CN114846326A - 用于校准具有多个重复硬件组件的至少一个分析装置的方法 - Google Patents

用于校准具有多个重复硬件组件的至少一个分析装置的方法 Download PDF

Info

Publication number
CN114846326A
CN114846326A CN202080087683.2A CN202080087683A CN114846326A CN 114846326 A CN114846326 A CN 114846326A CN 202080087683 A CN202080087683 A CN 202080087683A CN 114846326 A CN114846326 A CN 114846326A
Authority
CN
China
Prior art keywords
function
calibration
parameters
analysis device
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080087683.2A
Other languages
English (en)
Inventor
N·阿伦斯
A·盖斯坦格
A·希尔格
D·因特尔曼
S·沙赫里亚里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
F Hoffmann La Roche AG
Original Assignee
F Hoffmann La Roche AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by F Hoffmann La Roche AG filed Critical F Hoffmann La Roche AG
Publication of CN114846326A publication Critical patent/CN114846326A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8665—Signal analysis for calibrating the measuring apparatus
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/62—Detectors specially adapted therefor
    • G01N30/72—Mass spectrometers
    • G01N30/7233—Mass spectrometers interfaced to liquid or supercritical fluid chromatograph
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00—Particle spectrometers or separator tubes
    • H01J49/0009—Calibration of the apparatus
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/62—Detectors specially adapted therefor
    • G01N30/72—Mass spectrometers

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开了一种用于校准具有重复硬件组件的至少一个分析装置(112)的方法。所述分析装置(112)包括多个硬件组件(114)。所述方法包括以下步骤：a)提供至少一个具有至少一种分析物的浓度的已知目标值的校准品样品i；b)至少一个测量步骤，其中所述测量步骤包括使用所述分析装置对所述校准品样品进行至少一次测量，其中获取至少一个检测器信号sijk，其中i=1,…I，I≥2，其中i是指所述校准品样品的数量，j=1,…J，J≥2，其中j是指所述硬件组件的数量，其中k=1,…Kij，Kij≥1，其中k是指所述测量步骤的重复次数；c)至少一个校准步骤，其中确定所述检测器信号与所述分析物的浓度之间和/或所述检测器信号与理论信号值之间的关系，其中所述校准步骤包括：c.1：提供至少一个参数化函数，其中所述参数化函数具有参数组，其中所述参数组包括描述所述参数化函数的分析物特定部分的参数，其中所述参数组进一步包括用于调整所述硬件组件(114)的所述参数化函数的参数；c.2：通过进行基于所述参数化函数的校准来确定校准值；以及c.3：基于所述参数化函数的反函数和确定的校准值来确定分析函数。

Description

用于校准具有多个重复硬件组件的至少一个分析装置的方法
技术领域
本发明涉及一种用于校准至少一个分析装置的方法、一种用于校准至少一个分析装置的装置、一种计算机或计算机网络以及一种计算机程序。
背景技术
一般来说，已知有几种用于校准分析装置的方法。具体地，为了从分析装置获得浓度值，需要对分析装置进行校准。特别是，需要建立分析装置的原始信号与浓度之间的关系。为了做到这一点，在分析装置上测量具有已知浓度值的样品，称为“校准品”，并将函数与获得的数据拟合。
设 f 为校准函数：
f：浓度→信号
f p (浓度) = 信号，
其中 p = (p 1 , p 2 , …, p n )，n ≥ l，其中 n 表示校准模型中的参数数量，并且其中 p 表示校准函数的参数。一般来说，校准模型越复杂，建立完整的校准模型所需的校准品水平就越高。质谱分析测定的校准曲线通常基于三到八个校准品水平。例如，参考“Liquid Chromatography-Mass Spectrometry Methods”；Approved Guideline,Clinical and Laboratory Standards Institute (CLSI), document C62-A, Vol. 34No. 16 2014。
