全二维气相色谱应用的三种模式

点击关注雪景科技全二维，了解多维色谱的最新技术进展和应用

经过近30年的发展，全二维气相色谱技术目前已经应用于越来越多的领域，包括石油化工、环境检测、食品风味、代谢组学、刑侦法医等等。而在这些浩如云烟的应用案例中，系统要求，分析方法，数据处理等方面都有不一样的特点。但很多应用其实都有相通的地方，如果能将这些大量的应用整理归类，从而总结出一些规律性的方法，就能为新应用的开发和分析方案标准化提供系统的指导。

早在2005年，四位来自荷兰的分析科学家（Mispelaar, Janssen, Tas, 和Schoenmakers）就对各种不同的色谱分析应用进行过总结，最终归纳出三种分析模式 [1]。

这三种分析模式可以用于所有的色谱化学分析应用，但全二维气相色谱在这三种模式中的应用更具有代表性和优越性，这里我们详细讨论一下这三种分析模式。

这是色谱分析中最常见的一类分析模式，目的是检测样品中一系列有限数量的事先指定的目标化合物的浓度（或含量）。一般采用外标法或内标法进行检测。

为了达到这一目的，对于色谱系统的要求主要有以下几点

目标化合物分离（局部分辨率）

这是很显然的要求，样品中（或者标样中）的预先指定的目标化合物需要尽可能地分开，包括不同目标物之间的分离，目标物和样品中其他物质（基质）的分离。但是样品中除目标物以外的其他化合物的分离并没有要求。很多时候，可以使用选择性检测器提高目标化合物的分离度（减少干扰）。

定性确认

在这种应用中，对于目标物的准确定性是至关重要的。一般情况下，色谱分析用保留时间（或Kovats指数也称保留指数）进行化合物确认。质谱技术普及之后，质谱信息（定性离子）提供了一种（几乎）确凿无误的定性确认方法。

浓度校正

在大部分应用中，需要制作校正曲线将峰面积转换成相应的浓度（或含量）。一般外标法要求用不同浓度梯度的标准溶液绘制校正曲线。这就要求所指定的目标化合物性质温度并且易于获得。如果这样要求的标样无法获取，就只能使用性质类似的标样并根据经验公式推测其在FID上的响应系数。

灵敏度

对于痕量分析应用，目标化合物的浓度很低，这就要求系统具有较高的灵敏度，一般通过特定检测器，样品预浓缩，或大体积进样来实现。

在这种模式中，人们感兴趣的不是单个的化合物，而且一类化合物的集合（称为族类）。在很多复杂样品中，性质类似的化合物组分极多而且具有很强的相关性，分析每个化合物就变得非常繁琐且没有必要。这种化合物集合一般是具有相同的化学性质，比如带有同样的化学基团，或带有相同数量的芳香环，或者有特定构型的双键等等。该分析模式最终目的是以这种族类为对象进行分析，测定其总含量或分析其整体影响。在全二维气相色谱中，由于采用两根不同固定相色谱柱的组合，可以实现对样品进行沸点和极性两个性质的分离。在全二维谱图中，同系物（具有类似化学性质但碳链长度有差异）物质由于沸点范围分布较广，会沿着一维时间（按沸点分离）排列成具有一定二维宽度（按极性分离）的条带。不同的条带代表不同性质的族类物质，从而形成所谓的结构化谱图，非常适合族类的分离分析应用。

对于族类分析，色谱系统应有以下要求。

族类选择性

要求对不同族类进行有效的分离，包括对不同族类的分离和族类与样品中其他物质（基质）的分离。但对于族类内部组分的分离并无必要。

定量分析

一般来说，族类分离最终要确定每个族类在样品中的含量，所以需要一个定量检测器，而且对于族类内部的化合物的响应最好尽量一致。最常见的是FID检测器。质谱检测器虽然在定性上有无可代替的优势，但由于不同化合物的电离效率差异较大，一般不用于族类分离的定量分析（但可以用于化合物确认，确定族类边界等）。

族类定性

不同于第一种模式需要针对每个目标物峰进行定性，族类分析中只需要对族类总体进行定性确认（一般需要确认族类边界，以及是否有族类之间的重叠）。对于很难进行单组分积分的情况（比如UCM鼓包导致无法对单个化合物进行积分），需要进行族类手动积分。

