要点:
- Pirok强调了开发强大的2D色谱方法的重要性,突出了诸如优化系统稳定性和仔细选择条件之类的策略以确保可重复的结果。
- 在访谈中,Pirok讨论了保留时间一致性在实现准确的数据解释,共享实用方法和工具方面的关键作用,这些方法和工具有助于维持多个分析的一致性。
- Pirok探索了机器学习和AI如何支持诸如峰值跟踪,模式识别和工作流程自动化之类的任务,尤其是在处理复杂的数据集并提高分离的有效性时。
作者:Alasdair Matheson
LCGC国际采访了荷兰阿姆斯特丹大学的鲍勃·皮罗克(Bob Pirok),讨论了增强2D LC中方法鲁棒性的策略,用于跟踪复杂数据集的峰值的实用方法以及机器学习和AI在色谱中的作用。
在布鲁日的HPLC 2025会议上LCGC国际鲍勃·皮罗克(Bob Pirok)就综合二维液态色谱法的最新进展和持续的挑战进行了采访。在这次采访中,Pirok分享了他对增强方法鲁棒性的策略的见解,讨论了保留时间对齐的重要性,并反思了跟踪复杂数据集跨越峰的实际方法。他还探讨了机器学习在现代色谱工作流中的作用,并提供了他对新兴技术如何有助于更有效的分离的看法,尤其是在使用高度复杂的样品时。
鲍勃回答了以下问题:
•您发现哪些策略最有效地改善了2D色谱方法的鲁棒性?
•保留时间对齐在您的工作流程中有多重要,您使用哪些方法或实践来有效地实现它?
•您在跟踪多个2D色谱图的峰时面临哪些挑战,您当前如何解决它们?
•您在色谱研究中使用机器学习探索了什么?
•在处理高度复杂的样品时,您认为将2D色谱分离更有效的关键是什么?
•AI/机器学习对色谱社区有什么积极影响?
鲍勃W. J. Pirok是荷兰阿姆斯特丹大学,荷兰阿姆斯特丹大学的Van霍夫分子科学学院(HIMS)的分析化学副教授,也是荷兰的活跃成员LCGC国际编辑顾问委员会(EAB)。