普遍地，新的液相色谱-质谱仪器可能有硬件设置，其中一些硬件组件在仪器上是重复的。实例为使用高效液相色谱 (HPLC) 复用来提高系统的生产量。目前已知有两种校准方案：(1) 对每个高效液相色谱复用流使用单独匹配的校准函数；(2) 对所有流使用单一的平均函数。如果现在具体的硬件组件需要单独的校准函数（选项 (1)），通常对每个部件单独匹配函数 f，并得到不同的预估参数值（
Figure 386093DEST_PATH_IMAGE001
，
Figure 994929DEST_PATH_IMAGE002
，J ≥ 1，其中 J 是指硬件组件的数量）。
两种方案都可能具有明显的缺点。如果高效液相色谱复用流不是完全可比教的，平均校准函数的在单个流上获得的分析结果将一直产生偏差。另一方面，为每个单个流进行专门校准将导致非常高的校准负担，有时甚至是不可行的。
有待解决的问题
因此，本发明的目的是提供一种用于校准具有重复硬件组件的至少一个分析装置的方法、一种用于校准具有重复硬件组件的至少一个分析装置的装置、一种计算机或计算机网络以及一种计算机程序，这些避免了上述已知方法、装置、计算机和计算机程序的缺点。特别是，用于校准具有重复硬件组件的至少一个分析装置的方法、用于校准具有重复硬件组件的至少一个分析装置的装置、计算机或计算机网络以及计算机程序应减少具有重复硬件组件的分析装置的校准负担。
发明内容
这个问题通过用于校准具有重复硬件组件的至少一个分析装置的方法、用于校准具有重复硬件组件的至少一个分析装置的装置、计算机或计算机网络以及计算机程序来解决，且具有独立权利要求的特征。在从属权利要求中公开了本发明的优选实施例，其可以以单独方式或以任何任意组合来实现。
如下所用，术语“具有”、“包括”或“包含”或其任意语法变化形式以非排他性方式使用。因此，这些术语既可指除了由这些术语引入的特征之外，在此上下文中描述的实体中不存在其他特征的情况，也可指存在一个或多个其他特征的情况。作为示例，表述“A 具有B”、“A 包含 B”和“A 包括 B”可指除 B 之外，A 中不存在其他任何元素的情况（即，A 单独地和排他地由 B 组成的情况），以及除 B 之外，实体 A 中还存在一个或多个其他元素诸如元素 C、元素 C 和 D 或甚至其他元素的情况。
此外，如下所用，术语“优选地”、“更优选地”、“特别地”、“更特别地”、“具体地”、“更具体地”或类似的术语与可选特征结合使用，而不限制替代可能性。因此，由这些术语引入的特征是任选特征，并且无意以任何方式限制权利要求的范围。如技术人员将认识到的，本发明可通过使用替代特征来执行。类似地，由“在本发明的实施例中”引入的特征或类似表述意图成为可选特征，而对本发明的替代实施例没有任何限制，对本发明的范围没有任何限制，并且对将以这种方式引入的特征与本发明的其他可选或非可选特征相结合的可能性也没有任何限制。
在本发明的第一方面，公开了一种用于校准具有重复硬件组件的至少一个分析装置的方法，其中该分析装置包括多个硬件组件。
如本文所用，术语“分析装置”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义含义。该术语具体地可指，但不限于，经配置用于执行至少一种分析检测的任意装置。如本文进一步所用，术语“检测”是指确定样品中至少一种分析物的存在和/或量和/或浓度的过程。因此，检测可以是或可以包括定性检测，其简单地确定至少一种分析物的存在或至少一种分析物的不存在，并且/或者可以是或可以包括定量检测，其确定至少一种分析物的量和/或浓度。
具体地，分析装置可以是用于确定样品（诸如液体）中分析物浓度的装置。术语“分析物”一般是指可能存在于样品中的任意元素、成分或存在于样品中的化合物，其存在和/或浓度可能是目标用户、病人或医务人员，如医生。特别地，分析物可以是或可以包括可参与使用者或病人的代谢的任意化学物质或化学化合物，诸如至少一种代谢物。至少一种分析物的检测具体可以是具体-分析物检测。然而，其他种分析物也是可行的。
如本文所用，术语“浓度”是广义的术语且被赋予对本领域普通技术人员而言普通且惯用的含义，并且不限于特殊或自定义的含义。该术语具体地可指，但不限于，成分的丰度除以混合物的总体积，如溶液中的溶质和/或溶剂。浓度可以用不同种类的量来描述，如质量浓度、摩尔浓度、数量浓度或体积浓度。
具体地，分析装置选自由以下项组成的组：质谱装置，具体为液相色谱质谱装置；免疫测定分析仪；光度测量装置，血气分析仪，血液学分析仪，DNA 分析仪。然而，其他种分析装置也可能是可行的。
如本文所用，术语“质谱分析 (MS) 装置”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指但不限于经配置用于基于质荷比来检测至少一种分析物的质量分析仪。质谱装置可为或可包括至少一个四极杆质谱装置。耦接 LC 装置和 MS 的接口可包括至少一个电离源，该电离源经配置用于生成分子离子并且用于将分子离子转移至气相中。
如本文所用，术语“液相色谱 (LC) 装置”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指但不限于分析模块，该分析性模块配置为将样品的一种或多种目标分析物与样品的其他组分进行分离，以用于使用质谱装置来检测所述一种或多种分析物。LC 装置可包括至少一个 LC柱。例如，LC 装置可为单柱 LC 装置或具有多个 LC 柱的多柱 LC 装置。LC 柱可具有固定相，流动相被泵送穿过该固定相，以便分离和/或洗脱和/或转移目标分析物。
如本文所用，术语“液相色谱质谱 (LC-MS) 装置”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指但不限于液相色谱法与质谱法的组合。液相色谱质谱装置可为或可包括至少一种高效液相色谱 (HPLC) 装置或至少一种微流液相色谱 (µLC) 装置。液相色谱质谱装置可包括液相色谱 (LC) 装置和质谱 (MS) 装置，其中 LC 装置和 MS 经由至少一个接口耦接。
