cobas® 질량 분석 시스템을 위한 여러 약물 남용 검사(DAT) 분석법을 병렬로 개발하려면 효율적인 최적화 워크플로우가 필수적입니다. 본 발표에서는 LCMS 분석법 개발에서 흔히 발생하는 난제이자 방대한 변수 공간을 수반하는 HPLC 그래디언트 최적화에 대한 당사의 접근 방식을 자세히 설명합니다.
우리는 견고한 모델링에 필요한 풍부한 데이터 세트를 생성하기 위해 80회 이상의 실행을 포함하는 제약 조건이 있는 I-최적 설계 실험으로 시작했습니다. 발표의 핵심은 고전적인 분석에 초점을 맞추고, 다양한 반응에 대한 예측 모델을 구축하고 이를 통합된 최적화 프레임워크에 통합하여 견고한 운영 조건을 식별하는 과정을 단계별로 설명합니다.
이와 병행하여 베이지안 학습 접근 방식을 탐구했습니다. 이러한 이중 전략은 현재 분석을 최적화할 뿐만 아니라 향후 프로젝트에 어떤 모델링 철학이 더 적합한지 파악하기 위해 설계되었습니다. 본 발표에서는 두 가지 워크플로우를 비교 분석하여 실제 적용 사례와 최종적으로 실험적으로 검증된 결과를 제시합니다. 참석자들은 산업 R&D 환경에서 고전적인 실험 설계(DOE) 접근 방식과 베이지안 학습 방법의 상대적인 장점과 장단점을 이해할 수 있습니다.
본 발표는 녹화되지 않았으며, 다시보기가 불가능하다는 점을 알려드립니다.
