戊酸倍他米松系统适用性标

美国药典USP ，中国药典ChP 2020年版四部通则0682要求对制药用水中的总有机碳TOC进行测定，并要求测定蔗糖与1，4-对苯醌，以考察所采用技术的氧化能力和仪器的系统适用性。Sievers® TOC分析仪超过了USP与ChP对TOC测定系统适用性的要求。美国药典USP与中国药典ChP都包含对制药用水TOC含量的要求。为符合此规定，选择TOC分析仪时，有几项内容必须考虑。最基础的考虑是TOC分析仪是否符合药典要求，能够有效测定TOC。规定的要求之一是保证难以氧化的有机化合物与易氧化物能够同等程度被氧化，使用保证二者均能精确定量的TOC分析仪。USP与ChP选择1，4-对苯醌作为系统适用性化合物，蔗糖作为标准，或易于氧化的物质。当TOC成功测定蔗糖与苯醌时，这表明TOC测定能有效地监测广泛范围的有机化合物。本文阐述了使用Sievers TOC分析仪（紫外与氧化剂氧化+膜电导检测技术）测定苯醌与蔗糖的结果。数据清晰地表明Sievers TOC分析仪能够如测定标准溶液蔗糖一样，同样有效准确地测定系统适用性化合物苯醌。图1. 测定苯醌与蔗糖（5次测定的平均值）通过对比苯醌溶液与蔗糖溶液的TOC回收率，进行测定。USP与ChP规定了可以接受的比率，用百分比表示，为85%至115%。系统适用性化合物——苯醌，被认为是难以氧化的化合物，因此苯醌的测定对TOC分析仪采用的氧化方法提出了挑战。首先，使用被广泛接受的校准参考物质邻苯二甲酸氢钾（KHP）校准Sievers TOC分析仪。使用Sievers TOC分析仪《操作手册》中阐述的标准协议，完成此校准。此次校准可以在约一年的时间内保持稳定。定量准确度使用USP推荐的标准溶液确认。蔗糖溶液配制为500 ppb C，在进一步测定前，在不连续的三天内测定。图1表明了所有三天的蔗糖的平均响应值。对这些测定，蔗糖的响应为100.0%，说明仪器被准确校准。蔗糖测定后，每天测定三个不同浓度的苯醌溶液（USP与ChP要求分析500 ppb C的苯醌溶液）。这些测定的结果也表示于图1中。这些三种不同浓度的数据表明在应用范围内仪器对苯醌有线性响应。表1 使用Sievers TOC分析仪测定1，4-对苯醌与蔗糖的TOC数据苯醌测定的准确度与精确度非常优异。苯醌溶液的平均回收率为101%。三天里9个独立配制的溶液的全部结果给出苯醌的回收率为99-102%。五次重复测定同一个500 ppb C苯醌溶液，给出标准偏差范围为0.43-1.23 ppb（见表1）。这些数据表明Sievers TOC分析仪使用的氧化反应器的氧化效力——使用Sievers TOC分析仪可提供的最温和的氧化条件（紫外氧化）获得苯醌的回收率。仅使用紫外灯就可以完全氧化，要获得蔗糖或苯醌的完全回收率，均不需要过硫酸盐氧化剂。这与Sievers分析仪所建议的，对于TOC浓度低于1 ppm的情况，均不需要过硫酸盐氧化剂，是一致的。Sievers TOC分析仪针对USP与ChP规定的TOC测定有着优异的表现。蔗糖与苯醌的回收率均超出了USP与ChP的要求。使用正确配制的参考物质，响应效率（500 ppb C的苯醌对蔗糖的回收率比）为100%。使用Sievers TOC分析仪能够以优异的重现性，准确定量苯醌与蔗糖。分析仪的优异表现可以使用户持续满足USP与ChP的要求。实验结果给出了十分理想的响应效率，表明了仪器对易于氧化的物质与难于氧化的物质可以达到相同的回收率，并且很好地落在USP与ChP指明的85-115%范围。