OPTIMALIZATION OF ELSD PARAMETERS FOR HPLC CARBOHYDRATES ANALYSIS WITH AN ARTIFICIAL NEURAL NETWORK

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.

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

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

---

Anotace

V originále

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.