develop-hplc-method
정보
이 스킬은 화학적 분리와 정량 분석을 위한 HPLC 분석 방법을 만드는 과정을 개발자에게 안내합니다. 약물 불순물이나 환경 시료 분석과 같은 응용 분야를 위해 컬럼 선택, 이동상/구배 설계, 검출기 구성을 처리합니다. 액체 크로마토그래피 방법을 프로그래밍 방식으로 개발하거나 최적화해야 할 때 사용하세요.
빠른 설치
Claude Code
추천npx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/develop-hplc-methodClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
name: develop-hplc-method locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > 开发高效液相色谱(HPLC)分析方法,包括色谱柱化学模式选择、流动相 和梯度设计、流速和柱温优化,以及检测器选择。用于药物杂质分析、 生物分子分析、食品和环境样品的定量检测。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: chromatography complexity: advanced language: natural tags: chromatography, hplc, column-chemistry, mobile-phase, gradient-design
开发 HPLC 方法
通过系统选择色谱模式和固定相、优化流动相组成和梯度程序、选择检测器,并进行系统适应性验证,开发满足分离要求的 HPLC 分析方法。
适用场景
- 开发药物原料药或制剂的含量测定和杂质分析方法
- 分析蛋白质、肽段、核酸等生物大分子
- 食品中添加剂、污染物的定量检测
- 环境样品中农药、多环芳烃的分析
- 将已有 HPLC 方法移植到超高效液相色谱(UHPLC)平台
输入
- 必填:目标分析物的化学信息(极性、pKa、分子量、是否含发色团)
- 必填:分析目标(定量/杂质分析/指纹图谱)
- 必填:样品基质(水溶液、有机提取物、复杂生物基质等)
- 可选:灵敏度要求(LOD/LOQ 目标)
- 可选:分析通量要求(运行时间上限)
- 可选:后续联用检测器(UV、MS、荧光等)
步骤
第 1 步:选择色谱模式和固定相
根据分析物的理化性质选择分离模式:
分离模式选择导图:
分析物是否可溶于有机溶剂和水?
├─ 是 → 分子量 < 2000 Da?
│ ├─ 是 → 是否含有可解离基团(酸/碱)?
│ │ ├─ 是 → 反相 HPLC(C18/C8)+ pH 控制
│ │ └─ 否 → 反相 HPLC(C18)或正相 HPLC(极性固定相)
│ └─ 否 → 体积排阻色谱(SEC)
├─ 是,水溶性极好 → 亲水相互作用色谱(HILIC)
└─ 不溶于有机溶剂 → 离子交换色谱(IEC)
常见固定相选择参考:
| 固定相 | 化学类型 | 适用范围 |
|---|---|---|
| C18(十八烷基) | 反相,非极性 | 大多数有机小分子(通用首选) |
| C8(辛基) | 反相,中等疏水 | 比 C18 保留弱,适用于强保留化合物 |
| 苯基丙基 | 反相 + π-π 作用 | 含芳香环的化合物,尤其是位置异构体 |
| HILIC(亲水相互作用) | 极性,水富集层 | 亲水性强、难在 C18 上保留的化合物 |
| 氨基(NH2) | 正相/HILIC | 糖类、核苷 |
| 混合模式(C18 + IEX) | 疏水 + 离子 | 两性化合物、同时分析酸碱性杂质 |
UHPLC 迁移:C18 颗粒 < 2 μm(如 BEH、HSS 系列)可将常规 HPLC(5 μm)方法速度提高 3–5 倍,同时保持或提升分辨率;需要高压泵(400–1000 bar)。
预期结果: 确定色谱模式和固定相,理由明确,与分析物极性和分子量相符。
失败处理: 若不确定,先试用 C18(反相)作为起点;若目标物保留过弱(k < 1),改用苯基柱或调整 pH;若保留过强,加大有机溶剂比例或换用 C8。
第 2 步:设计流动相和梯度程序
流动相组成是反相 HPLC 方法开发的核心:
常用流动相组成(反相 HPLC):
| 水相(A 相) | 有机相(B 相) | 适用范围 |
|---|---|---|
| 0.1% 甲酸水溶液 | 乙腈(ACN) | 通用,LC-MS 兼容 |
| 10 mM NH4OAc(pH 4.0) | ACN 或 MeOH | 碱性化合物 |
| 10 mM 磷酸二氢钾(pH 2.5) | ACN | 酸性化合物,UV 检测 |
| 5 mM NH4HCO3(pH 9.0) | ACN | 碱性化合物,LC-MS 兼容 |