参考文献1.USP Total Organic Carbon, Pharmacopeial Forum, Jan-Feb. 1996, Volume 22, Number 1, page 1842.2.Draft of In-Process Revision scheduled to appear in Jan./Feb. edition of Pharmacopeial Forum.3.Also Quinone, 2.5-Cyclohexadiene-1,4-dione, and 1,4-benzoquinone. This compounds has a molecular weight of 108.09. The theoretical carbon content of this compound is 66.67% (Merck Index Eleventh Ed., 8108)4.《中华人民共和国药典》2020年版，国家药典委员会编。◆ ◆ ◆联系我们，了解更多！

PROSDM：PROSPECT模型与光谱导数和相似性度量相结合从双向反射率中提取叶片生化性状的适用性叶片生化性状为理解植物光合功能、动态生长、养分循环和初级生产提供了有价值的信息。叶片叶绿素含量（Cab）、类胡萝卜素含量（Cxc）、含水量（Cw）和干物质含量（Cm）是四个重要的叶片生化性状，与植物光合作用、氮素、胁迫和衰老等健康和生长状态密切相关。能够对这些叶片生化性状进行高通量测量的方法对于表征植物生理状态和关键功能过程至关重要。PROSPECT模型是目前更常用的叶片辐射传输模型之一，可从叶片定向半球反射因子（DHRF）光谱来提取叶片生化性状，然而，在应用于叶片双向反射因子（BRF）光谱提取叶片生化性状方面尚待探索。叶片表面反射率和各向异性性状的存在可能是限制PROSPECT从叶片BRF光谱评估叶片生化性状的主要问题。基于此，在本研究中，研究者们提出了一个方法，整合了PROSPECT模型、光谱导数和相似性度量（SDM），称为PROSDM，去除了叶片BRF和DHRF光谱的差异，并从叶片BRF光谱提取了叶片生化性状。具体目标是：（1）通过PROSPECT反演调查叶片BRF和DHRF光谱差异随波长的变化以及对Cab、Cxc、Cw和Cm提取的影响，（2）开发PROSDM消除BRF和DHRF光谱差异，从叶片BRF光谱与PROSPECT和PROCOSINE以及PROCWT的比较来提取Cab、Cxc、Cw和Cm以及（3）评估PROSPECT、光谱子域、光谱噪音和模型参数范围对PROSDM性能的影响。为了获得各种叶片生化性状和反射率，作者收集了具有不同生长阶段、营养状况和种植区域的植物物种的10个数据集，包括1个测量数据集和9个公开获取数据集。从油菜（Brassica napus L.）、水稻（Oryza sativa L.）和柑橘（Citrus aurantium L.）随机采集2279个植物叶片，利用ASD FieldSpec 4测量叶片反射率，获得数据集#1。从EcoSIS光谱库中获得具有各种叶片光谱和生化性状的9个公开的数据集。其中，7个数据集的BRF光谱由ASD地物光谱仪（Analytical Spectral Devices, Inc., Boulder, CO, USA）搭配ASD叶片夹测量。 表1 数据集描述。Dataset#1是本研究中测得的，Dataset#2-#10是在线https://ecosis.org获取的。BRF和DHRF光谱的光谱区域是400-2500 nm。【结果】 平均BRF和DHRF光谱差异（a）以及这些差异对平均BRF光谱的贡献（b）。油菜（红线）在Dataset#1中获得，其他植物物种在Dataset#5中获得。 通过考虑非波长依赖性f（a，d）和波长依赖性f（b，c，e，f）两种情况，利用一阶（a-c）和二阶（d-f）导数的叶片BRF（绿线）和DHRF（橙线）光谱之间的差异。 利用PROSPECT反演（a–d），PROCOSINE反演（e–h），PROCWT-S4（ i–l）和基于全光谱域PROSPECT-PRO 的PROSDM（m–p）的所有数据集（Dataset#1-#10）中Cab (a，e，i，m) ，Cxc (b，f，j，n), Cw (c，g，k，o) 和Cm (d，h，l，p)测量值和估算值比较。 