Back to Skills

develop-gc-method

pjt222
Updated 2 days ago
2 views
17
2
17
View on GitHub
Developmentgeneral

About

This skill helps developers systematically create gas chromatography methods from scratch, covering column selection, temperature programming, and detector configuration. It's designed for developing new GC analyses, adapting published methods to different instruments, or replacing underperforming existing methods. The skill handles target compound specifications, sample matrices, and detection limits while providing optimized separation parameters.

Quick Install

Claude Code

Recommended
Primary
npx skills add pjt222/agent-almanac -a claude-code
Plugin CommandAlternative
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternative
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/develop-gc-method

Copy and paste this command in Claude Code to install this skill

Documentation

GC法の開発

カラム選定、昇温プログラム最適化、キャリアガスと検出器の選択、揮発性および半揮発性分析種の初期性能検証をカバーするガスクロマトグラフィー法の体系的開発。

使用タイミング

  • 揮発性または半揮発性化合物の新規GC分析を開始する時
  • 公表された方法を異なる装置やマトリックスに適応させる時
  • 既存の方法が性能要件を満たさなくなり置き換える時
  • 既知の沸点と極性を持つ化合物の方法を開発する時
  • 充填カラム法からキャピラリーカラム法に移行する時

入力

必須

  • ターゲット分析種: CAS番号、分子量、沸点を含む化合物のリスト
  • 試料マトリックス: 試料タイプの説明(例: 大気、水抽出液、溶媒溶液、生体液)
  • 検出限界: 各分析種に必要なLOD/LOQ

任意

  • 参考方法: 出発点として使用する公表方法(EPA、ASTM、薬局方)
  • 利用可能カラム: 手持ちのカラムのインベントリ
  • 装置構成: GCモデル、利用可能な検出器、オートサンプラータイプ
  • スループット要件: 1試料あたりの最大許容実行時間
  • 規制フレームワーク: GLP、GMP、EPA、またはその他のコンプライアンスコンテキスト

手順

ステップ1: 分析目標の定義

  1. 物理的特性(沸点、極性、分子量)と共にすべてのターゲット分析種を列挙する。
  2. 試料マトリックスと予想される干渉物質または共抽出物を特定する。
  3. 必要な検出限界、定量範囲、クリティカルペア間の許容分離度を指定する。
  4. 方法が規制基準(EPA 8260、USPなど)を満たす必要があるかを決定する。
  5. スループットニーズを文書化する: 最大実行時間、注入量、試料前処理の制約。

期待結果: 分析種、マトリックス、検出限界、分離度要件、および規制またはスループットの制約を列挙した文書化された仕様。

失敗時: 分析種の揮発性データが利用できない場合、構造類似体から沸点を推定するか、中極性カラムでスカウティングランを実施して溶出順序を確立する。

ステップ2: カラムの選定

分析種の極性と分離の難易度に基づいてカラム寸法と固定相を選択する。

カラムタイプ固定相極性典型的な用途
DB-1 / HP-1100%ジメチルポリシロキサン非極性炭化水素、溶媒、一般スクリーニング
DB-5 / HP-55%フェニル-メチルポリシロキサン低極性半揮発性物質、EPA 8270、乱用薬物
DB-170114%シアノプロピルフェニル中極性農薬、除草剤
DB-WAX / HP-INNOWaxポリエチレングリコール極性アルコール、脂肪酸、香料、精油
DB-6246%シアノプロピルフェニル中極性揮発性有機物、EPA 624/8260
DB-FFAP変性PEG(ニトロテレフタル酸)高極性有機酸、遊離脂肪酸
DB-3535%フェニル-メチルポリシロキサン中低極性ポリ塩化ビフェニル、確認カラム
  1. 分析種の極性を固定相に一致させる: 似たものは似たものを溶かす。
  2. カラム長を選定(15-60 m): 長いカラムは理論段数が増えるが実行時間も長くなる。
  3. 内径を選定(0.25-0.53 mm): 細いカラムは効率が高く、太いカラムは容量が大きい。
  4. 膜厚を選定(0.25-5.0 um): 厚い膜は揮発性分析種をより長く保持する。
  5. 複雑なマトリックスでは、ガードカラムまたはリテンションギャップを検討する。

