3つの方法でGPC/SECデータを分析
品質の高いGPC/SECデータを取得することは、半分の戦いです。データが手に入ったら、これらのクロマトグラムを分子量のような意味のある数値に変える方法が必要です。それを行う方法はいくつかあります。利用可能な検出器の組み合わせに応じて異なります。この投稿では、3つの一般的なGPC/SECデータ分析方法について説明します（すべてOMNISECで利用可能です！）：従来のキャリブレーション、ユニバーサルキャリブレーション、および光散乱を用いたマルチ検出器分析です。
この資料（およびその他のもの！）を含むビデオプレゼンテーションについては、私の30分で分かるGPC/SEC入門ビデオをご覧ください。
従来のキャリブレーション
最も簡単なGPC/SECの構成は、ポンプ、カラムセット、および屈折率（RI）またはUV検出器を使用した単一検出器システムです。これらの検出器の1つは、サンプルの濃度に直接応答するため選ばれます。これは、MwやMnのような分子量モーメントを計算するために重要です。従来のキャリブレーション（時にはカラムキャリブレーションと呼ばれます）から分子量の値を取得するには、十分に特性化された一連の標準物質を使用する必要があります。これらの標準物質は、各保持体積に対応するどの分子量（ピーク分子量またはMp）があるかを示すキャリブレーション曲線を生成するために使用されます。以下の図に示されています。
未知のサンプルが分析される際、キャリブレーション曲線を使用して、各データスライスの保持体積に基づいて対応する分子量を決定します。従来のキャリブレーションを使用して得られる分子量の値は、使用された標準物質に依存するため、サンプルの結果は相対的な分子量として表されます。
従来のキャリブレーションの利点は、最も経済的なGPC/SECセットアップであり、構成要素が最も少なく、計算が簡単なことです。欠点としては、標準物質の分子構造が異なる場合、サンプルの分子量の値が正確に反映されない可能性があります。また、単一検出器システムでは、計算されたデータがサンプルの実際の特性を反映していないかもしれず、あなたの研究を誤った方向に導く可能性があります。別の言い方をすれば、知らないことを知らないままでいるかもしれません！
OMNISECで従来のキャリブレーションを実際に見てみましょう！
ユニバーサルキャリブレーション
濃度検出器（最も一般的にはRI検出器）に粘度計検出器を追加することで、未知のサンプルにユニバーサルキャリブレーション曲線を適用できます。分子量モーメントに加えて、固有粘度（IV）、親水半径（Rh）、およびMark-Houwinkパラメータなどの他の分子パラメータを決定することができます。
粘度計検出器の応答は、サンプルの分子構造、特に溶液内の形状に影響されます。したがって、粘度計の存在は、キャリブレーション曲線を生成するために使用された基準と分析対象のサンプルとの構造の違いを考慮に入れ、従来のキャリブレーションよりも正確なデータを提供します。
1967年にBenoitらは、親水体積、分子量、および固有粘度の関係を利用して、異なるタイプのポリマーのためのキャリブレーション曲線が1つのキャリブレーション曲線に統合できることを示しました。GPC/SECは分子サイズ、つまり親水体積に基づいて分離を行うことを忘れないでください。したがって、エリュート体積を本質的に親水体積と考えると、分子量に固有粘度を掛けたものを親水体積に対してプロットできます。これにより、構造や形状に関係なく、すべてのポリマーが同じ、ユニバーサルなキャリブレーション曲線に沿って配置されることになります。以下の画像に示されています。
ユニバーサルキャリブレーションの利点は、使用可能な標準物質に関係なく、サンプルの正確な分子量値を取得できることです。さらに、粘度計検出器の追加により、IV、Rh、Mark-Houwinkパラメータを含むより詳細な特性データが得られます。
ただし、標準物質の種類は問題ではないものの、キャリブレーション曲線が依然として必要であり、したがって、すべてのGPC/SECシステムには一意のキャリブレーション曲線があります。カラム、移動相、流速、温度などのパラメーターは、結果のキャリブレーション曲線に影響します。
OMNISECでユニバーサルキャリブレーションを実際に見てみましょう！
光散乱を用いたマルチ検出器分析
トリプル検出、先進的検出、SEC-MALSなどとも呼ばれるこの方法は、光散乱検出器を最小限で濃度検出器と組み合わせて、絶対分子量を算出します。これは、散乱光の強度がサンプルの分子量に関連しているため機能します。粘度計および/またはUV-Vis検出器もよく追加され、強力なマルチ検出器分析ツールを作成します。
この投稿で詳述されているように、各検出器はサンプルの異なる側面に応答し、絶対分子量（正確でキャリブレーション曲線に依存しない）、IV、Rh、Rg、Mark-Houwinkパラメータ、濃度、さらには分岐および組成分析データを計算できます。各検出器の応答を制御する方程式が以下に示されています。
絶対分子量を提供するだけでなく、光散乱検出器を用いたマルチ検出はキャリブレーション曲線に依存しないため優れています。シンプルなキャリブレーションプロセスには、単一の狭い標準を走らせることが含まれ、あなたがふさわしいと感じる頻度で行います。キャリブレーションを確認するために検証標準を使用することをお勧めしますが、それだけです！
一度キャリブレートされた方法があれば、サンプルのデータ計算は簡単です－以下のビデオでOMNISECを使って確かめてください！
最終的な考え
結論として、この投稿がGPC/SECデータの3つの一般的な分析方法を区別するのに役立つことを願っています。それぞれに利点がありますが、光散乱を用いたマルチ検出の正確性と利便性が他のものと比べてGPC/SECデータを分析するための理想的な方法として際立たせています。ご質問がある場合は、どうぞ遠慮なくお問い合わせいただくか、直接kyle.williams@malvernpanalytical.comまでメールしてください。
関連コンテンツ
この記事は自動翻訳された可能性があります
{{ product.product_name }}
{{ product.product_strapline }}
{{ product.product_lede }}