分析装置可具体地体现为包括重复硬件组件的分析系统，如多个重复硬件组件。具体地，分析装置可包括多个硬件组件。术语“成分”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。术语具体地可指，但不限于，分析装置的一部分，特别是分析系统的一部分。这些组件经配置可与另一个组件相互作用，例如，为了实现系统的至少一个共同函数。该组件可独立处理，也可以相互耦合、连接或整合。一般地，术语“硬件”可指分析装置的物理和/或有型部件。术语“硬件组件”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。术语具体地可指，但不限于，分析装置的物理和/或有型部件的部件。硬件组件也可以被称为硬件零件。术语“重复硬件组件”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。术语具体地可指，但不限于，分析装置的硬件组件至少有两个。例如，分析装置可为 HPLC 谱复用装置。术语“复用”可指多个LC 系统同时运行到单一质谱装置中。每个 LC 系统可以是单独的和/或与其他 LC 系统分离得。例如，分析装置可包括多个同时进行的 HPLC 分离和单一质谱装置。硬件组件可选自由以下项组成的组：柱，具体为高效液相色谱柱；流，具体为高效液相色谱流；样品注入装置，具体为高效液相色谱注入装置；泵；测量单元；检测器，具体为质谱检测器。其他组件也是可行的。
硬件组件可以是等效的硬件组件。术语“等效的”可指两个或更多设备的实施方案和/或功能上的等同。因此，分析装置的第一硬件组件和第二硬件组件可以实现相同的功能和/或可在其结构和/或构造上相同。示例性地，第一硬件组件可以是高效液相色谱柱，第二硬件组件也可以是高效液相色谱柱。具体地，校准品样品可以经过硬件组件的一些或全部，或者可以经由硬件组件一些或全部进行运送。然而，其他实施方案也可能是可行的。
如本文所用，术语“校准”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。术语具体地可指，但不限于，用于确定由分析装置，如质谱装置，确定的分析物的原始信号与分析物的浓度之间的关系的操作或操作过程。具体地，校准可以是或可以包括操作或操作过程，其中在规定的条件下，在第一步，建立由测量标准提供的具有测量不确定度的量值与具有相关测量不确定度的相应指示之间的关系，具体为被校准仪器或二级标准，并且在第二步，利用这些信息建立关系，以便从指示中获得测量结果。具体地，术语“校准”可以包括基于样品的测量信号确定样品的浓度和/或确定测量信号与样品浓度之间的函数的相互关系。在已知的校准具有重复硬件组件的分析装置的方法中，例如 HPLC 设备，为每个硬件组件，例如每个 HPLC 复用流单独匹配校准函数，或为所有硬件组件，例如所有流，使用单一平均函数。两种方案都可能具有明显的缺点。如果 HPLC 复用流不是完全可比教的，平均校准函数在单个流上获得的分析结果将一直产生偏差。另一方面，为每个单个流进行专门校准将导致非常高的校准负担，有时甚至是不可行的。本发明提出了相关的校准过程。使用这种方法，仪器的校准负担比普通的单个流校准要低。另一方面，可以确保对每个流的校准函数进行调整。简化后的本发明提出了在所有流上的具有流的单独调整因素平均校准函数。
该方法包括以下步骤，作为示例，可按照给定顺序执行以下步骤。然而，应当注意的是，不同的顺序也是可能的。此外，还可以一次或重复执行一个或多个方法步骤。此外，可以同时或以及时重叠的方式执行两个或更多个方法步骤。该方法可包括未列出的其他方法步骤。
该方法包括以下步骤：
a) 提供至少一个具有至少一种分析物的浓度的已知目标值的校准品样品 i；
b) 至少一个测量步骤，其中所述测量步骤包括使用所述分析装置对所述校准品样品进行至少一次测量，其中获取至少一个检测器信号 s ijk ，其中 i = 1, …I 中 I ≥2，其中 i 是指所述检测器样品的数量，j = 1, …J 中 J ≥2，其中 j 是指所述硬件组件的数量，其中 k = 1, …K ij ，K ij ≥ 1，其中 k 是指所述测量步骤的重复次数；
c) 至少一个校准步骤，其中确定所述检测器信号与所述分析物的浓度之间和/或所述检测器信号与理论信号值之间的关系，其中所述校准步骤包括：
c.1：提供至少一个参数化函数，其中所述参数化函数具有参数组，其中所述参数组包括描述所述参数化函数的分析物特定部分的参数，其中所述参数组进一步包括用于关于所述硬件组件的所述参数化函数的调整的参数；
c.2：通过进行基于所述参数化函数的校准来确定校准值；以及
c.3：基于所述参数化函数的反函数和所述确定的校准值来确定分析函数。
该方法具体可以是计算机实现的方法。如本文所用，术语“计算机实现方法”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指但不限于涉及至少一台计算机和/或至少一个计算机网络的方法。计算机和/或计算机网络可包括至少一个处理器，该处理器经配置用于执行根据本发明的方法的方法步骤中的至少一个。优选地，每个方法步骤由计算机和/或计算机网络执行。该方法可完全自动地（具体地，在没有用户交互的情况下）执行。如本文所用，术语“自动地”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指但不限于完全借助于至少一台计算机和/或至少一个计算机网络和/或至少一台机器来执行的过程，特别地，不需要手动操作和/或与用户交互。
方法步骤 b) 至 c) 可全自动执行。例如，方法步骤可由至少一条计算机可实现处理线来执行。
术语“步骤”一般可指工作步骤、流程步骤或操作或程序的阶段。因此，术语“校准步骤”可指操作阶段，其包括进行校准。进一步地，术语“测量步骤”可指操作阶段，其包括进行测量。
如本文所用，术语“样品”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指，但不限于，任意样品，例如生物样品，也称为测试样品，质量控制样品。样品可以包括一个或多个目标分析物。例如，样品可选自由以下项组成的组：生理流体，包括血液、血清、血浆、唾液、眼晶状体液、脑脊液、汗液、尿液、乳液、腹水、粘液、滑膜液、腹膜液、羊水、组织、细胞等。样品可在从相应来源获得时直接使用，或者可经过预处理和/或样品制备工作流程。例如，可通过加入内部标准和/或通过用另一种溶液来进行稀释和/或通过与试剂等进行混合来预处理该样品。例如，一般来讲，目标分析物可为维生素 D、滥用药物、治疗药物、激素和代谢物。
