cobas®質量分析システム向けに複数の薬物乱用検査（DAT）アッセイを並行して開発するには、効率的な最適化ワークフローが不可欠です。本講演では、LCMSメソッド開発において、膨大な因子空間を伴う典型的な課題であるHPLCグラジエントの最適化に関する当社のアプローチについて詳しく解説します。
まず、堅牢なモデリングに必要な豊富なデータセットを生成するため、80回以上の実験からなる制約付きI最適設計実験を実施しました。本発表の中心は、古典的な分析手法に焦点を当て、多数の応答に対する予測モデルの構築プロセスと、それらを統合した最適化フレームワークへの統合を通じて堅牢な運転条件を特定する手順を解説します。
並行して、ベイズ学習アプローチも検討しました。この二重戦略は、既存のアッセイを最適化するだけでなく、将来のプロジェクトに最適なモデリング手法を学習するためにも設計されました。本講演では、これら2つのワークフローを独自に比較し、その実践的な応用例と最終的な実験的に検証された結果について解説します。参加者は、産業界の研究開発環境における、従来のDOEアプローチとベイズ学習手法の相対的な強みとトレードオフについて学ぶことができます。
このプレゼンテーションは録画されておらず、オンデマンド視聴はできませんのでご注意ください。
