《表1 色谱柱的优化:基于深度神经网络的黄酮与■酮类高分辨质谱数据的分析与识别》
本系列图表出处文件名:随高清版一同展现
《基于深度神经网络的黄酮与■酮类高分辨质谱数据的分析与识别》
随机选取50个对照品进行优化实验分析,包括25个黄酮类化合物,25个酮类化合物。分别考察了Agilent Zorbax Extend C18(2.1 mm×100 mm,1.8μm)、Agilent Zorbax Eclipse Plus C18(2.1 mm×100 mm,1.8μm)、Agilent Zorbax SB-AQ(2.1 mm×100 mm,1.8μm)、Waters CORTECS UPLC C18+(2.1 mm×100 mm,1.6μm)、Waters CORTECS C18(2.1 mm×100 mm,1.6μm)、Waters CORTECS T3(2.1 mm×100 mm,1.6μm)、Waters CORTECS UPLC Shield RP18(2.1 mm×100mm,1.6μm)、Waters ACQUITY UPLC CSH C18(2.1 mm×100 mm,1.7μm)、Waters ACQUITY UPLC BEH C18(2.1 mm×100 mm,1.7μm)、Waters ACQUITY UPLC HSS T3(2.1 mm×100 mm,1.8μm)色谱柱。通过50个对照品在10根色谱柱中正负离子模式下检测到色谱峰的分离度及理论塔板数判断柱效高低,采用所有峰总面积值、相关系数(R2)和相对标准偏差(RSD)来确定最佳色谱柱,R2越小、RSD越大,说明色谱峰的峰面积分散越均匀,不是单一色谱峰的峰面积大导致色谱峰总面积大。通过表1可以看出,Waters ACQUITY UPLC HSS T3(2.1 mm×100mm,1.8μm)色谱柱的色谱峰总面积最大,R2最小,RSD中等,所以选择该色谱柱。
图表编号 | XD00180912200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.20 |
作者 | 赵倩钰、王丽明、张禄、张祎、王涛、杨文志、韩立峰 |
绘制单位 | 天津中医药大学天津市中药化学与分析重点实验室、天津中医药大学天津市中药化学与分析重点实验室、哈尔滨工业大学(深圳)深圳市物联网关键技术重点实验室、天津中医药大学天津市中药化学与分析重点实验室、天津中医药大学天津市中药化学与分析重点实验室、天津中医药大学天津市中药化学与分析重点实验室、天津中医药大学天津市中药化学与分析重点实验室 |
更多格式 | 高清、无水印(增值服务) |