LC/MS, LC/SQ, PrepLC
ZaměřeníFarmaceutická analýza
VýrobceAgilent Technologies
Význam tématu
V raných fázích vývoje léčiv je dostupnost vysoce čistých sloučenin klíčová pro spolehlivé screeningové testy a identifikaci vedoucích látek. Preparativní HPLC umožňuje rychlou a efektivní purifikaci hrubých reakcí, čímž minimalizuje falešné nálezy a snižuje náklady na následnou chemickou nebo biologickou analýzu.
Cíle a přehled studie / článku
Cílem prezentované studie bylo demonstrovat použití systému Agilent 1290 Infinity II Preparative LC/MSD pro purifikaci paracetamolu z modelové hrubé směsi obsahující přibližně 50 % cílové látky. Hodnota čistoty a výtěžku očištěného paracetamolu byla kvantifikována analytickou LC.
Použitá metodika a instrumentace
- Systém Agilent 1290 Infinity II Preparative LC/MSD, včetně modulu Open-Bed Sampler/Collector s delay senzorem pro přesnou kalibraci odkladu.
- Moduly systému: preparativní binary pumpa, samplovací/kolekční modul, kolónová kompartment, diode array detektor, MS Flow modulátor, isokratická pumpa, delay coil organizer, LC/MSD XT.
- Kolony: Agilent Polaris C18-A 21,2×150 mm, 5 µm (preparativní); Polaris C18-A 4,6×150 mm, 5 µm (analytická).
- Rozpouštědla: 0,1 % kyseliny mravenčí ve vodě a v acetonitrilu, DMSO, ultrapure voda, paracetamol a 7 nečistot.
- Preparativní metoda: gradient 3→23→100 % B do 5 min, průtok 31,86 mL/min, injekční objem 1000 µL, detekce UV 254 nm a MS [M+H]+ m/z 151,1 se spouštěním frakcí založeným na AND logice UV+MS.
- Analytická reanalýza: gradient 3→50→100 % B do 20,6 min, průtok 1 mL/min, injekce 1 µL, UV 254 nm.
Hlavní výsledky a diskuse
Analytická LC ukázala v modelové hrubé směsi sedm nečistot a paracetamol, s počáteční čistotou ca. 57 %. Preparativní metoda umožnila jednorázovou purifikaci 100 mg vzorku, přičemž výtěžek dosáhl v průměru 95,9 % (RSD 0,2 %) a čistota frakcí přes 99 %. Masově řízené frakční sbírání zajistilo vysokou specifitu a účinné oddělení paracetamolu od souběžných nečistot.
Přínosy a praktické využití metody
Metoda nabízí vysokou kapacitu i reprodukovatelnost, minimalizuje potřebu manuálních zásahů a šetří prostor díky kompaktnímu modulárnímu designu Open-Bed Sampler/Collector. Umožňuje rychlou přípravu preparátů pro screening a následné biologické testy.
Budoucí trendy a možnosti využití
- Integrace s automatizovanými řešeními a robotickými platformami pro zvýšení throughput.
- Rozšíření metody na různé chemotypy a složitější biologicky aktivní molekuly.
- Real-time sledování čistoty pomocí pokročilých detektorů a umělé inteligence pro optimalizaci sběru frakcí.
- Škálování metody pro středněvýkonné a plně průmyslové aplikace.
Závěr
Agilent 1290 Infinity II Preparative LC/MSD System efektivně očistil modelovou hrubou směs paracetamolu, dosahujíc vysoké čistoty (>99 %) a výtěžku (>95 %). Masově řízené frakční sbírání v kombinaci s inteligentní kalibrací prodlužuje možnosti rychlé a spolehlivé purifikace sloučenin v raných fázích výzkumu léčiv.
Reference
- Eder J, Herrling PL. Trends in Modern Drug Discovery. In: New Approaches to Drug Discovery. Nielsch U et al., eds. Handbook of Experimental Pharmacology. Springer; 2016:3–24.
- Janzen WP, Popa-Burke IG. Advances in Improving the Quality and Flexibility of Compound Management. J Biomol Screen. 2009;14(5):444–451.
- Ripka WC et al. High-Throughput Purification of Compound Libraries. Drug Discov Today. 2001;6(9):471–477.
- Agilent Technologies. Agilent InfinityLab LC Purification Solutions Brochure. 2017;Publication 5991-8009EN.
- Rieck F. Time-, Peak- and Mass-Based Fraction Collection with the Agilent 1290 Infinity II Preparative Open-Bed Fraction Collector. Agilent Technologies; 2016:Publication 5991-7654EN.
- Rieck F. Performance Characteristics of the Agilent 1290 Infinity II Preparative Open-Bed Fraction Collector. Agilent Technologies; 2016:Publication 5991-7655EN.
- Rieck F. Developing Purification Strategies for the Agilent 1260 Infinity II Preparative LC/MSD System. Agilent Technologies; 2016:Publication 5991-8159EN.
Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.