안녕하세요 여러분, 제 이름은 Ben입니다. 저는 최근 JMP Pro 17에서 사용할 수 있는 Functional Data Explorer 플랫폼용 콘텐츠 개발에 주력하는 인턴으로 JMP에 합류했습니다(저에 대한 자세한 내용은 여기에서 읽어보실 수 있습니다). 저는 현재 맨체스터대학교에서 소포로리피드 생물계면활성제 생산에 중점을 두고 화학공학 박사학위를 공부하고 있습니다. 이를 통해 저는 바이오 제품 개발의 초기 단계에서 데이터 처리에 대한 잠재적인 데이터/요구 사항에 대해 많은 통찰력을 얻었습니다. 여기 사례 연구에서는 실험 프로토콜을 안내하기 위해 기능적 데이터 분석 및 기능적 DoE를 사용하여 소포로리피드 생물계면활성제를 올바르게 검출하는 분석 방법을 개발하는 작업에 대해 설명합니다.
이 사례 연구에서 어떤 점이 마음에 드나요?
- 기능적 데이터 분석과 FDoE를 사용하여 Functional Data Explorer 도구의 두 가지 주요 구성 요소를 모두 표시할 수 있습니다.
- 데이터 세트는 실제이며 실제 개발 작업을 기반으로 합니다.
- 매우 매력적인 시각적 요소를 보여줄 수 있습니다 - "와우" 요소.
- FDE 플랫폼을 활용하여 전처리(정렬, 필터링)를 쉽게 수행할 수 있습니다.
누구를 위한 것인가요?
- 화학, 생물학, 제약 산업을 포함한 분석 개발에 관련된 모든 사람.
- R&D 담당자라면 누구나 이것이 자신의 상황에 어떻게 적용될 수 있는지 확인할 수 있어야 합니다.
어떻게 사용해야 하나요?
- 이를 사용하여 JMP Pro의 기능적 DoE 도구를 시연할 수 있습니다. 첨부된 데이터 테이블에는 프로세스의 각 단계에 대한 스크립트가 저장되어 있으며 아래 사례 연구 세부 사항에 따라 작업을 다시 만들 수 있습니다.
- 이를 사용하여 Functional Data Explorer 플랫폼에서 데이터 표시를 단순화하는 기능을 보여줄 수 있습니다.
우리는 어떤 플랫폼을 사용할 수 있나요?
배경
소포로리피드 바이오계면활성제는 친수성 머리 부분과 소수성 꼬리 부분으로 구성된 설탕, 오일, 질소로 효모를 발효시켜 생산됩니다. 많은 바이오 제품과 마찬가지로 단일 발효에서 화학 결합, 사슬 길이 및 기능 그룹(몇 가지 예) 측면에서 이러한 구조에 엄청난 변화가 있습니다. 분석 과학자들에게 이는 고성능 액체 크로마토그래피(HPLC)와 같은 분석 도구를 사용할 때 이러한 화합물을 효율적으로 분리하는 데 어려움을 겪습니다.
본 사례 연구에서는 이전에 수행되지 않았던 HPLC-UV를 사용하여 소포로리피드 바이오계면활성제를 정량화할 수 있는 방법을 제작하려는 과제에 직면했습니다. 불행하게도 나의 초기 방법은 HPLC를 사용하여 두 개의 소포로리피드 동족체(C18:1 및 C17:1)를 다른 것에서 분리할 수 없었습니다. 탄소 하나만 달랐습니다. 즉 흡광도(흡수하는 빛의 파장)와 유지 시간(HPLC 스펙트럼에 나타나는 시간)이 유사하다는 의미입니다. 흡광도를 변경하기 위해 아무것도 할 수 없었지만 HPLC 방법을 적용하여 두 제품의 머무름 시간을 변경하여 더 잘 분리할 수 있었습니다. 피크 면적은 특정 화합물의 농도를 계산하는 데 사용되므로 분석에서는 피크 분리가 매우 중요합니다. '독립형' 피크가 없으면 이 계산은 본질적으로 결함이 있으며 부정확한 판독값으로 이어질 수 있습니다. 여기에 설명된 예는 분석의 일반적인 과제를 나타내며 다양한 산업 및 연구 그룹과 관련이 있습니다.
