當前位置:賽默飛測量控制與材料鑒別>>技術文章>>點擊閱讀,一場科學實驗揭露真相!
點擊閱讀,一場科學實驗揭露真相!
前言
Thermo Scientific Ramina 過程分析儀是一款拉曼光譜分析儀器,旨在為研發過程的任何階段提供快速、穩健、可擴展和可靠的分子識別、定量和表征。它采用了“一體化"的設計,利用易于更換的高壓滅菌探頭,滿足但不限于上游生物過程監測或灌裝和成品表征的各種分析需求。
化學計量學分析允許用戶開發一個數據模型,根據分析儀的數據用以監測多種分析物的濃度。從時間和資源的角度來看,建立一個準確而可靠的化學計量學模型需要大量的投資。因此,化學計量模型必須可以在不同儀器之間使用,以充分利用這一投資的價值。
一旦化學計量模型被開發出來,它就可以傳遞給任何 Ramina 過程分析儀使用,以高度準確的模型精度并行監測多個反應器。在不同系統硬件之間傳輸化學計量學模型時保持的測量準度和精度,確保了客戶在使用新儀器或新的高壓滅菌探頭時不必重新構建模型。
實驗設置
為了證明復雜的化學計量模型的可轉移性,我們評估了 Gibco™DMEM 生長介質中的三種相關分析物:葡萄糖、谷氨酰胺和乳酸鹽。三種分析物在生物反應器中都在 g/L 濃度范圍內,葡萄糖在0-12 g/L范圍內,谷氨酰胺0-2.5 g/L范圍內,乳酸0-20 g/L范圍內。
通過使用一套校準標準的 Thermo Scientific Ramina 過程分析儀中收集光譜,建立了化學計量學模型。在每種分析物的相關濃度范圍內,采用均勻設計方法選擇24個隨機濃度的樣品,然后將該模型應用于8個驗證樣品,驗證樣品的光譜使用10臺不同的 Thermo Scientific Ramina 過程分析儀進行測量。
為最大限度地提高與分析物濃度對應的特征光譜的信噪比對采集參數進行了優化。優化后的參數為15s積分時間,450mw 激光功率,自動暗背景信號校正,重復采集10次光譜后取平均。該模型能夠以非常好的準確度和精度預測8個樣品驗證集所有三種分析物的濃度。
本研究中評估的每臺 Thermo Scientific Ramina 過程分析儀都包括一套硬件,由光譜儀主機、光纖電纜和生物反應器探頭組成。每種分析物的平均預測誤差為葡萄糖0.21 g/L、谷氨酰胺0.16 g/L、乳酸0.3 g/L。這些結果證明了這一復雜的化學計量模型可以在多臺 Thermo Scientific Ramina 過程分析儀之間出色地轉移。
模型分析
使用 Eigenvector Solo 軟件建立了一個 PLS 模型,以預測每種混合物中的這三種分析物。采用24個校正樣本,每個樣本3次重復,建立 PLS 校正模型。所有校準光譜均使用一臺 Thermo Scientific Ramina 過程分析儀收集,采用870 ~ 3096 cm-1之間指紋區的光譜建立模型,采用 SavitskyGolay 平滑濾波器去除隨機噪聲,提高信噪比。接著對基線進行校正,然后進行散射校正和歸一化。此外,在建立模型之前,所有數據均進行中心均值處理。
采用去除一個樣本的交叉驗證策略建立校準模型。同一樣品的3個重復在此過程中一起進行。經過這些關鍵的預處理和交叉驗證步驟,最終選擇了四變量優化模型。模型的校準和交叉驗證結果見下表1。
Analyte | |||
Model Parameter | Glucose | Glutamine | Lactate |
RMSEC (g/L) | 0.079 | 0.075 | 0.146 |
RMSECV (g/L) | 0.095 | 0.088 | 0.176 |
Bias (g/L) | 4.79E-05 | -1.94E-05 | -2.50E-05 |
CV Bias (g/L) | -2.25E-04 | -6.45E-04 | -4.42E-03 |
R2 Calibration | 0.9995 | 0.9902 | 0.9994 |
R2 Cross-Validation | 0.9993 | 0.9864 | 0.9991 |
表1.化學計量學模型的校準和交叉驗證結果
隨后,用10臺不同的 Thermo Scientific Ramina 過程分析儀上收集8個驗證樣品集的光譜。將建立的化學計量學模型應用于每臺 Thermo Scientific Ramina 過程分析儀預測分析物濃度。下文討論的結果表明,在10臺 Thermo Scientific Ramina 過程分析儀中,三種成分的預測都保持了高度的準確性和精確度。
結果
開發可靠的化學計量模型需要大量的時間和資源投入。為了確保這項投資為我們的客戶提供長期價值,我們已經在眾多 Thermo Scientific Ramina 過程分析儀上展示了化學計量模型的可移植性。下圖1中的相關圖顯示了葡萄糖(下圖1A)、乳酸(下圖1B)和谷氨酰胺(下圖1C)的預測值與參考值。每個圖包含所有10臺 Thermo Scientific Ramina 過程分析儀的預測值的疊加。通過10臺Thermo Scientific Ramina 過程分析儀,化學計量模型的精度為客戶提供一致的結果。
A
B
C
下表2顯示了每個 Thermo Scientific Ramina 過程分析儀上每種分析物的平均預測誤差,以及10臺 Thermo Scientific Ramina 過程分析儀上每種分析物的平均誤差。所有參數均表現出較高的測量精度,預測誤差小于0.5 g/L。此外,部分預測誤差小于0.1 g/L。這一精度水平與其他已發表的化學計量學建模結果一致,并與生物反應器監測的其他相關測量技術相當。
儀器的準確性和精確性,可以很容易地將生物反應器內的葡萄糖濃度控制在典型的2-4 g/L范圍內。此外,通過持續監測和反饋利用,甚至更嚴格的控制是可能的,從而改善過程反應和產品的一致性。使用 Thermo Scientific Ramina 過程分析儀開發的化學計量模型在全面的生物反應器研究中監測多組分具有出色性能。
Average prediction error (g/L) | |||
Hardware | Glucose | Glutamine | Lactate |
Instrument 1 | 0.18 | 0.05 | 0.20 |
Instrument 2 | 0.11 | 0.13 | 0.40 |
Instrument 3 | 0.12 | 0.15 | 0.21 |
Instrument 4 | 0.18 | 0.14 | 0.26 |
Instrument 5 | 0.18 | 0.08 | 0.40 |
Instrument 6 | 0.40 | 0.11 | 0.25 |
Instrument 7 | 0.13 | 0.38 | 0.32 |
Instrument 8 | 0.21 | 0.11 | 0.26 |
Instrument 9 | 0.47 | 0.15 | 0.44 |
Instrument 10 | 0.09 | 0.34 | 0.23 |
Average error (across 10 systems) | 0.21 | 0.16 | 0.30 |
表2.化學計量學模型計算預測誤差(RMSEP)
結論
本實驗證明化學計量模型可在多個 Thermo Scientific Ramina 過程分析儀之間轉移,為客戶帶來了極大的便利。Thermo Scientific Ramina 過程分析儀能夠跨多個單元使用相同的化學計量模型,為用戶提供了優秀的測量準確度和精確度。信號處理和模型優化可以進一步提高預測的性能水平。本文例子為使用 Thermo Scientific Ramina 過程分析儀開發化學計量模型提供了基本參考。