实验室管理 仪器与设备

歪翻LIMS:5.1仪器数据系统注意事项(2)

哇咔咔。感谢 Joe Liscouski, Shawn Douglas 。 LIMS、ELN、DI DG 数据完整性 实验室 计算机化系统
评分 评分评分评分评分评分
阅读 361
手机端查看
使用微信 “扫一扫” 即可在手机上查看
本节完事,收工。
歪翻LIMS:5.1仪器数据系统注意事项(2)
图 6.该色谱图显示了混合物中糖的分离。[3]在模拟色谱图中,这条线将是平滑的,因为它将来自实时记录的连续信号。像这样的图像通常会显示峰值上的阶梯步进,这是计算机定期对信号进行采样的结果(可能为20到50次/秒,具体取决于设置),并且生成的图像是采样读数的连接点显示。这是实时条形图模拟记录和数字系统之间的特征差异(尽管不是对这种特定色谱图的批评)。
如图6所示,色谱图是一系列峰。这些峰代表保留时间(注射后分子洗脱所需的时间),并可用于帮助确定分子的身份(可用于确认MS等其他技术)。峰的大小用于定量分析。
在进行定量分析时,分析师的部分工作是确定峰的大小,并确保没有污染物会损害样品。这就是生活变得有趣的地方。定量分析需要分析一系列用于构建校准曲线的标准品(峰大小与浓度),然后是样品。然后将它们的峰尺寸放置在校准曲线上并读取其浓度(图7)。
歪翻LIMS:5.1仪器数据系统注意事项(2)
图 7.峰面积测量和校准曲线
峰大小可以通过两种方式测量:通过基线上方的峰值高度和通过测量该基线上方峰值下的面积。后者更准确,但在计算机出现之前的日子里,这很难确定,因为峰具有不规则的形状,通常具有倾斜的基线。因此,除非有顾虑,否则通常会使用峰值高度,因为它更快,更容易。
当从带状图记录中手动完成时,有两种常用的测量峰值面积的方法[4]:
平面仪 – 一种用于追踪峰值轮廓的机械设备,既繁琐又精确且耗时
剪切和称重 - 复印(通常)由单个色谱图制成,从纸上切下峰,放入干燥器中以标准化水分含量,然后称重。砝码以及纸张的表面积用于确定峰值面积,这也是缓慢,严格且耗时的。
虽然峰值高度测量更快,但它们仍然是劳动密集型的。这些方法有一个好处:你对数据非常熟悉。如果有什么地方有点偏差,包括意想不到的峰值、峰形变形等,它立即变得明显和重要,因为这意味着样品中存在意想不到的东西,这可能意味着严重的污染。分析师的部分职责是识别这些污染物,这通常意味着在峰值组分离开色谱柱时进行多次注入和冷捕获。过去,红外分光光度法用于扫描被捕获的材料。今天,人们使用质谱方法,例如液相色谱-质谱(LC-MS)。
任何可以使这些测量更容易,更快速的东西都欢迎进入实验室(取决于您的预算)。“任何东西”始于围绕英特尔4004和8008芯片构建的电子集成商[5][6]连接到色谱仪的模拟输出的集成商,执行数据采集和处理,以产生具有峰数,保留时间,峰高,峰面积的纸条,以及峰值是否在基线上结束或与下一个峰值形成谷值的指示, 对于注射产生的所有峰值。大多数集成商都有数字(连接到数字I / O板)和串行(RS-232)输入输出(I / O)端口,用于与计算机通信。
随着技术和方法的变化,有些东西得到了,有些东西失去了。当然,测量峰值特征的速度加快了,最终结果的计算留给了分析师。然而,与数据的任何亲密关系在很大程度上都丢失了,对基线测量方式以及如何划分重叠峰值的峰值区域的一些控制也是如此。此外,除非条形图连接到与所用积分器相同的输出,否则您看不到色谱图,因此很容易错过可能的污染物,否则这些污染物会通过更明显的额外峰或扭曲的峰来明显。
随着仪器的发展,计算机和软件作为实验室操作的一部分越来越被接受,仪器和计算系统之间的区别几乎消失了。例如,条形图记录仪曾经是标准的,现在已成为可选配件。今天,计算机的报告已经成为公认的分析摘要,如果被引用,屏幕大小的图形已经成为色谱输出的可接受表示,如果被捕获的话。如果分析人员选择这样做,则可以放大数字色谱图以查看更多细节。此外,目前有大量的计算资源可用于分析峰值以及它们通过连字符技术可能表示的内容。然而,只有当有人检查色谱图并寻找可能以意外峰或扭曲峰形状的形式出现的异常时,这些元素才有用。
通过开发正确分离所有预期样品组分和可能污染物的分离方法,可以计划潜在污染物的问题。标准印刷报告将列出发现的所有内容,包括预期的分子和可能存在但不应该存在的分子。还有一些意想不到的事情,它们要么表现为明确定义的峰,要么表现为其他洗脱成分的肩膀。

歪翻LIMS:5.1仪器数据系统注意事项(2)
