CRHA, Tomáš a Jiří PAZOUREK. OPTIMALIZATION OF ELSD PARAMETERS FOR HPLC CARBOHYDRATES ANALYSIS WITH AN ARTIFICIAL NEURAL NETWORK. In Student Scientific Conference MUNI Pharm, Doctoral Students. 2023. ISBN 978-80-280-0324-1.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název OPTIMALIZATION OF ELSD PARAMETERS FOR HPLC CARBOHYDRATES ANALYSIS WITH AN ARTIFICIAL NEURAL NETWORK
Autoři CRHA, Tomáš a Jiří PAZOUREK.
Vydání Student Scientific Conference MUNI Pharm, Doctoral Students, 2023.
Další údaje
Originální jazyk angličtina
Typ výsledku Prezentace na konferencích
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
Organizační jednotka Farmaceutická fakulta
ISBN 978-80-280-0324-1
Klíčová slova anglicky carbohydrates, HILIC, HPLC, CCM, ELSD optimalization
Štítky ÚChL
Změnil Změnila: Mgr. Daniela Černá, učo 489184. Změněno: 29. 2. 2024 09:47.
Anotace
Evaporative light-scattering detector (ELSD) is a simple and inexpensive way to determinate analytes without a suitable chromophore. Three ‘analogue’ parameters for ELSD can be set: nebulization gas flow, temperature of an evaporator and temperature of a nebulizer. For better and faster optimalization of these parameters, a central composite (CCM) response surface design with an artificial neural network (ANN) can be used with advantage. Output of the ANN is a prediction, which gives us probably the best ELSD condition for sugars analysis. Of course, the prediction must be confirmed and verified with HPLC-ELSD measurements.
VytisknoutZobrazeno: 18. 7. 2024 22:13