在第一种和第二种分析模式中，我们需要知道样品的一些基本情况，比如目标化合物或者目标族类。而第三种分析模式中，这样的先验信息可能是不存在的，或者说，这就是这类分析需要得到的结果。比如说，某两个样品表观上具有显著的差异，我们想要知道哪些化学成分影响或者导致了这些差异。这种例子不胜枚举，两个来自相邻油井的原油样品，两种不同产地出产的红酒，不同季节采摘的茶叶，健康人群和患病人群的血液样本。在这些例子中，最终目的是找出影响样品表观差异的关键化学成分（目标物组分或者族类，称为标志物Marker），从而深入了解其化学机理或成因，进而对未知样品进行性质预判或鉴别。要实现这一目的，最直观的方法是分析样品中所有化学成分并对其性质进行关联比较，但这样的方法工作量巨大，实际上根本无法开展。更有效的方法是将样品的整个谱图视为一种“指纹谱图”，并将其中的“指纹特征”和表观性状进行统计关联，从而得到标志物。这样的方法极大程度上依赖于多元统计数据处理技术。

这种模式对色谱系统的要求如下。

峰容量（全局分辨率）

由于不知道哪个峰对最终结果有作用，需要系统能分离出尽可能多的化合物（全局分辨率）。与第一种模式不同的是，这并不意味着对于某两个或几个化合物的分离是最优的。

保留时间稳定性

由于多元统计技术使用大量的数据样品，系统的保留时间稳定性至关重要，细微的保留时间偏移可能最终导致很大的误差。

检测器稳定性

同理，检测器的响应也需要长期稳定，从而保证最终结果的准确。

线性范围

由于相关的化合物浓度可能很大，也可能很小，需要色谱系统具有较大的线性范围。

多元统计技术

在这类分析模式中，需要将“指纹图谱”对应成样品表观性质，大量的多元统计计算必不可少。常用的技术包括偏最小二乘（PLS）和主成分分析（PCA）。

对于三种不同分析模式，全二维气相色谱相比常规一维色谱，都具有很明显的优势，下表总结了三种分析模式的需求和全二维气相色谱的特色优势。

下面是三种不同模式下几个典型的例子（案例均来自文献[1]）

目标物分析：上图是在检测香草样品中关键风味物质，一维谱图（a）和全二维谱图（b）的比较。可以明显发现，全二维气相色谱的分离度更好。在相同的一维馏出时间上，这些目标化合物在一维时间上均有不同程度的共馏出现象，造成一维色谱检测结果偏高。

族类分析：第二个例子（上图）是用SCD检测某循环油中的含硫化合物，一维谱图（a）和全二维谱图（b）。显而易见，一维方法无法进行族类分析，因为不同类别的化合物其沸点交叉重叠，根本无法从一维上进行分离。而全二维结构化谱图上，不同类型的族类可根据二维保留时间进行分离，界限明晰，可简便快捷地确定族类边界，也很容易实现数据的全自动分析处理。

指纹图谱分析：第三个应用（上图）是分析不同来源油品的成分，通过多元统计方法对化合物进行简化，找出关键成分，进行聚类分析后最终形成三种不同类型。

由于不同模式下，对于柱系统优化的要求和后续数据处理的方法完全不同，所以首先要确定你的应用属于哪个分析模式。

后面我们会挑选一些我们实际中碰到过的应用，结合雪景科技的数据处理软件，给大家详细说明这三种不同模式的具体分析方法和数据处理过程。敬请期待。

如果你有什么问题，特别是对您的应用要求有什么疑惑，欢迎跟我们联系！

最后，给大家测试一下，下面这几个应用，分别属于哪种分析模式呢？

参考文献

[1] Van Mispelaar, Janssen, Tas, Schoenmakers, Novel system for classifying chromatographic applications, exemplified by comprehensive two-dimensional gas chromatography and multivariate analysis, Journal of Chromatography A. 1071 (2005) 229-237.

如需转载，请联系雪景科技全二维，并注明出处。

关注雪景科技全二维，如果您有任何要求或问题，请给我们留言哦！

详细信息请点击雪景科技官方网站查询

www.jnxtec.com

400-1800--992