图 8 显示了一对基于正态分布的合成峰(在 Excel 中创建)。蓝线和红线是单独的峰值,绿色是它们的组合。虽然蓝色峰值的贡献是显著的,并且扭曲了整个峰值包络,但这不足以破坏前缘不断上升的斜率。最终结果是,峰值检测算法可能会将这两个区域混为一谈,并将它们报告为单个组件。第二个峰值的保留时间不受影响。可以选择一组峰值检测参数来检测这一点,或者选择一份分析报告来标记异常的峰值宽度(与标准的峰值高度成比例)。这将是分析师必须内置的东西,而不是依赖于默认设置和报告。
同样的问题也存在于光谱学和热分析等其他技术中。在这些技术中,在分析阶段[b]中可能没有太多可以做的事情来处理问题,您可能必须使用软件系统来处理问题。峰值反卷积代表了一种可能的方法。
有一些使用软件包执行峰值反卷积的例子,包括OriginLab[7]和Wolfram Research。[8]然而,反卷积的一个潜在问题是,可能会产生太多的峰值来使曲线拟合匹配。
最终,所有这些方法的成功取决于受过良好教育的分析师,他们完全熟悉他们正在使用的技术以及用于收集和分析仪器输出的数据处理系统的能力。
转向全自动、互联的系统
实验室信息管理系统(LIMS)和电子实验室笔记本(ELN)的好处之一是它们能够接收来自IDS的通信并自动解析报告并将结果输入其数据库。鉴于前面的评论,我们如何确保输入的结果是正确的?IDS已经从分析师的辅助转变为替代者,失去了分析师的观察和判断能力。这可能会损害数据质量和完整性,允许可疑的数据和信息进入系统。在迈向全自动实验室环境的过程中,我们需要找到一个有效的分析师替代品。
需要在全行业范围内开发(它可能存在于单个产品或实验室中)是一个验证,认证和通知分析结果的系统,同时还解决了上述问题。鉴于人们对人工智能(AI)系统的兴趣日益浓厚,这似乎是一条道路,但存在问题。媒体报道的大多数AI系统都是围绕机器学习过程设计的,这些过程基于系统对测试数据集的检查,通常以可以评估的图像形式出现。在撰写本文时,人们对数据集的质量和所得系统的可靠性提出了担忧。另一个问题是,基于机器学习的系统的决策过程是一个黑匣子,这在受监管的环境中不起作用,因为验证确实是并且应该是一个主要问题。简而言之,如果您不知道它是如何工作的,那么您如何建立对结果的信任?毕竟,对数据的信任至关重要。
我们需要的是一个精心设计的系统来检测分析和实验数据中的异常,使用户能够采取适当的后续行动。当应用于IDS时,此功能将充当“守门人”,并防止可疑信息进入实验室信息学系统(图9)。
歪翻LIMS:5.1仪器数据系统注意事项(2)
图 9.应用于实验室过程模型的“守门人”评估标准示例
“数据和信息守门人”的概念是一个有趣的观点,因为我们进入了自动化和实验室信息系统的集成。我们有能力将系统连接在一起,将数据和信息从IDS传输到科学数据管理系统(SDMS),然后传输到LIMS或ELN。一旦这些数据和信息进入信息学的这一上层,它通常被认为是值得信赖的,并且能够在可靠的基础上用于决策。这种可信度需要基于的不仅仅是将内容放入数据库的能力。我们需要确保开发数据和信息的过程是可靠的,经过测试和验证的。这是实验室执行系统(LES)吸引力的一部分,该系统具有内置检查功能,以确保正确执行过程的步骤。虽然 LES 主要是为了支持人工活动而构建的,但我们需要一种类似的机制来检查 IDS 中的自动化流程,尤其是数据到信息处理的最后阶段,因为吞吐量如此之高,以至于我们无法依赖人工检查员。随着我们通过自动化(实质上成为“科学制造或生产”工作)来提高生产率,我们需要使生产线检测概念适应实验室工作的过程。
为实验室自动化发展设定方向
本文首先声明,需要一个全行业的方向来促进自动化技术在实验室工作中的应用。你可能会先问“哪个行业?答案是“全部”。在过去的几年里,人们倾向于关注生命科学和医疗保健行业,这是可以理解的,因为这是资金所在。然而,最近,出于同样的原因,对大麻产业进行了推动:这是一项明智的投资。也就是说,将技术标记为适合特定行业忽略了一个关键点,即实验室自动化及其支持技术需求在所有行业中基本相同。流程的样本和细节在人们将使用的内容方面有所不同,但底层技术是相同的。微孔板和支持技术等工具集中在生命科学领域,但在很大程度上,这是因为它们在其他地方没有尝试过。软件系统也是如此。如果开发人员只针对一个行业,他们可能更难证明项目的合理性,但如果他们对市场有更广阔的视野,他们可能会获得更广泛的支持。如果方法和标准被视为特定于市场,则其他潜在用户可能会忽略它们。因此,开发人员将错过可能使他们更成功的重要投入和机会。简而言之,我们需要在技术上更具包容性,寻找更广泛的发展适用性,而不是狭隘地关注发展。
当我们构建实验室自动化和计算发展框架时,我们应该解决整个实验室市场的问题,然后让各个市场根据其需求调整和完善该框架。例如,系统间通信(例如,双向IDS到LIMS或ELN)几十年来一直是一种需求,临床化学行业已经成功解决了这一需求。那么,为什么不调整他们的方法呢?