术语“校准品样品”，也称“校准品”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体可指，但不限于，具有已知浓度值的任意样品。校准品样品具有已知目标值。如本文所用，术语“已知目标值”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体可指，但不限于，校准品样品的一个或多个参数的已知值，具体为物质的已知浓度。该物质可以与目标分析物相同，也可以是通过反应或衍生化产生的分析物，与目标分析物相同的分析物，和/或可以是其浓度已知的分析物，和/或可以是模仿目标分析物的物质，或可以以其他方式与某种目标分析物相关联的物质。
本发明可包括提供至少一个校准品样品 i，该校准品样品具有至少一种分析物的浓度的已知目标值和平均校准曲线，从中得出所述至少一个校准品样品的理论信号。平均校准曲线可以是分析装置的信号和非仪器特定的分析物浓度之间的关系。例如，可以对多个参考分析装置进行测量，并确定多个校准曲线。基于校准曲线，可以计算平均校准曲线。
用于校准分析装置的方法包括至少一个测量步骤 b)。具体地，步骤 b) 可以在每个硬件组件上进行。如上所述，步骤 b) 可包括获取至少一个检测器信号。如本文所用，术语“检测器”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指，但不限于，经配置用于检测传入离子的设备。检测器可以经配置用于检测带电粒子。检测器可以是或可以包括至少一个电子倍增器。检测器可以经配置用于确定检测离子的至少一个质谱。如本文所用，术语“质谱”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指，但不限于，信号强度与电荷质量比 m/z 的二维表示，其中信号强度对应于各离子的丰度。质谱可以是像素化图像。为了确定质谱像素的结果强度，可以对检测器在一定 m/z 范围内检测到的信号进行整合。样品中的分析物可由至少一个评估装置来识别。具体地，评估装置可以经配置用于将已知质量与识别质量相关联，或通过特征碎片模式进行关联。因此，术语“检测器信号”可指由检测器获取的信号。具体地，检测器信号可称为原始信号。可以获取所需校准品样品的检测器信号。因此，对于每个或至少一些校准品样品，可以获取单独的检测器信号。进一步地，检测器信号可以在所需的硬件组件上获取和/或测量。如上所述，分析装置包括多个硬件组件。可以获取所需硬件组件的检测器信号。因此，对于每个或至少一些硬件组件，可以获取单独的检测器信号。进一步地，具体的对所需校准品样品和/或所需硬件组件的检测器信号的获取可以进行多次，例如，检测器信号的获取可以重复进行。
如上所述，检测器信号可以用 s ijk 来表示。i 是指校准品样品的编号。具体地，校准至少一个分析装置的方法可以进行多次。因此，对于每个程序，可以使用新的校准品样品。具体地，校准品样品的数量可以与程序的数量相对应。然而，其他方法也可能是可行的。此外，j 是指硬件组件的数量。j 可指分析装置所有硬件组件的数量，也可指分析装置的所有硬件组件的部分的数量。具体地，j 可指等效的硬件组件的数量。k 是指测量步骤的重复次数。测量步骤，特别是步骤 b)，可以重复几次。具体地，在进行步骤 c) 之前，步骤 b) 可以重复几次。
在步骤 c.1 中，提供了参数化函数。术语“函数”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。具体地，该术语可指，但不限于，数学函数。函数可包括一个或多个变量，以及可选的一个或多个参数。具体地，函数可以为函数值分配值。示例性地，函数可以是线性函数或二次函数。然而，其他实施方案也可能是可行的。术语“参数”通常是指影响输出或数学函数行为的任意量，但被视为保持不变量。因此，参数可经配置用于确定数学函数的行为。相反，数学函数的变量可以被评估为改变参数，通常不改变或改变得更慢。通常，术语“参数组”可指单一数学函数的多个参数。术语“参数化函数”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指，但不限于，具有至少一个参数的任意数学函数，具体为至少两个参数。
参数组可包括至少两组。参数组的第一组可对应于描述参数化函数的分析物特定部分的参数。参数组的第二组可以对应于关于硬件组件调整参数化函数的参数。
因此，描述参数化函数的分析物特定部分的参数和用于调整关于硬件组件的参数化函数的参数可以用不同的参数表示。描述参数化函数的分析物特定部分的参数和用于调整关于硬件组件的参数化函数的参数组成的总参数组可以表示为
Figure 604640DEST_PATH_IMAGE003
其中，n 和 r 是正整数，其中
Figure 615321DEST_PATH_IMAGE004
对应描述参数化函数的分析物特定部分的参数，其中
Figure 520960DEST_PATH_IMAGE005
的是指描述用于，关于硬件组件，调整参数化函数的参数的向量。
Figure 617092DEST_PATH_IMAGE006
可对应参数向量。每个参数向量
Figure 266380DEST_PATH_IMAGE007
可以是 L 参数组，L 是正整数。使用的参数越多，对数据的匹配就越准确。因此，将参数组分为描述参数化函数的分析物特定部分的第一组参数和用于调整参数化函数的第二组参数，可使匹配结果改进。
参数组包括描述参数化函数的分析物特定部分的参数。如本文所用，术语“描述分析物特定部分的参数”是广义的术语且被赋予对本领域普通技术人员而言其普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指，但不限于，反映分析物的原始信号与浓度之间关系的参数，但不是基于具体硬件设置的调整。例如，如果可以分析多种化合物，单个化合物的参数可能不同。
术语“用于调节关于硬件组件的参数化函数的参数”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体地可指，但不限于，反映基于具体硬件设置的调整的参数。用于调节关于硬件组件的参数化函数的参数涉及由分析装置的单个硬件组件引起的对检测器信号产生的影响。为了确定这些参数，可以在每个单个的硬件组件上测量校准品样品，其中信号来自哪个硬件组件的信息也可以输入到匹配过程。由于在匹配过程中可以将所有的硬件组件放在一起考虑，与每个硬件组件单独考虑的已知方法相比，为了获得所有硬件组件的可靠校准曲线，可能需要用校准器进行更少的测量。此外，可以对不同硬件组件的信号进行质量检查，这在每个硬件组件单独校准的情况下是不可能的。