목표
- C18:1 및 C17:1 피크를 효과적으로 분리하기 위해 HPLC 설정을 최적화하려면
- 피크가 민감하고(피크 높이에 큰 손실이 없음) 구체적인지(넓은 피크가 없음) 확인하십시오.
분석법 개발 - 초기 DoE 적용
HPLC 방법을 최적화하기 위해 방법의 온도(30, 35 및 40oC )와 유속(0.7 및 1.4mL/min)을 조정하는 간단한 DoE를 적용했습니다. 동일한 농도의 소포로리피드 샘플을 모든 반복에서 테스트했으며 다른 모든 조건은 전체적으로 일정하게 유지되었습니다.
HPLC의 출력은 크로마토그램입니다. 이는 시간 경과에 따른 파장(198nm)의 흡광도 강도를 측정합니다. 각 피크는 HPLC에서 나와 검출기에 닿는 화합물을 나타냅니다. 각 화합물이 HPLC 컬럼과 상호 작용하는 시간이 길어질수록 검출기에 도달하는 데 시간이 걸리므로 머무름 시간이 늦어집니다. HPLC에 올려진 대부분의 샘플에는 수백 가지의 화합물(관심 화합물 포함)이 포함되어 있어 매우 복잡한 그래프를 생성하므로 각 설정 간의 구체적인 차이점을 눈으로 식별하는 것이 불가능합니다.
문제를 더욱 복잡하게 만드는 것은 설정(특히 유속)의 변경으로 인해 관심 피크(C18:1 및 C17:1 형태)가 동일한 머무름 시간을 갖지 않는다는 것을 의미합니다. 이로 인해 최고점을 선택하기가 어려울 뿐만 아니라 그래프가 지나치게 복잡해지지 않고 여러 번의 실행이 있을 때 비교 그래프를 생성하기가 매우 어렵습니다.
Functional Data Explorer 및 FDoE 도구 적용
크로마토그램의 변경 사항을 탐색하기 위해 Functional Data Explorer 도구가 적용되었습니다(분석 > 전문 모델링 > Functional Data Explorer). 위와 같이 설정이 적용되었습니다.
초기 데이터 세트는 매우 바쁜 모든 크로마토그램을 보여 주었지만 관심 영역은 22~30분 사이에 발생한 C18:1 및 C17:1 피크에 있었습니다. 명령>필터 X 도구를 사용하여 시간 범위를 22~30분에서 줄였습니다.
비교에서 의미 있는 것을 얻으려면 분리된 피크(유량 변화로 인해 변경됨)를 정렬해야 했습니다. 관심 피크는 관심 범위에서 가장 큰 강도를 가지므로(일반적으로 특정 화합물에 대한 HPLC의 경우) 이는 Align>Align Maximum 도구를 사용하여 쉽게 수행할 수 있습니다. 범위를 관심 피크(-1 ~ +1 정렬 시간)로 줄이기 위해 또 다른 필터 X가 사용되었습니다. 피크 정렬은 분석, 특히 LC-MS 및 HPLC 프로세스 개발에서 많이 사용되며 FDE 도구를 사용하여 이를 쉽게 적용할 수 있다는 점은 분석 과학자에게 매우 유용합니다.
이제 데이터 분석 준비가 완료되었으므로 크로마토그래피 데이터에 가장 적합한 Wavelet 모델 (드롭다운 > 모델 > Wavelets) 이 적용되었습니다. 온도 및 유속 변경 효과를 프로파일링할 수 있도록 Wavelet DoE (드롭다운 > Wavelet DoE 분석)를 사용하여 크로마토그램을 프로파일링했습니다.
유속 변화(왼쪽)를 살펴보면 FDoE 프로파일러는 유속 변화로 인해 어떻게 피크가 뾰족해지며(피크 강도 값의 증가로 표시됨) 두 번째 피크(C17: 1 화합물). 또한, 온도 변화(오른쪽)는 피크의 분리 및 선명도를 더욱 향상시켰습니다. 이 프로파일러를 통해 피크가 분리되어 있지만 충분하지 않다는 것이 분명해졌습니다. 이는 더 많은 실험 실행이 필요함을 나타냅니다.