【结论】 本研究中，作者提出了PROSDM这种新方法用来从叶片BRF光谱来提取叶片生化性状。结果发现光谱导数可以消除BRF和DHRF光谱的非波长依赖性差异。当BRF和DHRF光谱的差异随波长变化时，光谱导数仅能去除部分差异，而曼哈顿距离（MD）补偿了光谱导数的限制，进一步减少了差异。结果，PROSDM从叶片BRF光谱准确提取了不同植物物种的Cab、Cxc、Cw和Cm。与标准的PROSPECT反演需要利用带有积分球的光谱仪测量叶片DHRF光谱不同，PROSDM扩展了PROSPECT到叶片BRF光谱的应用，以提取叶片生化性状。它可利用不同手持式光谱仪和叶片夹原位提取叶片生化性状。 在全光谱域，PROSDM-SED实现了Cab和Cxc的更优提取，RMSE分别为7.64 μg/cm2 and 2.77 μg/cm2，PROSDM-FMD产生了Cw（RMSE = 0.0041 g/cm2）和Cm（RMSE = 0.0024 g/cm2）的更好估计。与PROSPECT相比，PROSDM提取的Cab、Cxc、Cw和Cm RMSE分别降低了20.33%，29.34%，25.45%和44.19%。结果表明，PROSPECT和PROCOSINE以及PROCWT的Cab、Cxc、Cw和Cm提取精度受到光谱饱和度、PROSPECT反演、光谱子域以及模型参数范围的影响很大。适当的光谱子域和模型参数范围可以改善不同反演方法的提取结果。这需要从实地测量和报告的研究中了解叶片生化和结构性状的先验信息。与这些反演方法相比，所提出的PROSDM在减轻Cab、Cxc、Cw和Cm提取的负面影响上具有很大潜力。对于不同的PROSPECT版本，建议利用PROSPECT-PRO从叶片BRF光谱提取叶片生化性状。 未来研究需要基于叶片BRDF模型测量叶片BRF光谱的光谱和方向变化，将BRDF模型与所提出的PROSDM耦合可以改善对BRF和DHRF光谱变化的表征。此外，由于植物物种BRF和DHRF光谱的差异变化，在不同的数据集中PROSDM不能获得一致性提取结果。预计更多的工作将集中在理解不同视角和照明角度下植物叶片光学特性的变化。期望PROSDM可以应用在不同的尺度上，提高其在遥感、生态和环境研究中的适用性。点击如下链接，下载原文：PROSDM：PROSPECT模型与光谱导数和相似性度量相结合从双向反射率中提取叶片生化性状的适用性

编者注：傅若农教授生于1930年，1953年毕业于北京大学化学系，而后一直在北京理工大学(原北京工业学院)从事教学与科研工作。1958年，傅若农教授开始带领学生初步进入吸附柱色谱和气相色谱的探索 1966到1976年文化大革命的后期，傅若农教授在干校劳动的间隙，系统地阅读并翻译了两本气相色谱启蒙书，从此进入其后半生一直从事的事业——色谱研究。傅若农教授是我国老一辈色谱研究专家，见证了我国气相色谱研究的发展，为我国培养了众多色谱研究人才。 第一讲：傅若农讲述气相色谱技术发展历史及趋势第二讲：傅若农：从三家公司GC产品更迭看气相技术发展第三讲：傅若农：从国产气相产品看国内气相发展脉络及现状第四讲：傅若农：气相色谱固定液的前世今生第五讲：傅若农：气-固色谱的魅力第六讲：傅若农：PLOT气相色谱柱的诱惑力第七讲：傅若农：酒驾判官——顶空气相色谱的前世今生第八讲：傅若农：一扫而光——吹扫捕集-气相色谱的发展第九讲：傅若农：凌空一瞥洞察一切——神通广大的固相微萃取（SPME）第十讲：傅若农：悬“珠”济世——单液滴微萃取(SDME)的妙用第十一讲：傅若农：扭转乾坤——神奇的反应顶空气相色谱分析第十二讲：擒魔序曲——脂质组学研究中的样品处理第十三讲：离子液体柱——脂质组学中分离脂肪酸的气相色谱柱 上一讲我们主要介绍了在脂质组学中对脂肪酸的分析所用的离子液体毛细管色谱柱，但是用气相色谱分析脂肪酸源远流长，有许多故事，了解一些过去的故事对现在的发展理解有好处，温故才可以知新。　　