如上所述，步骤 c.2 包括通过基于参数化函数进行校准来确定校准值。该步骤c.2 可具体包括确定参数组的参数值。进一步地，具体地，可以进行检测器信号的匹配。
本文进一步使用的术语“值”可指数学函数的参数值。本文进一步使用的术语“校准值”可指任意校准函数的参数值。具体地，校准值可指参数化函数的参数组中的参数值。术语“基于参数化函数进行校准”可指通过使用参数化函数进行校准。具体地，可以进行匹配，例如构建一系列数据点的数学函数，具体为检测器信号的数学函数。因此，可以获得数学函数的参数值。具体地，校准值可表达为
Figure 131567DEST_PATH_IMAGE008
。
在步骤 c.3. 中，校准步骤进一步包括基于参数化函数的反函数和确定的校准值来确定分析函数。经由分析函数，可以从检测器信号中确定浓度。术语“分析函数”通常可指任意函数，其经配置用于从测量的检测器信号中确定样品的参数，例如浓度。因此，分析函数可以描述样品的参数，例如浓度，与测量的检测器信号之间的关系。基于校准函数，可以确定分析函数。具体地，分析函数可以由校准函数的反函数形成。
具有确定的校准值的参数化函数可以表示为校准函数或信号-浓度-函数。校准函数被定义为
Figure 270425DEST_PATH_IMAGE009
。
校准函数可具体为线性函数。校准函数可包括硬件组件特定的截距、硬件组件特定的斜率中的一者或两者。
示例性地，校准函数被表示为
Figure 791536DEST_PATH_IMAGE010
其中
Figure 41252DEST_PATH_IMAGE011
对应于随机区域，该区域为正态分布，均值为 0，方差为
Figure 462743DEST_PATH_IMAGE012
。
Figure 772502DEST_PATH_IMAGE013
对应于检测器信号，
Figure 843226DEST_PATH_IMAGE014
对应于第 i 个校准品样品的目标值，其中 i = 1, …I，I ≥2，其中 i是指校准品样品的数量，j = 1, …J，J ≥2，其中 j 是指硬件组件的数量，其中 k = 1, …K ij ，K ij ≥ 1，其中 k 是指测量步骤的重复次数。
进一步地，示例性地，校准函数被表示为
Figure 896633DEST_PATH_IMAGE015
其中
Figure 674096DEST_PATH_IMAGE011
对应于随机区域，该区域为正态分布，均值为 0，方差为
Figure 154756DEST_PATH_IMAGE012
。
Figure 447197DEST_PATH_IMAGE013
对应于检测器信号，
Figure 241978DEST_PATH_IMAGE014
对应于第 i 个校准品样品的目标值，其中 i = 1, …I，I ≥2，其中 i是指校准品样品的数量，j = 1, …J ，J ≥2，其中 j 是指硬件组件的数量，其中 k = 1, …K ij ，K ij ≥ 1，其中 k 是指测量步骤的重复次数。
进一步地，示例性地，校准函数被表示为
Figure 936264DEST_PATH_IMAGE016
其中
Figure 587825DEST_PATH_IMAGE011
对应于随机区域，该区域为正态分布，均值为 0，方差为
Figure 882409DEST_PATH_IMAGE012
。
Figure 277619DEST_PATH_IMAGE013
对应于检测器信号，
Figure 764095DEST_PATH_IMAGE014
对应于第 i 个校准品样品的目标值，其中 i = 1, …I，I ≥2，其中 i是指校准品样品的数量，j = 1, …J ，J ≥2，其中 j 是指硬件组件的数量，其中 k = 1, …K ij ，K ij ≥ 1，其中 k 是指测量步骤的重复次数。
进一步地，示例性地，校准函数被表示为
Figure 852136DEST_PATH_IMAGE017
其中
Figure 119170DEST_PATH_IMAGE013
对应于检测器信号，
Figure 318070DEST_PATH_IMAGE014
对应于第 i 个校准品样品的目标值，其中 i = 1, …I，I ≥2，其中 i 是指校准品样品的数量，j = 1, …J ，J ≥2，其中 j 是指硬件组件的数量，其中 k = 1, …K ij ，K ij ≥ 1，其中 k 是指测量步骤的重复次数。
Figure 157588DEST_PATH_IMAGE018
描述分析物特定校准参数，
Figure 416531DEST_PATH_IMAGE019
描述硬件零件特定调整系数。
Figure 983909DEST_PATH_IMAGE011
对应于随机区域，该区域为正态分布，均值为0，方差为
Figure 720921DEST_PATH_IMAGE012
。
根据本发明的方法可以与分析装置的全面校准以及重新校准方法相联系。
例如，步骤 c) 可以对应于分析装置的全面校准。全面校准可以包括确定检测器信号与分析物浓度之间的关系。全面校准可以在，例如，分析装置的初始设置期间进行。全面校准可以重复进行。
进一步地，例如，步骤 c) 可对应于分析装置的重新校准。在这种情况下，只确定分析装置的信号调整函数。信号调整函数被定义为
Figure 244307DEST_PATH_IMAGE020
。
因此，在校准步骤中，可以额外地或替代地确定检测器信号与理论信号之间的关系。通常地，术语“理论信号值”和“理论信号”可指经由一个或多个不同的分析装置，如参考分析装置，经由进行一次或多次测量，并经由基于一次或多次测量确定平均信号值确定的信号。例如，校准过程可包括至少两个步骤，第一步骤和第二步骤。第一步骤可以包括确定分析装置的信号与分析物非仪器特定浓度之间的关系。示例性地，为了这个目的，对三个参考分析装置进行测量，并确定三个不同的校准曲线。基于三个不同的校准曲线，可以计算出平均校准曲线。第二步骤可以包括对要校准的分析装置的调整。因此，关于理论信号，对检测器信号进行调整。因此，参数化函数可以是信号调整函数。示例性地，信号-调整-函数被表示为