期待結果: 分析種の特性と分離要件により正当化されたカラム仕様(固定相、長さ、内径、膜厚)。

失敗時: 単一カラムですべてのクリティカルペアが分離できない場合、直交選択性を持つ確認カラムを計画する(例: DB-1プライマリ、DB-WAX確認用)。

ステップ3: 昇温プログラムの最適化

  1. 最も揮発性の高い分析種の沸点以下にオーブン初期温度を設定する(溶媒フォーカシングのため1-2分ホールド)。
  2. リニアランプを適用する。一般的な出発点:
    • 単純混合物: 10-20 C/min
    • 複雑混合物: 3-8 C/min(より良い分離度のため)
    • 超高速スクリーニング: 25-40 C/min(短い薄膜カラム上)
  3. 最も揮発性の低い分析種の沸点の10-20 C上に最終温度を設定する。
  4. 最終ホールド(2-5分)を追加して完全な溶出とカラムベークアウトを確保する。
  5. 共溶出するクリティカルペアに対して、溶出直前の温度でアイソサーマルホールドを挿入するか、その領域のランプ速度を下げる。
  6. 合計実行時間がスループット要件を満たすことを確認する。

期待結果: 許容される実行時間内にすべてのターゲット分析種を分離する昇温プログラム(初期温度、ホールド、ランプ速度、最終温度、最終ホールド)。

失敗時: ランプ最適化後もクリティカルペアが分離されない場合、カラム選定(ステップ2)を再検討するか、問題領域でより遅い速度を持つマルチランププログラムを検討する。

ステップ4: キャリアガスの選定

特性ヘリウム(He)水素(H2)窒素(N2)
最適線速度20-40 cm/s30-60 cm/s10-20 cm/s
高流量での効率良好最良(平坦なファンデームター曲線)不良
速度優位性ベースラインHeより1.5-2倍速い最も遅い
安全性不活性可燃性(漏洩検知が必要)不活性
コスト/入手性高価、供給懸念低コスト、発生器オプション非常に低コスト
検出器互換性すべての検出器ECDには不適; 一部のMSに注意すべての検出器
  1. 汎用作業やHeを指定する規制方法にはヘリウムをデフォルトとする。
  2. より速い分析やヘリウム供給が制約される場合は水素を検討する。水素固有の漏洩検知と安全インターロックを設置する。
  3. 窒素は単純な分離やコストが主要な要因の場合のみ使用する。
  4. 選択したガスとカラム内径の最適線速度にキャリアガス流量を設定する。
  5. 非保持化合物(FIDではメタンなど)を使用して実際の線速度を測定する。

期待結果: キャリアガスが選定され、流量が最適線速度に設定され、非保持ピーク測定で検証されている。

失敗時: 設定流量で効率が期待より低い場合、5-7の流量を使用してファンデームター曲線(段高vs線速度)を作成し、真の最適値を見つける。

ステップ5: 検出器の選択

検出器選択性感度(概算)リニアレンジ最適用途
FIDC-H結合(汎用有機)低pgC/s10^7炭化水素、一般有機物、定量
TCDユニバーサル(全化合物)低ng10^5永久ガス、バルク分析
ECD電気陰性基(ハロゲン、ニトロ)低fg(塩素化合物)10^4農薬、PCB、ハロゲン化溶媒
NPD/FPDN, P(NPD); S, P(FPD)低pg10^4-10^5有機リン農薬、硫黄化合物
MS(EI)構造同定低pg(スキャン)、fg(SIM)10^5-10^6未知物質、確認、微量分析
MS/MS最高選択性fgレンジ10^5複雑マトリックス、超微量、法医学
  1. 分析種の化学的性質と必要な感度に検出器を一致させる。
  2. 単純マトリックスでの定量作業には、FIDをデフォルトとする(堅牢、リニア、低メンテナンス)。
  3. 複雑マトリックスでの微量分析には、SIMモードのMSまたはMRMモードのMS/MSを選好する。
  4. 微量レベルのハロゲン化合物には、ECDが最高感度を提供する。
  5. 凝縮防止のため、検出器温度をオーブン最高温度の20-50 C上に設定する。
  6. メーカー推奨に従って検出器ガス流量を最適化する。

期待結果: ターゲット分析種に適切な温度とガス流量で選定・設定された検出器。

失敗時: 必要な検出限界で検出器感度が不十分な場合、試料の濃縮(注入量の増加、溶媒蒸発)を検討するか、より感度の高い/選択性の高い検出器に切り替える。

ステップ6: 初期性能の検証

  1. すべてのターゲット分析種を中間濃度で含むシステム適合性標準を調製する。
  2. 標準を連続6回注入する。
  3. 評価する:
    • 保持時間RSD: 1.0%未満でなければならない
    • ピーク面積RSD: 2.0%未満でなければならない(微量レベルでは5.0%未満)
    • クリティカルペア間の分離度: Rs >= 1.5(ベースライン)、規制方法では >= 2.0
    • ピークテーリングファクター: 0.8-1.5(USP基準 T <= 2.0)
    • 理論段数(N): カラムメーカー仕様に対して確認
  4. ブランクを注入してキャリーオーバーやゴーストピークがないことを確認する。
  5. マトリックスブランクを注入してターゲット保持時間での潜在的干渉物質を特定する。
  6. すべてのパラメータをメソッドサマリーシートに文書化する。

