خرید و دانلود نسخه کامل کتاب Multidimensional Liquid Chromatography Separations

توضیحاتی در مورد کتاب

PhD diss., University of Tennessee, 2010. – 160 p.
بسیاری از ترکیبات مهم برای تحقیق متشکل از صدها یا حتی هزاران جزء فردی مورد علاقه است. این نوع مخلوط ها بسیار پیچیده تر از آن هستند که با یک بعد کروماتوگرافی در هر زمان معقولی جدا شوند. با این حال، اگر از یک رویکرد چند بعدی استفاده شود، جایی که یک مخلوط پیچیده با یک بعد اولیه از هم جدا می‌شود، بخش‌های ساده‌تری از آن جداسازی جمع‌آوری می‌شوند و هر یک از آن بخش‌ها به صورت جداگانه تجزیه و تحلیل می‌شوند، مخلوط‌های بسیار پیچیده را می‌توان در مدت زمان نسبتاً کوتاهی حل کرد. این پایان نامه به عنوان راهنمای کروماتوگرافی چند بعدی، به ویژه کروماتوگرافی مایع دو بعدی عمل می کند. جنبه های زیادی از جداسازی های چند بعدی وجود دارد که برای نشان دادن جنبه ها، معایب و توانایی بالقوه آن برای جداسازی مخلوط های بسیار پیچیده بررسی شده است. اندازه‌گیری‌ها برای عملکرد کروماتوگرافی چند بعدی، اثرات ابعاد اول و بعدی و رویکردهای جفت‌سازی ابعاد با مثال‌های تجربی نشان داده شده‌اند. ویژگی های اساسی و عملی کروماتوگرافی چند بعدی و همچنین بحث های نظری در مورد عملکرد کروماتوگرافی چند بعدی فعلی و آینده توضیح داده شده است. به طور تجربی، ظرفیت های اوج بسیار بالایی (حدود 7000) به دست آمد و الگوریتمی برای پیش بینی نحوه بهینه سازی جداسازی دو بعدی بر اساس زمان استفاده شده و عملکرد برای طراحی آزمایش ها ایجاد شد.

از آنجایی که جامعه علمی به تکامل خود ادامه می دهد و به مخلوط های بسیار پیچیده علاقه مند می شود، کروماتوگرافی چند بعدی منبع اصلی برای جداسازی چنین مخلوط هایی در زمان قابل قبولی خواهد بود. از تحقیقات ارائه شده در اینجا، مبانی مورد بررسی قرار گرفته و نمایش هایی در مورد چگونگی تهیه، بهینه سازی و اجرای جداسازی های چند بعدی ارائه شده است. دو عامل اصلی در کروماتوگرافی چند بعدی بدون شک ظرفیت پیک و قیمتی است که برای تحویل ظرفیت پیک بالا، زمان پرداخت می شود. هنگامی که یک تحلیلگر حداکثر ظرفیت و معنای آن را درک می کند، انتخاب برای MDLC بسیار آسان تر می شود. از انتخاب طرح مناسب، بر روی خط، توقف و رفتن یا خارج از خط، تا بهینه سازی هر قسمت از جداسازی برای دستیابی به یک هدف خاص، زمانی که شرایط تنظیم مرزی تعریف می شود، انتخاب ها منطقی می شوند.
A بیان دقیق چگونگی بهینه سازی جداسازی کروماتوگرافی مایع چند بعدی ارائه شد. معادلات مشتق شده باید به درک و بهینه سازی روش های MDLC کمک کند. بسیاری از پارامترها باید به طور همزمان در طول بهینه سازی در نظر گرفته شوند و جداسازی در بعد اول و دوم باید با هم بهینه شوند. فرآیند بهینه‌سازی باید به دقت مورد بررسی قرار گیرد زیرا این روش فضای کمی برای تنظیمات تجربی باقی می‌گذارد.
در نهایت، طرح آنلاین 2DLC احتمالا هرگز اجازه دستیابی به حداکثر ظرفیت بیش از 10000 را نخواهد داد. با این حال، این محدودیت همچنان فضای قابل توجهی را برای تمرین‌کنندگان باقی می‌گذارد. روش‌های آنلاین فعلی به ندرت، حتی از حداکثر ظرفیت 1000 تجاوز می‌کنند، که تفاوت قابل‌توجهی است. با حرکت رو به جلو، طرح‌های نظری و نتایج تجربی که قبلا ارائه شده‌اند باید به عنوان پایه‌ای قوی برای توسعه وجود داشته باشند. هنگامی که MDLC فراتر از دو بعد گسترش می یابد، روش های بهینه سازی پیشنهادی باید برای به حداقل رساندن زمان کل مورد استفاده، به حداکثر رساندن ظرفیت پیک (و تولید ظرفیت اوج) و دستیابی به اهداف جداسازی عالی تحت شرایط کروماتوگرافی کم مالیات استفاده شوند. علاوه بر این، زمانی که تجزیه و تحلیل به ظرفیت های اوج بسیار بالاتری نیاز دارد، استفاده از stop-and-go و off-line MDLC باید رسیدن به این اهداف را بسیار آسان کند. در این صورت، با بهبود فن آوری ستون و ابزار، ظرفیت های اوج بین 20000 تا 100000 در 30 ساعت یا کمتر واقعی خواهد بود.