梯度程序设计原则:
- 梯度范围:起始有机相比例应使最弱保留组分有适当保留(k ≥ 2);终止有机相比例确保最强保留组分完全洗脱。
- 梯度速率:
梯度速率 = ΔB%/ 梯度时间。慢梯度(1–2%/min)提高分辨率;快梯度(5–10%/min)缩短分析时间。 - 等度冲洗和再平衡:梯度结束后保持最终条件 2–5 min,然后在初始条件下再平衡 5–10 min(≥10 倍柱体积)。
pH 对保留的影响(反相 HPLC):
- 酸性化合物(pKa 3–6):pH < pKa - 1 时以分子态保留强;pH > pKa + 1 时以离子态保留弱
- 碱性化合物(pKa 7–10):pH < pKa 时质子化,保留弱;pH > pKa 时以游离碱保留强
- pH 稳定范围:大多数反相柱 pH 2–8(某些高 pH 耐受柱可至 pH 11)
预期结果: 确定流动相 pH、有机溶剂种类、梯度范围和速率,使关键峰对的分辨率 Rs ≥ 1.5。
失败处理: 若关键峰对共洗脱,调整 pH(±1 单位)或更换有机溶剂(ACN 换 MeOH,选择性不同);若保留时间过短(< 2 min),降低起始有机相比例;若分析时间过长,提高梯度速率。
第 3 步:优化流速和柱温
流速和柱温影响分析速度、柱效和背压:
流速:
- 常规 HPLC(3–5 μm 颗粒,内径 4.6 mm):1.0–1.5 mL/min
- UHPLC(< 2 μm 颗粒,内径 2.1 mm):0.3–0.5 mL/min
- 流速过低时,纵向扩散(B 项)增大,柱效降低;流速过高时,质量传递阻力(C 项)增大,背压升高
柱温:
- 升高柱温(30–60°C)可降低流动相黏度,降低背压,加快质量传递,缩短分析时间
- 对于可解离化合物,柱温变化会影响 pKa,从而影响保留;需控制柱温恒定(±0.5°C)保证重现性
- 高于 60°C 可能导致固定相降解或分析物降解
## 流速和柱温优化结果
| 条件 | 流速(mL/min) | 柱温(°C) | 背压(bar) | Rs(关键峰对) | 运行时间(min) |
|-----|------------|---------|----------|------------|------------|
| 初始 | [值] | [值] | [值] | [值] | [值] |
| 优化后 | [值] | [值] | [值] | [值] | [值] |
预期结果: 流速和柱温的优化使分析时间缩短,同时保持 Rs ≥ 1.5,背压在系统规格范围内。
失败处理: 若背压超出系统上限(如泵的最大压力为 400 bar),降低流速或换用颗粒更大的色谱柱(3 μm → 5 μm);若 Rs 随温度升高而下降,保持较低柱温。
第 4 步:选择检测器并优化灵敏度
根据分析物的结构特征选择最合适的检测器:
| 检测器 | 检测原理 | 适用化合物 | LOD(典型值) |
|---|---|---|---|
| UV/DAD(可变波长/二极管阵列) | 紫外吸收 | 含发色团的化合物(最通用) | ~ 1–10 ng(注射量) |
| 荧光(FLD) | 激发-发射 | 天然或衍生化荧光物质 | ~ 1–100 pg |
| 蒸发光散射(ELSD) | 光散射 | 无 UV 发色团的化合物 | ~ 10–100 ng |
| MS(单四极杆/三重四极杆) | 质荷比 | 通用,高选择性,结构鉴定 | ~ 0.1–10 pg(SRM 模式) |
| 电化学(ECD) | 氧化还原 | 酚类、儿茶酚胺、核苷 | ~ 10–100 fg |
| 电导率(CD) | 离子电导率 | 无机离子、有机酸、碱 | ~ 1–10 ng(IEC 联用) |
UV 检测波长优化:
- 首选 λmax(最大吸收波长);若灵敏度足够,可选用 λ < λmax 以减少基线漂移
- 对于杂质检测,选择主成分和杂质均有吸收的波长(DAD 可同时记录多波长)
- 若 λmax < 210 nm,需确认流动相在该波长的截止值(乙腈截止 205 nm,甲醇截止 210 nm)
预期结果: 检测器类型和检测参数已确定,目标 LOD/LOQ 可以达到。
失败处理: 若 UV 灵敏度不足,考虑荧光衍生化(柱前或柱后)或切换至 MS 检测;若 MS 灵敏度不足(复杂基质抑制),优化样品前处理(固相萃取、蛋白沉淀)。
第 5 步:系统适应性验证
方法投入使用前进行系统适应性检验:
| 参数 | 验收标准 | 测量方法 |
|---|---|---|
| 理论板数(N) | ≥ 2000(对于 15 cm 柱) | N = 5.54(tR/w½)² |
| 分辨率(Rs,关键峰对) | ≥ 2.0 | Rs = 2(tR2 - tR1)/(w1 + w2) |
| 拖尾因子(Tf) | 0.8–2.0(理想为 1.0) | Tf = W0.05/(2f) |
