使用神经网络优化离子型低分子量药物成分的反相 HPLC 条件佐佐木司，第一三共株式会社制药技术部分析评价研究所第一研究组研究专员
反相高效液相色谱法是评估小分子药物疗效和安全性的重要分析测量方法。一般来说，药物成分是含有一定量杂质的混合物，但通过使用反相色谱法可以估算出每种成分的含量。因此，寻找并优化能够重现分离各成分的HPLC条件是质量评价研究中非常重要的过程。影响分离的主要因素有洗脱液所用的缓冲溶液的pH值、有机溶剂的种类、分析柱的温度、洗脱液的流速等。当目标化合物是离子时，pH 值和有机溶剂的类型对分离的成功有很大影响。但在反相HPLC中，各组分通过分析柱的时间（保留时间）的变化并不与pH值、有机溶剂等因素呈线性关系，因此很难预测和评估分离的成功与否。因此，作者尝试了一种基于神经网络建模的保留时间预测来估计在一定洗脱液条件范围内分离成功或失败的方法。
