不依赖于统计模型的手性毛细管电泳分离多指标同时优化.pdfVIP

第 33 卷 分析化学（FENXI ~UAXUE） 研究报告 第 6 期 2005 年 6 月 Chinese JOurnai Of Anaiyticai Chemistry 755 ~ 758 不依赖于统计模型的手性毛细管电泳分离多指标同时优化 熊建辉 翁前锋 袁凯龙 张玉奎 许国旺＊ （中国科学院大连化学物理研究所国家色谱研究分析中心，大连 116023） 摘 要 考虑到手性毛细管电泳分离机理的复杂性，提出了不依赖于统计模型的二进制编码遗传算法多目 标优化策略。根据实验参数的多少及其重要性，采用均匀设计安排完成初步实验。并用 Derringer 功效函数 作为多指标同时优化的评价指标，以取得较高的分离度和较快分离速度；通过对实验参数给予??码，转化为二 进制字符串，根据得到的总功效函数值大小进行遗传算法操作，产生新的一组实验条件。重复上述过程直到 得到最佳分离条件为止。此方法成功地应用于华法令对映体的毛细管电泳分离条件优化。 关键词 毛细管电泳，优化，遗传算法，均匀设计，功效函数 ! 引 言 目前，化合物对映体的分离和分析是一个重要的研究课题，特别在制药工业和医学领域，对映体有 着不同药效和药物代谢动力学特征。近年来，毛细管电泳（CE）已成为强有力的手性化合物分离手段， ［ ，］ 具有分离速度快、分辨率高和费用低的优点 1 2 。有多种因素影响手性毛细管电泳（ CCE）的分离选择 ［ ］ 性 3 ：手性试剂种类及浓度、电解质浓度、p~ 值、有机溶剂、分离电压和柱温等，这些因素之间还有交互 ［ ，］ 效应。采用通常的单因素实验法，很难得到最佳分离条件。Vigh 等 4 5 根据 CCE 中存在的化学平衡作 用，得到了对映体分离度与手性试剂浓度、p~ 值等实验因素间的关系方程式，它对手性 CE 分离条件优 化具有一定的指导意义，但因为需求解的物理化学参数较多，应用到实际分离条件优化中有一定困难。 ［ ］ 采用实验设计结合化学计量学模型的多变量方法，在手性 CE 分离条件优化中的应用日益增多 6 。 但由于手性 CE 分离机理的复杂性，在有些情况下优化指标与分离条件之间关系并不能用确定统计模 ［ ］ 型、甚至非线性模型如人工神经网络加以准确描述。BuchhOiz 等 7 将二进制遗传算法引入到 CE 的分 离条件优化：对选择的实验参数进行编码，表达为二进制字节串，根据各实验的分离效果，对二进制字节 串应用遗传操作，产生新一代实验条件，直至得到最佳分离结果为止。他们将此方法应用到氨基酸对映 体的 CE 分离。本研究提出了不依赖于统计模型的手性 CE 分离多指标同时优化方法。以酸性药物华 法令（WF）对映体为分离对象，采用均匀设计安排初始实验，以 Derringer 总功效函数作为优化指标，应 用二进制遗传算法作为进化策略，获得了华法令对映体的分离度和分离时间的