在線樣品處理Co-Sense系列
Co-Sense系列可自動進行樣品處理,并可通過自動化的樣品處理步驟提高LC-NMR以及LC-MS的操作效率。由此減少了復雜、耗時且昂貴的手動處理。同時,在未受LC-NMR以及LC-MS條件限制下進行參數自由設置,實現目標化合物良好分離。Co-Sense系列尤其適用于藥品中雜質的結構分析,另外它對于生命科學或工業行業(比如生物體中的新陳代謝研究以及化學合成物中的不良反應)NMR檢測有明顯的優勢。
LC-NMR Co-Sense 系統
LC-NMR中采用大量昂貴的氘溶劑來減少HPLC溶劑中的干擾信號。另外,由于數據采樣中出現的靈敏度不足的現象不能在線補償,痕量分析不在NMR的適用范圍內。因此,當分析物包含了藥物產品中的痕量雜質,需要采用復雜的HPLC洗脫處理來收集后續的分析物適應NMR的分析。NMR的Co-Sense系統自動完成樣品中此類目標化合物的的分離及純化,同時還可自動操作的過程為濃縮、脫鹽、氘溶劑置換等。這有效地減少了LC-NMR檢測時間并降低了整體操作成本。
特征
全自動樣品處理
所有的樣品處理過程,從目標化合物的引入、分離、濃縮到脫鹽、溶劑替換再到轉移至NMR樣品管中,都是完全自動進行,這增加了操作效率,降低了手工操作帶來的誤差。同時在線持續處理即使是處理不穩定的樣品也可進行穩定和可重復的分析。
高靈敏度檢測
與現有LC-NMR相比,目標化合物的濃度可增加幾十倍,可使高通量下短時間內獲取高S / N的 NMR譜。
HPLC參數的優化
HPLC分離參數是在不考慮后續的NMR檢測的情況下設置,在設置了最佳的分離參數下可緩解NMR檢測的限制。
輕松操作
此系統由圖形用戶界面軟件控制。操作簡易,系統操作狀態一覽無余。
溶劑使用減少
在Co-Sense LC-NMR中,在餾分收集階段消耗大量的溶液,僅需極少量的高成本氘代溶劑用來對捕集柱中的目標化合物進行洗脫,其余可以使用傳統的HPLC溶劑,可減少操作成本。
1. 分離:通過利用制備柱,對目標化合物進行分離,洗脫液集中在樣品環中
2. 濃縮:在樣品環中的洗脫液引入捕集柱進而捕集、脫鹽并濃縮。
3.替換:D2O送入捕集柱替代溶液。
4. 洗脫:氘代溶劑送入捕集柱洗脫目標化合物,在進一步凈化后,洗脫液直接輸送至NMR管。
對藥品雜質的Co-Sense系統
美國FDA已發布了一個指導性草案“遺傳毒性和致癌作用的藥物和產品中的雜質:推薦方法”,規定了藥品中對于遺傳毒性雜質的限制,這些雜質的檢測與正常雜質檢測相比,需要高靈敏度的痕量檢測方法。通常,采用質譜檢測方法:比如GC/MS或LC/MS常用于雜質的高靈敏度檢測。對于通過利用紫外檢測器和其他傳統的檢測器(便于操作并可輕松應用在現有的HPLC中)建立一種高靈敏度的定量分析,這種需求越來越多。
法規要求標準
雜質攝取現在每日最多不超過1.5 μg,前提是服藥周期長(12個月或者更長)
例: 對于30毫克每日用藥量(每天三次,每日10毫克),遺傳性毒素雜質需控制在0.005 %(1.5 μg/30 mg × 100%)
*相對于正常的雜質含量0.1 %的檢測要求,需要大約靈敏度為其20倍的儀器進行檢測。
Co-Sense系統通過進行1維液相及隨后的2維液相分離得到雜質分離,并通過其在線濃縮捕集,可使其靈敏度增加10到20倍。
與MS相比,它還具備以下兩個優勢:1)不需要特殊的測量技能 2)創建體系的低成本,基于現存LC系統的延展性。專用控制軟件的圖形用戶界面使操作更簡單。
濃縮捕集后利用紫外檢測器(二極管檢測器)實現定量分析適用于一系列分離環境,比如磷酸鹽緩沖液和離子對試劑的使用,實現化合物的高分離以及超痕量雜質的超高靈敏度分析。此種方法常推薦應用于靈敏度或分離性存在問題的例子中,比如在樣品溶液濃度過低時或雜質化合物誤認為是目標化合物時。
特征
捕集濃縮超痕量雜質獲取高靈敏度分析。Co-Sense系統僅通過進行一維對目標雜質成分的捕集和隨后的二維分離,其靈敏度大約是單獨進行一維或二維分離的10到20倍。
此圖反映了五種甲基苯甲酸酯用甲醇溶解后作為測試樣品的連續性分析結果。測量結果展現了優質的保留時間和峰面積重復性。
(2) 2D分離確保痕量雜質的可靠性分離
利用一維液相或二維液相不同的保留特點,或不同的流動相組成,可實現對痕量雜質的可靠性分析及高準確定量,對于此類痕量雜質利用一維液相分離很難將雜質中的主要成分進行充分分離。
含咖啡因的藥物其含量升至0.0008 %,其作為一種偽雜質進行分析,在濃縮前,藥品中的另外一種雜質覆蓋了咖啡因色譜峰。濃縮提高靈敏度和分離度,可進行高靈敏度、高分辨率的檢測(藥品進樣量:1.5 mL的 0.5 mg/mL樣品溶液)
(3)特定控制軟件使任何人都可輕松操作系統
豐富的專業實踐和經驗可有助于設定二維系統的分離條件并清洗流路。特定控制軟件的圖形用戶界面十分清晰,可使任何人都可操作Co-Sense系統。
