) 预测出现较大误差，特别是对于保留较差的组分。我们提出了解决关键分辨率对的挑战，包括具有相同 m/z 的那些、软件的高估和预测误差，以及为什么峰值模型（即预测的准确性）在选择流动相和流动相调节剂 (TFA) 时，通过结合 AutoChrom MS 中的自动化学计量峰跟踪和基于软件的决策来实现梯度优化。通过使用具有宽范围 % B 的第一个单步梯度，然后在多步梯度中进行优化，生成正确的峰保留方程（即保留时间与流动相比率）。研究发现，使用二次保留模型进行外推可能会导致保留时间 (tR) 预测出现较大误差，特别是对于保留较差的组分。我们提出了解决关键分辨率对的挑战，包括具有相同 m/z 的那些、软件的高估和预测误差，以及为什么峰值模型（即预测的准确性）通过结合自动化学计量峰跟踪和 AutoChrom MS 中基于软件的决策，实现了梯度的优化。通过使用具有宽范围 % B 的第一个单步梯度，然后在多步梯度中进行优化，生成正确的峰保留方程（即保留时间与流动相比率）。研究发现，使用二次保留模型进行外推可能会导致保留时间 (tR) 预测出现较大误差，特别是对于保留较差的组分。我们提出了解决关键分辨率对的挑战，包括具有相同 m/z 的那些、软件的高估和预测误差，以及为什么峰值模型（即预测的准确性）通过结合自动化学计量峰跟踪和 AutoChrom MS 中基于软件的决策，实现了梯度的优化。通过使用具有宽范围 % B 的第一个单步梯度，然后在多步梯度中进行优化，生成正确的峰保留方程（即保留时间与流动相比率）。研究发现，使用二次保留模型进行外推可能会导致保留时间 (tR) 预测出现较大误差，特别是对于保留较差的组分。我们提出了解决关键分辨率对的挑战，包括具有相同 m/z 的那些、软件的高估和预测误差，以及为什么峰值模型（即预测的准确性）通过使用具有宽范围 % B 的第一个单步梯度，然后在多步梯度中进行优化，生成流动相比率）。研究发现，使用二次保留模型进行外推可能会导致保留时间 (tR) 预测出现较大误差，特别是对于保留较差的组分。我们提出了解决关键分辨率对的挑战，包括具有相同 m/z 的那些、软件的高估和预测误差，以及为什么峰值模型（即预测的准确性）通过使用具有宽范围 % B 的第一个单步梯度，然后在多步梯度中进行优化，生成流动相比率）。研究发现，使用二次保留模型进行外推可能会导致保留时间 (tR) 预测出现较大误差，特别是对于保留较差的组分。我们提出了解决关键分辨率对的挑战，包括具有相同 m/z 的那些、软件的高估和预测误差，以及为什么峰值模型（即预测的准确性）与实验相比）在梯度的极端处失败。通过使用这种方法，我们能够为极具挑战性的样品生成合适的稳定性指示色谱方法，该样品由三种活性药物成分 (API) 和具有广泛疏水性的相关降解产物组成。API 是内部化合物，其身份在本文中是未知的，与研究目的无关。跟踪峰的预测保留时间和实验保留时间之间存在良好的匹配。峰值模型用于仅使用计算工具生成测定/效力方法。