Figure 110369DEST_PATH_IMAGE021
，
其中
Figure 86415DEST_PATH_IMAGE013
对应于检测器信号，
Figure 564801DEST_PATH_IMAGE022
对应于第 i 个校准品样品的理论信号，其中 i = 1, …I，I ≥2，其中 i 是指校准品样品的数量，j = 1, …J ，J ≥2，其中 j 是指硬件组件的数量，其中 k = 1, …K ij ，K ij ≥ 1，其中 k 是指测量步骤的重复次数。
Figure 208272DEST_PATH_IMAGE018
描述分析物特定校准参数，
Figure 543439DEST_PATH_IMAGE019
描述硬件零件特定调整系数。
Figure 272360DEST_PATH_IMAGE011
对应于随机区域，该区域为正态分布，均值为0，方差为
Figure 288858DEST_PATH_IMAGE023
。
如上所述，在步骤 c) 中，确定检测器信号与分析物浓度之间和/或检测器信号与理论信号值之间的关系。在分析装置的调试过程中，可以进行全面校准。在后续时间点，具体地在分析装置的使用过程中，可以进行重新校准。任选地，在后续时间点如在分析装置的使用期间，可以进行全面校准。
该方法可进一步包括对具有未知浓度的至少一种分析物的样品进行至少一次测量。通过使用分析函数，样品的浓度可以基于样品的测量信号来确定。测量信号可以是检测器信号。具体地，测量信号可以对应于在用于校准至少一个分析装置的方法的步骤 b) 中获取的检测器信号。然而，测量信号也可以对应于在单独的测量步骤中获取的检测器信号。另外的样品可对应于在用于校准至少一个分析装置的方法的步骤 a) 中使用的校准品样品。然而，另外的样品也对应于在用于校准至少一个分析装置的方法的步骤 a) 中使用的，与校准品样品不同的样品。
在本发明的另外方面，公开了一种用于校准具有重复硬件组件的至少一个分析装置的装置。该装置包括由多个硬件组件组成的分析装置。分析装置经配置用于对具有至少一种分析物浓度的已知目标值的 i 校准品样品进行至少一次测量。分析装置经配置用于获取至少一个检测器信号 s ijk ，其中 i = 1, …I，I ≥2，其中 i 是指校准品样品的数量，j = 1, …J ，J ≥2，其中 j 是指硬件组件的数量，其中 k = 1, …K ij ，K ij ≥ 1，其中 k是指测量步骤的重复次数。
此外，装置包括至少一个评估装置。评估装置经配置用于进行至少一个校准步骤，其中确定了检测器信号与分析物的浓度和/或检测器信号与理论信号值之间的关系。进一步地，评估装置经配置用于提供至少一个参数化函数，其中参数化函数具参数组。参数组包括描述参数化函数的分析物特定部分的参数。参数组进一步包括调整关于硬件组件的参数化函数的参数。评估装置进一步经配置用于通过基于参数化函数进行校准来确定校准值。评估装置进一步经配置用于基于所述参数化函数的反函数和所述确定的校准值，确定分析函数。
装置可经配置用于执行上文所述的或将在下文中进一步详细描述的用于校准至少一个分析装置的方法。
术语“评估装置”通常是指适于执行如上所述的方法步骤的任意装置，优选地通过使用至少一个数据处理装置，并且更优选地通过使用至少一个处理器和/或至少一个专用集成电路。因此，作为示例，所述至少一个评估装置可包括至少一个数据处理装置，所述至少一个数据处理装置具有存储在其上的软件代码，该软件代码包括多个计算机命令。评估装置可提供用于执行一个或多个指定操作的一个或多个硬件元件，和/或可向一个或多个处理器提供在其上运行的用于执行一个或多个方法步骤的软件。
在另一方面，公开了计算机程序。该计算机程序适合于在计算机或计算机网络上，特别是在处理器上执行该程序时，执行上文所述或下文进一步详细描述的用于校准至少一个分析装置的方法的步骤 b) 至 c)。计算机-程序可包括用于执行用于校准至少一个分析装置的方法的计算机可执行指令，特别是用于执行步骤 b) 至 c)。
因此，一般而言，本文公开并提出了一种计算机程序，该计算机程序包括用于在计算机或计算机网络上执行该程序时，在本文所附的一个或多个实施例中执行根据本发明的方法的计算机可执行指令。具体地，计算机程序可存储在计算机可读数据载体上。因此，具体地，可通过使用计算机或计算机网络，优选地通过使用计算机程序来执行如上文所指示的一个、多于一个或甚至所有方法步骤。具体地，计算机可完全或部分地集成至质谱装置中，并且计算机程序可具体地体现为软件。然而，可替代地，计算机的至少一部分也可以位于质谱装置的外部。
在另一个方面，公开了一种计算机程序，其包括用于在计算机或计算机网络上执行计算机程序时，执行上述或下文进一步详细描述的用于校准至少一个分析装置的方法的步骤 b) 至 c) 的程序手段。具体地，该程序手段可以存储在可供计算机读取的存储介质上。
在另一个方面，公开了一种具有程序代码手段的计算机程序产品。该程序代码手段可以存储或被存储在存储介质上，当程序代码手段在计算机或计算机网络上执行时，用于执行上文所述的或下文进一步详细描述的校准至少一个分析装置的方法的步骤 b) 至c)。具体地，程序代码工具可存储在计算机可读数据载体上。如本文所用，计算机程序产品是指作为可交易产品的程序。该产品一般可以任意格式（诸如纸质格式）存在，或在计算机可读数据载体上存在。具体地，计算机程序产品可分布在数据网络上。
在另一个方面，公开了包括至少一个处理器的计算机或计算机网络。处理器适于执行上文所述的或下文中进一步详细描述的用于校准至少一个分析装置的方法的步骤 b)至 c)。
在另一个方面，公开了一种计算机可加载数据结构，当该数据结构在计算机上执行时，其适于执行上述或下文中进一步详细描述的用于校准至少一个分析装置的方法的步骤 b) 至 c)。
在另一个方面，公开了一种存储介质，其中数据结构存储在存储介质上，并且其中数据结构在被加载到计算机或计算机网络的主存储器和/或工作存储器中后，适于执行上述或下文将进一步详细描述的用于校准至少一个分析装置的方法的步骤 b) 至 c)。具体地，存储介质可指数据载体。数据结构可以加载到计算机或计算机网络中，例如加载到计算机或计算机网络的工作存储器或主存储器中，并且可以执行该方法。
