Experimental methods in chemical engineering: High performance liquid chromatography—HPLC
Notice bibliographique
Résumé
Abstract High performance liquid chromatography (HPLC) identifies compounds in a sample and quantifies their concentration. The instrument consists of an injector that introduces a μL sample to a mobile phase that carries the analytes across a column filled with an adsorbing substance. The analytes adsorb and desorb at different rates as they flow down the column and are thereby separated. Detectors record a signal proportional to the concentration of the analyte in the mobile phase. Laboratories apply modern HPLC systems for research and development, quality control, safety, and validation. Academia and industry resort to HPLC to purify, identify, and characterize a wide variety of molecules at all stages of a process. Developing an HPLC analytical method is a long and laborious process requiring standards, calibration curves, derivatization, and multiple tests to identify an appropriate column, stationary phase, flow rate, temperature, and mobile phase. Optimal operating conditions maintain a good resolution (high signal‐to‐noise ratio and low peak overlap) while minimizing analysis time. Web of Science Core Collection indexed 8900 articles in 2019, which is relatively few compared to x‐ray and scanning electron microscopy. However, it is such an ubiquitous technique and we estimate that the number of articles that report it in the experimental section is an order of magnitude higher. The bibliometric analysis of the keywords identified four research clusters: phenolics and flavonoids, extraction and pharmacokinetics, in vitro and oxidative stress, and optimization. Here, we detail a walkthrough for the basic steps required to develop a chromatographic method.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».