先讲一下脂质组学中常常要研究的血浆分析，其中一个重要的项目是分析其中的脂肪酸，下面一个例子，概要介绍了血浆中脂肪酸的主要成分：　　“虽然游离脂肪酸只占血浆中脂肪酸的一小部分，但它代表一类高度代谢活性的脂质，脂肪组织是血浆游离脂肪酸的主要来源，其分布与食物的脂肪酸组成密切相关。在正常情况下从脂肪组织中释放脂肪酸与组织对能量的需要紧密相连。但是当代谢失调时，这种平衡被打乱，导致脂解增加，会释放出多于组织所需要脂肪酸的量。健康人经过一夜禁食后血浆中含有214 nmol/ml游离脂肪酸，油酸(18:1)的含量最高，其次是棕榈酸(16:0)和硬脂酸(18:0)，这三种酸占全部游离脂肪酸的78%。亚油酸(18:2)和花生四酸(20:4) 是主要的多不饱和脂肪酸(约占8%)。但是有营养作用的α-亚麻酸(18:3ω-3)，二十碳五烯酸(20:5, EPA)和二十二碳六烯酸(22:6, DHA)也占有一定比例，约为全部游离脂肪酸的1%。”1 脂肪酸气相色谱分析的历史故事　　气相色谱被认为是分析复杂混合物中脂肪酸的可靠方法，这一方法可追述到上世纪50年代，气相色谱的出现于脂肪酸的分析有密切的关系，1952年气相色谱发明人A. T. James 和 A. J. P. Martin就用最为原始的自制气相色谱仪分析小分子脂肪酸(Biochem J,1952,50:679),他们首次阐明气-液分配气相色谱的原理，设计了自动滴定检测脂肪酸的气相色谱仪。实验过程中使用的色谱柱为玻璃柱，其内径为4mm，长度为5英尺，固定相是把DC 550硅油涂渍在硅藻土Celite 545上。分离小分子脂肪酸的色谱如图1所示。 图1 用自动滴定计气相色谱仪分析小分子脂肪酸的色谱图　　分离从乙酸到戊酸的色谱如图2所示：图 2 分离从乙酸到戊酸的色谱　　此后分析脂肪酸的一个重大进步是把脂肪酸进行甲酯化，1956年James和Martin使用气体密度检测器，并把脂肪酸进行甲酯化，使用阿皮松类高温润滑脂作固定相，可以分离分子量大的脂肪酸。图3 是分离C5-C13直链和支链脂肪酸甲酯的色谱图。图 3 用高沸点润滑脂分离C5-C13直链和支链脂肪酸甲酯的色谱图色谱柱：在硅藻土载体上涂渍高沸点润滑脂；柱温：197℃；载气：氮气 14.1mL/min 色谱峰: (1) 空气, (2) n-戊酸甲酯，(3) n-己酸甲酯, (4) 4-甲基己酸甲酯,(5) 6-甲基庚酸甲酯, (6) n-辛酸甲酯, (7) 6-甲基辛酸甲酯, (8) n-壬酸甲酯,(9) 8-甲基壬酸酯, (10) n-癸酸酯, (11) 8-甲基癸酸酯, (12) 10-甲基十一酸酯 ,（13) n-十二酸酯, (14) 10-甲基十二酸酯2 脂肪酸气相色谱分析的发展　　脂肪酸的气相色谱分析由于它的极性和挥发性不好而带来麻烦，所以首先要把它的极性羰基转化成易于挥发的非极性衍生物。有多种烷基化试剂可以进行羰基的衍生化，使用最多的是进行甲基化，特别是使用氢火焰离子化监测器(FID)气相色谱时，尤为方便普及。但是使用FID也有一些不足之处。绝对的定量要依靠内标物的信号强度，经常使用的内标物是十七酸(而不是使用化学和物理性质与所测定脂肪酸相近的同位素标记脂肪酸混合物作内标)。人类体内不能合成奇数碳链的脂肪酸(包括碳17酸)，但是人们可以通过食物摄取它们，它们存在于血液的血浆中，增加内标物十七酸的量，从而扰乱定量分析。　　进一步讲，FID不能提供分子质量或其他结构特征信息，以便区分不同的脂肪酸，所以色谱和FID只是解决把所有要研究的脂肪酸分子完全分离开，用质谱解决脂肪酸的结构信息。大家应该知道使用电子轰击电离脂肪酸分子很容易被打成碎片，通过这些碎片可以进行脂肪酸的结构分析，但是灵敏度受到限制。