对于已知的方法、设备、计算机和计算机程序，根据本发明的用于校准至少一个分析装置的方法、用于校准至少一个分析装置的装置、计算机或计算机网络以及计算机程序可提供很多优点。
采用所提出的方法，分析装置的校准负担可能比普通的单个流校准方法要低。进一步地，可确保对每个流的校准函数的调整。简化后的提出的方法可以被看作是在所有流上的具有流单独调整因素的平均校准函数。
为了能够匹配参数化函数，可以在每个单独的硬件组件上测量校准品样品，信号来自哪个硬件组件的信息也可以进入匹配过程。由于在匹配过程中可以将所有的硬件组件放在一起考虑，与常见的现有技术方法相比，即每个硬件组件被单独考虑，可能需要更少的校准品测量来获得所有硬件组件的可靠校准曲线。此外，可以对不同硬件组件的信号进行质量控制检查，这在每个硬件组件单独校准的情况下通常是不可能的。
根据本发明的方法可以应用于任意复用系统项目，如检测器单元或试剂容器，也可以普遍应用于大多数分析技术。
总结并在不排除进一步可能实施例的情况下，可设想下列实施例：
实施例 1：用于校准具有重复硬件组件的至少一个分析装置的方法，其中该分析装置包括多个硬件组件，其中该方法包括以下步骤：
a) 提供至少一个具有至少一种分析物的浓度的已知目标值的校准品样品 i；
b) 至少一个测量步骤，其中所述测量步骤包括使用所述分析装置对所述校准品样品进行至少一次测量，其中获取至少一个检测器信号 s ijk ，其中 i = 1, …I 中I ≥2，其中 i 是指所述检测器样品的数量，j = 1, …J 中J ≥2，其中 j 是指所述硬件组件的数量，其中k = 1, …K ij ，K ij ≥ 1，其中 k 是指所述测量步骤的重复次数；
c) 至少一个校准步骤，其中确定所述检测器信号与所述分析物的浓度之间和/或所述检测器信号与理论信号值之间的关系，其中所述校准步骤包括：
c.1：提供至少一个参数化函数，其中所述参数化函数具有参数组，其中所述参数组包括描述所述参数化函数的分析物特定部分的参数，其中所述参数组进一步包括用于将所述参数化函数调整到所述硬件组件的参数；
c.2：通过进行基于所述参数化函数的校准来确定校准值；以及
c.3：基于所述参数化函数的反函数和所述确定的校准值来确定分析函数。
实施例 2：根据先前实施方案的方法，其中所述参数组由
Figure 786835DEST_PATH_IMAGE024
表示，其中 n 和 r 为正整数，其中
Figure 292903DEST_PATH_IMAGE025
对应描述参数化函数的分析物特定部分的参数，其中
Figure 446804DEST_PATH_IMAGE026
是指描述用于调整所述参数化函数到所述硬件组件的参数的向量，其中所述校准值由
Figure 329309DEST_PATH_IMAGE027
表示。
实施例 3：根据前述任一实施方案的方法，其中确定所述检测器信号和所述理论信号值的关系，其中所述参数化函数是信号调整函数。
实施例 4：根据前述实施方案的方法，其中信号调整函数被定义为
Figure 681793DEST_PATH_IMAGE028
。
实施例 5：根据前述任一实施方案的方法，其中确定所述检测器信号与所述分析物的浓度之间的关系，其中所述参数化函数是信号-浓度-函数。
实施例 6：根据前述实施方案的方法，其中信号-浓度-函数被定义为
Figure 60559DEST_PATH_IMAGE029
。
实施例 7：根据前述两个实施例中的任一项的方法，其中信号-浓度-函数是线性函数。
实施例 8：根据前述实施方案的方法，其中所述信号-浓度函数包括硬件-零件特定截距和硬件-零件特定斜率中的一者或两者。
实施例 9：根据前述三个实施方案中任一项的方法，其中信号-浓度-函数是具有至少一个硬件零件特定调整系数的线性函数。
实施例 10：根据前述实施方案中任一项的方法，其中分析装置是用于确定液体中分析物浓度的装置。
实施例 11：根据前述实施方案中任一项的方法，其中分析装置选自由以下项组成的组：质谱装置，具体为液相色谱质谱装置；免疫测定分析仪；光度测量装置，血气分析仪，血液学分析仪，DNA 分析仪。
实施例 12：根据前述实施例中任一项的方法，其中硬件组件是等效硬件组件。
实施例 13：根据前述实施方案中任一项的方法，其中所述硬件组件选自由以下项组成的组：柱，具体为高效液相色谱柱；流，具体为高效液相色谱流；样品注入装置，具体为高效液相色谱注入装置；泵；测量单元；检测器，具体为质谱检测器。
实施例 14：根据前述实施方案中任一项的方法，其中所述校准品样品运行通过所述硬件组件中的一些或全部，或经由所述硬件组件中的一些或全部来运送。
实施例 15：根据前述实施方案中任一项所的方法，其中，步骤 b) 是在每个硬件组件上进行的。
实施例 16：一种用于校准具有重复硬件组件的至少一个分析装置的装置，包括：
• 至少一个分析装置包括多个硬件组件，其中所述分析装置经配置用于对校准品样品 i 进行至少一次测量，所述校准品样品具有至少一种分析物的浓度的已知目标值，其中所述分析装置经配置为获取至少一个检测器信号 s ijk ，其中 i = 1, …I，I ≥2，其中 i是指所述校准品样品的数量，j = 1, …J ，J ≥2，其中 j 是指所述硬件组件的数量，其中k = 1, …K ij ，K ij ≥ 1，其中 k 是指测量步骤的重复次数；以及
• 至少一个评估装置，其中所述评估装置配置为进行至少一个校准步骤，其中确定所述检测器信号与所述分析物的浓度和/或所述检测器信号与理论信号值之间的关系，其中所述评估装置配置为提供至少一个参数化函数，其中所述参数化函数具有参数组，其中所述参数组包括描述所述参数化函数的分析物特定部分的参数，其中所述参数组进一步包括用于关于所述硬件组件的所述参数化函数的调整的参数；其中所述评估装置进一步配置为通过基于所述参数化函数进行校准，用于确定校准值，其中所述评估装置进一步配置为基于所述参数化函数的反函数和所述确定的校准值，来确定分析函数。
实施例 17：根据前述实施方案的装置，其中所述设备经配置用于执行根据前述权利要求中的任一项提及的用于校准至少一个分析装置的方法。