추가 실행
Wavelet 기능적 DoE 프로파일러의 출력에서 4번의 추가 실행이 수행되었습니다. 2번은 증가된 온도(45 및 50oC )를 살펴보고 2번은 증가된 유속 및 온도( 45oC , 1.6 및 1.8mL/min)를 확인했습니다. 위에서 설명한 대로 Wavelet DoE 프로파일러를 생성하는 데 사용된 Functional Data Explorer 도구와 이전 데이터 세트에 크로마토그래피 데이터가 추가되었습니다.
FDoE/Wavelet 프로파일러는 유속에서 HPLC에 대한 반환이 감소한다는 것을 입증할 수 있었습니다. 더 높은 유속에서는 피크 분리가 크게 개선되지 않았고 피크 높이가 감소했습니다(감도 감소를 의미). 분리에 큰 개선이 없었기 때문에 컬럼을 유지하기 위해 유속을 1.4mL/분으로 유지했습니다(더 높은 유속은 HPLC에 해로울 수 있으므로 위험과 보상의 균형을 맞출 수 있었습니다).
온도를 살펴보면 프로파일러는 피크 높이(감도 향상)와 두 번째 피크의 분리 모두에서 상당한 개선을 보여줄 수 있었습니다.
이것이 왜 중요합니까?
고객 관점에서 볼 때 FDE 및 FDoE의 필요성은 다음과 같은 간단한 질문으로 설명할 수 있습니다.
이것과의 차이점을 설명하시겠습니까?
아니면 이거?
FDE 플랫폼을 사용하면 시간을 크게 절약하고 결과 생성을 간소화할 수 있으며 결과를 논의할 때 SME가 아닌 사람들과 더 쉽게 논의할 수 있습니다. 이것이 FDoE와 접해 있으면 단일 지점(즉, HPLC의 피크 영역, 피크 유지 시간)을 사용하는 대신 기능 데이터/프로파일의 전체 변화를 식별할 수 있는 강력한 도구를 얻을 수 있습니다. 여기 사례 연구에서는 최적화된 분석법을 생성하기 위한 HPLC 분석법 개발에 FDE를 사용하는 방법을 보여줍니다.
업데이트(22년 1월 6일): 대상 기능 추가(데이터베이스 업데이트됨)
HPLC 방법에 대한 Target 기능을 포함하도록 FDE 모델을 업데이트했습니다. 데이터 처리 > 대상 함수에서 업로드할 수 있습니다. 목표는 여전히 크고 날카로운 피크를 유지하면서 완전히 분리된 피크(양쪽에 0 강도)를 갖는 것을 목표로 합니다. 목표는 '정렬된 시간' x축으로 기록될 필요가 없었습니다. 모든 처리 단계에서 목표도 변경됩니다.
이제 프로파일러에는 목표에 가장 가까운 프로필을 달성하는 온도 및 유속 설정을 찾는 '목표 최적화' 버튼이 포함되어 있습니다.
업데이트(14Mar23): 타겟 구축 방법
첨부된 데이터 세트 '표적 구축의 예 - HPLC.jmp'에서 원하는 것에 '가깝지만' 목표에 도달하지 못한 HPLC 곡선을 취했습니다(피크가 완전히 분리됨, 더 날카로운 피크) - 이 데이터 세트를 사용하고 변경하려는 데이터 포인트를 선택할 수 있습니다. 예시에서 나는:
1. 두 피크 사이의 최저점에서 데이터 포인트를 선택하고 이를 0으로 변경했습니다.
2. '더 선명한' 피크를 보장하기 위해 피크 끝의 데이터 포인트 수를 제거했습니다.
3. 각 피크를 '위아래'로 이동하는 데이터 포인트를 제거했습니다.
그런 다음 스플라인 도구를 사용하고 람다 값을 조정하여 데이터에 가장 적합한 곡선을 얻었습니다. 이것이 고객의 공감을 불러일으키므로 람다가 모양이 어떻게 변하는지 보여주는 것이 좋습니다. 그런 다음 'Save Formula'를 사용하여 스플라인 값을 저장한 다음 이를 데이터베이스에 대상으로 복사합니다.
안녕 @Joseph_Reese , 의견을 보내주셔서 감사합니다. 예제가 마음에 드셨다니 다행입니다.
- 저는 이것을 더 넓은 커뮤니티를 위한 블로그 게시물로 올리고 싶습니다. 아마도 FDE를 위한 짧은 비디오일 것입니다.