弱电离技术比如负化学电离(NCI)可以改善检测限。使用卤代衍生化试剂可以进一步提高检测灵敏度，这种试剂增加了电子亲和力，可改善NCI-MS的灵敏度。Kawahara 使用五氟基苄(PFB) 作衍生化试剂来衍生化有机羧酸，这样的含氟衍生物电子很容易被俘获。此后这一方法扩展到脂肪酸的衍生化为脂肪酸酯，与脂肪酸甲酯相比，它很容易被NCI-MS检测。所以使用五氟基苄进行衍生化有利于提高检测灵敏度。许多研究者使用PFB做衍生化试剂进行脂质组学中的脂肪酸分析，例如Quehenberger等就是用这一方法分析巨噬细胞中的各种脂肪酸(Prostaglandins, Leukotrienesand Essential Fatty Acids，2008，79：123–129)。下图4 是分析巨噬细胞中的各种脂肪酸的色谱图。图 4 巨噬细胞中的各种脂肪酸的色谱图图中色谱峰的脂肪酸如下：(1)12:0 (2)14:0 (3)15:0 (4)16:1 (5)16:0 (6)17:1 (7)17:0 (8) a18:3 (9) 18:4 (10) g18:3 (11)18:2 (12)18:1 (13)18:0 (14)20:4 (15)20:5 (16)11,14,17–20:3 (17)bishomo-20:3 (18)20:2 (19)5,8,11–20:3 (20)20:0 (21)22:6 (22)22:4 (23)22:5 (24)22:2 (25)22:3 (26)22:1 (27)22:0 (28) 23:0 (29)24:1 (30)24:0 3 国内外进行气相色谱分析脂肪酸的一些例证　　 为了进一步了解进行气相色谱分析脂肪酸的具体情况，下面表1列出近50例分析各种样品中脂肪酸的色谱柱和分离对象。表2列出国外文献中分析人体组织中脂肪酸的例证。表 1 国内气相色谱分析脂肪酸的色谱柱和分析对象 表 2 国外文献中有关分析人体组织中脂肪酸的衍生化方法和所用色谱柱4 脂肪酸气相色谱分析所用色谱柱　　从已发表的文献看分析整体脂肪酸需用非极性的聚硅氧烷毛细管色谱柱，如聚二甲基硅氧烷，分离多不饱和脂肪酸需用极性强的色谱柱，如OV-275，OV-275(这是聚硅氧烷固定相中极性最强的色谱柱)和CP-Sil 88(HP-88)。 据安捷伦公司一份研究报告(5989-3760 EN)，他们对最重要的一些脂肪酸(甲酯)(见表3)进行研究，研究总结认为：聚乙二醇柱对不太复杂的样品可以得到很好的分离 而中等极性的氰丙基聚硅氧烷柱(DB 23)对复杂的 FAMEs 样品可以得到很好的分离，对一些顺反异构体也可以得到分离 要使顺反异构体分离的更好，就要使用更高极性的 HP-88 氰丙基色谱柱。表3 重要的一些脂肪酸　　三种主要色谱柱分离脂肪酸的特点如下：　　使用DB-Wax柱，DB-23 柱和HP-88 柱上分离37种脂肪酸混合物的色谱见图5-图7.图 5 FAMEs在30 m 0.25 mm ID, 0.25 μm DB-Wax 色谱柱上的色谱图 6 FAMEs混合物在 60 m 0.25 mm ID, 0.15 μm DB-23 柱上的色谱图 7 FAMEs 混合物 在 100 m 0.25 mm ID, 0.2 μm HP-88 柱上 的色谱　　其中HP-88 柱的极性最强，是含88%氰丙基甲基聚硅氧烷，其结构如下图8：图8 HP-88 的分子结构　　HP-88 对一些异构体的分离能力由于DB-23如下图9所示　　图 8 HP-88和HP-23分离能力的差别　　(此图来自Walter Jennings博士2008年在北京大学作报告时的ppt文稿)　　吴惠勤等使用P-88毛细管色谱柱分离了39种脂肪酸得到的质谱基峰离子和特征离子如表4中的数据。表4 39种脂肪酸在HP-88毛细管色谱柱上出峰次序( 吴惠勤等，分析化学，2007，35(7)：998-1003)