期待結果: 繰り返し注入にわたってすべての分析種がシステム適合性基準を満たし、ターゲット保持ウィンドウでキャリーオーバーやマトリックス干渉がない。

失敗時: テーリングが観察される場合、活性部位を確認する(カラムの再コンディショニング、入口端から0.5 mトリミング、ライナー交換)。RSDが限界を超える場合、オートサンプラー精度と注入技術を調査する。分離度が不十分な場合、ステップ3に戻って昇温プログラムを改良する。

バリデーション

  • すべてのターゲット分析種がクリティカルペアでRs >= 1.5で分離されている
  • 6回繰り返し注入で保持時間RSD < 1.0%
  • 6回繰り返し注入でピーク面積RSD < 2.0%
  • すべての分析種のピークテーリングファクターが0.8-1.5の範囲内
  • ブランク注入で作業濃度の0.1%以上のキャリーオーバーがない
  • マトリックスブランクでターゲット保持ウィンドウに干渉物質がない
  • 合計実行時間がスループット要件を満たす
  • メソッドパラメータが完全に文書化されている(カラム、温度、流量、検出器設定)

よくある落とし穴

  • カラムブリード温度限界の無視: 固定相の最高アイソサーマル温度を超える運転は、ベースライン上昇、ゴーストピーク、カラム劣化の加速を引き起こす。常にカラム仕様シートを確認する
  • 過大な注入量: 溶媒の注入過多は早い溶出物のフロンティングピークと分離度低下を引き起こす。注入量をカラム容量に合わせる(スプリットモードの0.25 mm IDカラムでは通常0.5-2 uL)
  • 注入モードに合わないライナー: スプリットレス注入にはシングルテーパーまたはダブルテーパーの不活性化ライナーが必要。スプリット注入にはガラスウール入りライナーを使用する。不適合なライナーは再現性不良の原因
  • セプタムとライナーのメンテナンス不足: セプタムコアリングとライナー汚染はゴーストピークとテーリングの最も一般的な原因。50-100注入ごとにセプタムを交換し、ライナーは文書化されたスケジュールで交換する
  • ファンデームター最適化の省略: メーカーのデフォルト流量で運転するのは、特にキャリアガスを切り替える際に効率の無駄である
  • 不十分なカラムコンディショニング: 新しいカラムは分析使用前にコンディショニング(キャリアガス流下で最高温度まで昇温、検出器なし)して製造残渣を除去する必要がある

関連スキル

  • develop-hplc-method -- 非揮発性または熱不安定な分析種のための液体クロマトグラフィー法開発
  • interpret-chromatogram -- GCおよびHPLCクロマトグラムの読み取りと解釈
  • troubleshoot-separation -- ピーク形状、保持、分離度の問題の診断と修正
  • validate-analytical-method -- 開発されたGC法の正式なICH Q2バリデーション

GitHub Repository

pjt222/agent-almanac
Path: i18n/ja/skills/develop-gc-method
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Related Skills

qmd

Development

qmd is a local search and indexing CLI tool that enables developers to index and search through local files using hybrid search combining BM25, vector embeddings, and reranking. It supports both command-line usage and MCP (Model Context Protocol) mode for integration with Claude. The tool uses Ollama for embeddings and stores indexes locally, making it ideal for searching documentation or codebases directly from the terminal.

View skill

subagent-driven-development

Development

This skill executes implementation plans by dispatching a fresh subagent for each independent task, with code review between tasks. It enables fast iteration while maintaining quality gates through this review process. Use it when working on mostly independent tasks within the same session to ensure continuous progress with built-in quality checks.

View skill

mcporter

Development

The mcporter skill enables developers to manage and call Model Context Protocol (MCP) servers directly from Claude. It provides commands to list available servers, call their tools with arguments, and handle authentication and daemon lifecycle. Use this skill for integrating and testing MCP server functionality in your development workflow.

View skill

adk-deployment-specialist

Development

This skill deploys and orchestrates Vertex AI ADK agents using A2A protocol, managing AgentCard discovery, task submission, and supporting tools like Code Execution Sandbox and Memory Bank. It enables building multi-agent systems with sequential, parallel, or loop orchestration patterns in Python, Java, or Go. Use it when asked to deploy ADK agents or orchestrate agent workflows on Google Cloud.

View skill