我们可以为各种实验室操作开发一组模型。前面描述的一种可能性是一种可能性,但需要对其进行充实,以包括管理和其他类型的功能。每个元素将具有不同的子模型,以考虑具有连接和控制机制(机器人的分层,手动的LES和手动的LES)的实现方法(例如,手动,半自动,全机器人等)。这些模型将向我们展示哪里需要开发以及它们如何相互关联,同时也为人们规划实验室操作提供指导。因此,它将成为确定和开发综合技术的更有条理或更工程化的办法。
但还有另一个需求,那就是适当的教育。这可以通过创建的模型来促进,帮助人们了解他们需要学习什么才能成为有效的实验室经理,技术经理,实验室人员和实验室IT(LAB-IT)支持人员。
教育和技术发展共同提供了一个自然的反馈系统。您学习的越多,您代代定义和利用实验室技术的能力就越强。这种互动导致更有效的教育。
底线
所有这一切的底线非常简单。仪器供应商已经生产了广泛的仪器系统,并由仪器数据系统提供支持,以协助实验室人员的工作。他们的作用是开发可以适应支持仪器的系统,用户完成分析和报告过程。通用报告可以重新配置,以满足特殊需求;毕竟,那些供应商提供的报告并不是流程的终点,只是实现这一目标的指南。
无论仪器如何封装(例如,作为集成包或分离的仪器-计算机配置),最终用户都必须在两组组件中都接受过良好的教育。
他们必须了解:
仪器在做什么,
它是如何运作的,以及
它产生的模拟数据的特征。
他们还必须熟悉:
数字系统如何处理这些数据,
他们是怎么做到的,
这些系统的局限性,
仪器和计算机之间的相互作用,以及
分析师的责任。
数字系统不是分析师的替代品,而是简化工作流程的辅助工具。无论产生什么数据和信息,您都在签名,并对这些结果负责。
缩写、首字母缩略词和首字母缩写
AI:人工智能
ELN: 电子实验室笔记本
GC-MS:气相色谱-质谱
IDS: 仪器数据系统
LC-MS: 液相色谱-质谱
LES:实验室执行系统
LIMS:实验室信息管理系统
MS: 质谱仪
SDMS:科学的数据管理系统
脚注
a但是,如果您想熟悉该技术,网上有很多来源,例如……学院。
b在某些情况下,例如LDPE侧链支化的红外光谱分析,干扰的偏乙烯基峰可以通过溴化去除;参见ASTM D3123 - 09(2017) 。其他技术可能具有解决重叠峰值问题的机制。
关于作者
作者Joe Liscouski(gmail dot com的joe dot liscouski)最初是一名化学家,是一位经验丰富的实验室自动化/计算专业人员,在该领域拥有超过四十年的经验,包括自动化系统(定制和商业系统),LIMS,机器人和数据交换标准的设计和开发。他还就计算在实验室工作中的应用提供咨询。他曾在美国、欧洲和日本举办过关于验证的座谈会,并介绍了有关实验室自动化和计算的技术材料和短期课程。他曾在制药,生物技术,聚合物,医学和政府实验室工作/咨询。他目前的工作重点是与公司合作,为实验室系统建立规划计划,开发有效的支持小组,并帮助人们在研究和质量控制环境中应用自动化和信息技术。
引用
发布于 2022-08-11 21:49:09 © 著作权归作者所有
评分
评论
点赞
收藏
更多