| 保留时间 %RSD(n=6) | < 0.5% | 6 针连续进样 |
| 峰面积 %RSD(n=6) | < 2.0% | 6 针连续进样 |
| 梯度重现性 | 保留时间差 < 0.2 min | 6 针连续进样 |
预期结果: 所有系统适应性参数满足验收标准,方法可进入正式验证(按 ICH Q2(R2))。
失败处理: 若 Rs 不足,参考第 2 步调整梯度;若 Tf > 2.0(严重拖尾),优化流动相 pH(调整 ±0.5 单位)或添加离子对试剂(碱性化合物可加 TFA 或乙酸);若重现性差,检查自动进样器进样量精度和流动相脱气状态。
验证清单
- 色谱模式和固定相与分析物极性和分子量相符
- 流动相 pH 控制在固定相耐受范围内(通常 pH 2–8)
- 梯度设计使目标峰在合适保留因子(k 2–20)范围内洗脱
- 流速和柱温优化后背压在系统规格范围内
- 检测器对所有目标分析物有响应(含杂质)
- 系统适应性参数(N、Rs、Tf、%RSD)全部通过验收标准
- 方法文件(色谱条件、进样量、标准曲线范围)已完整记录
常见问题
- 流动相 pH 超出色谱柱耐受范围:常规反相柱在 pH > 8 时固定相键合相水解,导致柱效迅速下降。若需碱性 pH,应使用高 pH 耐受柱(如 Xterra、BEH C18)。
- 忽视流动相脱气:溶解的气泡在检测器中产生尖锐噪声峰,干扰积分。超声脱气或在线脱气膜可消除该问题。
- 梯度再平衡时间不足:梯度结束后,色谱柱需要足够时间恢复初始条件(通常 ≥ 10 倍柱体积);再平衡不足导致保留时间漂移,重现性差。
- 进样溶剂过强:进样溶剂的洗脱强度高于起始流动相,导致早洗脱峰宽化(溶剂效应)。应将样品溶解在接近起始流动相组成的溶剂中,或将进样量降至最小。
- 碱性化合物在 C18 上拖尾:游离硅羟基与质子化碱性化合物产生次级离子相互作用,导致峰形严重拖尾。解决方法:使用封端 C18 柱、提高 pH 至 7–8(使分析物去质子化)、添加三乙胺(TEA)或 TFA 作为离子对添加剂。
- 将系统适应性测试留到最后:系统适应性应在方法投入使用前每次测试,而非仅在开发阶段进行。在所有样品运行之前完成系统适应性检验,确保仪器和方法状态正常。
相关技能
develop-gc-method— 挥发性化合物的 GC 方法开发validate-analytical-method— HPLC 方法的 ICH Q2(R2) 完整验证interpret-chromatogram— 解读 HPLC 谱图中的峰参数troubleshoot-separation— 处理保留时间漂移、峰形问题等故障
GitHub 저장소
연관 스킬
qmd
개발qmd는 BM25, 벡터 임베딩, 재순위화를 결합한 하이브리드 검색을 통해 로컬 파일을 색인화하고 검색할 수 있는 로컬 검색 및 색인화 CLI 도구입니다. 명령줄 사용과 Claude 통합을 위한 MCP(Model Context Protocol) 모드를 모두 지원합니다. 이 도구는 임베딩에 Ollama를 사용하고 색인을 로컬에 저장하여 터미널에서 직접 문서나 코드베이스를 검색하는 데 이상적입니다.
subagent-driven-development
개발이 스킬은 각 독립적인 작업마다 새로운 하위 에이전트를 배치하고 작업 사이에 코드 리뷰를 진행하여 구현 계획을 실행합니다. 이 리뷰 프로세스를 통해 품질 게이트를 유지하면서 빠른 반복 작업을 가능하게 합니다. 동일한 세션 내에서 대부분 독립적인 작업을 진행할 때 내장된 품질 검증과 함께 지속적인 진행을 보장하기 위해 사용하세요.
mcporter
개발mcporter 스킬은 개발자가 Claude에서 직접 Model Context Protocol(MCP) 서버를 관리하고 호출할 수 있도록 합니다. 이 스킬은 사용 가능한 서버를 나열하고, 인수를 사용해 해당 서버의 도구를 호출하며, 인증 및 데몬 생명주기를 처리하는 명령어를 제공합니다. 개발 워크플로우에서 MCP 서버 기능을 통합하고 테스트할 때 이 스킬을 사용하세요.
adk-deployment-specialist
개발이 스킬은 A2A 프로토콜을 사용하여 Vertex AI ADK 에이전트를 배포하고 오케스트레이션하며, AgentCard 검색, 작업 제출, 코드 실행 샌드박스 및 메모리 뱅크와 같은 지원 도구를 관리합니다. Python, Java 또는 Go 언어로 순차, 병렬 또는 루프 오케스트레이션 패턴을 갖춘 다중 에이전트 시스템 구축을 가능하게 합니다. Google Cloud에서 ADK 에이전트 배포 또는 에이전트 워크플로우 오케스트레이션을 요청받았을 때 사용하세요.
