使用神经网络优化离子小分子药物成分的反相HPLC条件第一三共株式会社制药技术部分析评价实验室研究第一组研究员佐佐木冢佐
反相HPLC是评估小分子药物有效性和安全性的重要分析科学方法。通常，药品的主要成分是含有一定量杂质的混合物，但是可以通过使用反相HPLC估算每种成分的量。因此，寻找和优化可重复分离各组分的HPLC条件是质量评估研究中非常重要的过程。影响分离的主要因素包括洗脱液中所用缓冲液的pH值，有机溶剂种类，分析柱温度，洗脱液流速等。尤其是当目标是离子化合物时，pH值和有机溶剂种类严重影响分离的成败。但是，在反相HPLC中，每种组分通过分析柱的时间（保留时间）的变化相对于pH和有机溶剂等因素都不是线性的，并且很难通过预测推断来评估分离的成败。很难。因此，执行者尝试了一种方法，可以通过神经网络建模从保留时间预测中估计在某个洗脱条件范围内分离的成功与否。
突围预测建模质量与可靠性