BA Co-Sense系統 (生物樣本分析)
生物樣品自動預處理的高靈敏度、創新及有效性分析
生物樣品預處理柱
HPLC廣泛地應用在生物樣品的藥物分析。樣品預處理情況,以及色譜條件是顯著影響分析精度和靈敏度的重要因素。BA Co-Sense系統,結構中包含新研發出的MAYI-ODS在線SPE柱和在線稀釋流路通道,可自動操作從樣品預處理到樣品分析的所有過程。在線生物樣本的預處理,比如血清或血漿,可顯著的提高效率,減少分析的人工成本。
在線稀釋旁路
生物樣品預處理柱
BA Co-Sense系統將稀釋旁路加至樣品引入流路(通至預處理柱)。將緩沖溶劑樣品加入流動相或者添加少量的有機溶劑可確保蛋白結合率高的藥品的捕集和濃縮,由此可實現高效去蛋白質以及高回收率。因此,可以實現對未處理的血清和血漿的直接進樣。
SIL-HT高通量自動進樣器
就樣品進樣速度,樣品容量以及最大程度減少高吸附樣品化合物的樣品殘留等方面來看,是效能最高的自動進樣器。
更多關于SIL-HT的信息
溫度控制包含預處理柱控溫
因為高壓流路切換閥設置于柱箱,預處理柱溫度可以精確的控制。對于預處理柱溫度控制確保了高回收率和精確分析。 lw
-
分析儀器
+關注
關注
0文章
99瀏覽量
15006 -
液相色譜儀
+關注
關注
0文章
22瀏覽量
7848
發布評論請先 登錄
相關推薦
不同材料的 EBSD 樣品制備方法
![不同材料的 EBSD <b class='flag-5'>樣品</b>制備方法](https://file1.elecfans.com/web3/M00/02/A8/wKgZO2dhIuaAAPlyAACHwW1JIrQ954.png)
EBSD樣品制備技術的對比分析
![EBSD<b class='flag-5'>樣品</b>制備技術的對比分析](https://file1.elecfans.com/web3/M00/01/31/wKgZO2dRVkWAI9BMAADi0lDN0mA157.png)
氬離子拋光在電鏡樣品制備中的優勢:超越FIB的大面積處理能力
![氬離子拋光在電鏡<b class='flag-5'>樣品</b>制備中的優勢:超越FIB的大面積<b class='flag-5'>處理</b>能力](https://file1.elecfans.com/web3/M00/00/FD/wKgZPGdP3L6AN26XAAB2_fu8oaw280.png)
DAC81402 sense pin的功能是什么呢?應該怎么用呢?
賽盛在線平臺疑問解答系列(二)
![賽盛<b class='flag-5'>在線</b>平臺疑問解答<b class='flag-5'>系列</b>(二)](https://file.elecfans.com/web2/M00/3F/CE/pYYBAGJqCX2AbtM8AAANJ1_N7GA875.jpg)
LIBS應用于液體樣品
![LIBS應用于液體<b class='flag-5'>樣品</b>](https://file1.elecfans.com//web2/M00/0B/CB/wKgaomcp6pGAAmsoAACX5wzV6Xc030.png)
TEM樣品制備中載網的選擇技巧
![TEM<b class='flag-5'>樣品</b>制備中載網的選擇技巧](https://file1.elecfans.com/web1/M00/F4/3F/wKgZoWcoU8KAcg-sAAB3RjrlChw519.png)
FIB在TEM樣品制備中的利與弊
![FIB在TEM<b class='flag-5'>樣品</b>制備中的利與弊](https://file1.elecfans.com/web1/M00/F4/1E/wKgaoWckc32AOQmnAABHht5wURo213.png)
![](https://file1.elecfans.com/web1/M00/F3/85/wKgZoWcYnsSAfEjGAAYUEaoJBm0279.jpg)
智慧用電在線監控裝置污水處理應用
![智慧用電<b class='flag-5'>在線</b>監控裝置污水<b class='flag-5'>處理</b>應用](https://file1.elecfans.com//web1/M00/F3/31/wKgaoWcRycSAWZtyAAEiEQi8btE096.jpg)
ADCO81CO21,ADCO81CO27模數轉換器(ADC)數據表
![ADCO81<b class='flag-5'>CO</b>21,ADCO81<b class='flag-5'>CO</b>27模數轉換器(ADC)數據表](https://file.elecfans.com/web1/M00/D9/4E/pIYBAF_1ac2Ac0EEAABDkS1IP1s689.png)
評論