- 귀하의 고객이 불순물 감소를 언급할 때 크로마토그램에서 관심 피크로부터 불순물을 분리하는 것에 대해 이야기하고 있다고 가정합니다. 이 경우에는 두 단계 프로세스를 수행할 것을 제안합니다.
A) DOE(또는 기타 실험 배치 데이터)를 계획대로 실행하고 실제 데이터 세트를 통해 최상의 설정을 식별합니다(이는 DOE 프로파일러에서 알 수 있음).
대상 프로필을 선택하고 요구 사항에 따라 조정합니다. 여기에 목표 곡선을 함께 배치하는 방법에 대한 예를 원본 기사에 첨부했습니다. 이 예에서는 실행에서 '좋은' 곡선을 가져와 피크가 각 곡선 사이에 뚜렷한 간격이 있는지 확인하도록 조정했습니다(0). 강도를 조정하고 끝 부분의 피크 폭을 조정했습니다. 그래프 빌더의 스플라인 도구를 사용하여 원래 데이터 테이블에 목표로 다시 가져올 수 있는 평활화된 공식을 생성할 수 있습니다(람다를 변경하면 필요한 피팅을 얻을 수 있습니다).
- 대상 곡선의 경우 실제로는 현재 수동 조작으로 귀결됩니다. 위에서 설명한 방법은 잘 작동하지만 현재 데이터 조작에 의존합니다. 원하는 그래프를 그리는 추가 기능은 놀라울 것입니다. 제가 고객에게 말한 것은 목표가 항상 완벽할 필요는 없다는 것입니다. 이 경우 정점을 나타내기 위해 나란히 놓인 두 개의 조잡한 '삼각형'을 사용할 수도 있었습니다. 모델은 여전히 최선을 다할 것입니다. 설정을 최적화합니다.
- 제가 테스트한 다양한 데이터 세트에서 FDOE 진단 플롯에 표시된 곡선 유형은 상당히 정상입니다. 대부분의 경우 최악의 원인은 설계 가장자리에 있는 설정입니다. 이 예에서 빨간색 값은 내 디자인의 가장자리에 있으며 '균등한' 디자인 공간 내에 포함되지 않습니다. 더 많은 반복을 수행하면 이 문제도 개선하는 데 도움이 됩니다.
안녕 @Bingh94 , 이 훌륭한 게시물에 감사드립니다! HPLC 분석에서 불순물을 최소화하기 위해 FDE를 어떻게 사용할 수 있는지 질문을 받았기 때문에 이번 질문은 매우 시의적절했습니다. 이 글을 읽는 동안 몇 가지 질문과 의견이 있었고 피드백을 주시면 감사하겠습니다!
- 자체 블로그 게시물이거나 짧은 비디오 데모일 수 있습니까? 이는 이미 외부 청중에게 적합한 것으로 보이며 FDE 사례가 많을수록 좋습니다!
- 제 고객의 예에서 불순물을 줄이는 데 중점을 둔다면 목표 곡선이 가장 좋은 방법이겠습니까? 아니면 FDOE 프로파일러와 바람직성 설정을 사용하여 특정 피크를 최소화하는 것이 더 나을까요?
- 목표 곡선과 관련하여 고객이 목표 곡선을 쉽게 만들 수 있는 방법이 있습니까? 아니면 대부분의 사람들이 의도한 프로필에 맞는 데이터 세트를 입력하여 수동으로 이 작업을 수행하고 있습니까?추가 기능이 그래프 그리기를 기반으로 데이터 세트를 생성하거나 만족도 곡선과 상호 작용하는 방식과 유사하게 기존 곡선을 수정하는 데 어떻게 도움이 될 수 있는지 생각해 보세요.
- 마지막 질문...귀하의 예에서 FDOE 진단 플롯은 몇 가지 특이한 패턴을 보여줍니다. 이에 대해 얼마나 걱정해야 하며 이 문제를 해결하려면 추가 GenReg 모델을 맞추는 것이 포함됩니까, 아니면 이것이 더 많은 데이터가 필요하다는 표시입니까?
이곳에서 훌륭한 작업을 해주셔서 다시 한 번 감사드립니다!
훌륭한 사례 연구입니다. 향후 데모에 사용하겠습니다 
고마워요 벤!! 이것은 JMP Pro DEMO의 훌륭한 소스입니다! 이 게시물을 보니 정말 기쁩니다!