实施例 18：一种包括至少一个处理器的计算机或计算机网络，其中所述处理器适于执行根据涉及用于校准至少一个分析装置的方法的前述权利要求中任一项所述的用于校准至少一个分析装置的方法的步骤 b) 至 c)。
实施例 19：一种计算机可加载的数据结构，当该数据结构正在计算机上执行时，其适于执行根据前述实施方案中任一项提及的用于校准至少一个分析装置的方法的步骤b) 至 c)。
实施例 20：一种计算机程序，其中所述计算机程序适于当所述程序在计算机上执行时执行根据涉及用于校准至少一个分析装置的方法的前述实施方案中任一项所述的用于校准至少一个分析装置的方法的步骤 b) 至 c)。
实施例 21：一种计算机程序，包括用于执行根据前述任一实施方案的校准至少一个分析装置的方法的步骤 b) 至 c) 的程序手段，该方法是指在计算机程序在计算机或计算机网络上执行时校准至少一个分析装置的方法。
实施例 22：计算机程序包括根据前述实施方案的程序手段，其中这些程序手段存储在计算机可读的存储介质上。
实施例 23：存储介质，其中数据结构存储在该存储介质上并且其中该数据结构适于执行根据前述任一项实施方案的用于校准至少一个分析装置的方法的步骤 b) 至 c)，该实施例是指在加载到计算机或计算机网络的主存储器和/或工作存储器中之后，用于校准至少一个分析装置的方法。
实施例 24：计算机程序产品，该计算机程序产品具有程序代码装置，其中程序代码手段可以存储或存储在存储介质上，用于在程序代码手段在计算机或计算机网络上执行时，执行根据前述任何一个实施例的用于校准至少一个分析装置的方法的步骤 b) 至 c)，指用于校准至少一个分析装置的方法。
附图说明
优选地结合从属权利要求，将在实施例的后续描述中更详细地公开进一步的可选特征和实施例。其中，如本领域技术人员将认识到的，各个可选特征可以以隔离的方式以及以任何任意可行的组合来实现。本发明的范围不受优选实施方案的限制。在附图中示意性地描绘了实施例。其中，这些图中相同的附图标记指相同或功能上可比较的元件。
附图中：
图 1 表示用于校准至少一个分析装置的装置的示例性实施方案；以及
图 2A 至图 2D表示各种实验结果。
具体实施方式
图 1 表示用于校准至少一个分析装置 112 的装置 110。具体地，分析装置 112可以选自由以下项组成的组：质谱装置，具体为液相色谱质谱装置；免疫测定分析仪；光度测量装置，血气分析仪，血液学分析仪，DNA分析仪。然而，其他种分析装置也可能是可行的。
所述分析装置 112 多个硬件组件 114。分析装置 112 可具体地体现为包括重复硬件组件 114 的分析系统，如多个重复硬件组件 114。硬件组件 114 可独立处理，也可以相互耦合、连接或整合。
示例性地，分析装置 112 可以是一个质谱装置 116。例如，分析装置 112 可为HPLC 复用装置。分析装置 112 可以是或可以包括多个 LC 系统，这些系统同时运行到单一质谱装置中。每个 LC 系统可以是单独的和/或与其他 LC 系统分离得。例如，分析装置112 可以包括多个同时进行的 HPLC 分离和单一质谱装置。硬件组件 114 可选自由以下项组成的组：柱，具体为高效液相色谱柱；流，具体为高效液相色谱流；样品注入装置，具体为高效液相色谱注入装置；泵；测量单元；检测器，具体为质谱检测器。其他组件也是可行的。
在图 1 中，示例性地显示，分析装置 112 包括第一硬件组件 118 和第二硬件组件 120。示例性地，第一硬件组件 118 和第二硬件组件 120 可为柱 122。进一步地，分析装置 112 可以包括另外的硬件组件 124。该进一步的硬件组件 124 可与硬件组件 118和第二硬件组件 120 不同。示例性地，另外的硬件组件 124 可以是质谱检测器 126。
分析装置 112 经配置用于对具有至少一种分析物浓度的已知目标值的 i 校准品样品进行至少一次测量。分析装置 112 进一步经配置用于获取至少一个检测器信号s ijk ，其中 i = 1, …I，I ≥2，其中 i 是指校准品样品的数量，j = 1, …J ，J ≥2，其中j 是指硬件组件的数量，其中 k = 1, …K ij ，K ij ≥ 1，其中 k是指测量步骤的重复次数。
进一步地，装置 110 包括至少一个评估设备 128。评估装置 128 经配置用于进行至少一个校准步骤，其中确定了检测器信号与分析物的浓度和/或检测器信号与理论信号值之间的关系。进一步地，评估装置 128 经配置用于提供至少一个参数化函数，其中参数化函数具有参数组。参数组包括描述参数化函数的分析物-特定部分的参数。参数组进一步包括调整关于硬件组件的参数化函数的参数。评估装置 128 进一步经配置用于通过基于参数化函数进行校准来确定校准值。评估装置 128 进一步经配置用于基于所述参数化函数的反函数和所述确定的校准值，确定分析函数。
图 2A 至 2D 表示各种实验结果。在图2A中，检测器信号，特别是面积比，显示了三个不同的样品，分别表示为 CA005、CA006 和 CA007，这些样品是在具有两个 HPLC 泵和两个不同 HPCL 柱的仪器上获得的。两个泵和柱子可以一起切换，这样仪器上总共有四个不同的 HPLC 流。从左到右，每个样本图的第一个数据点是在流 1 上测量的检测器信号，它对应于 C1 柱和泵 P1；第二个数据点是在流 2 上测量的检测器信号，它对应于 C1 柱和泵 P2；第三个数据点是在流 3 上测量的检测器信号，它对应于 C2 柱和泵 P1；第四个数据点是流 4 上测量的检测器信号，它对应于 C2 柱和泵 P2。可以看出，流 2 和流 4 上的检测器信号高于流 1 和流 3 上获取的检测器信号。
图 2B 显示了基于检测器信号的方差-分量分析的结果。进行方差-分量分析是为了分析来自硬件组件差异的主要变异源，并与不同浓度范围内的多个样品 CA001 至CA007 的系统的重复性，即误差分量有关。样品数量越多，浓度就越高。在图 2B 中，显示了每个组件在总变异性上的百分比。可以看出，变异成分泵是存在的，即两个不同的泵之间的检测器信号存在明显的变异，因此四个 HPLC 流之间也存在变异。
图 2C 表示不同变异源的变异系数 CV%。可以看出，对于所有的样品，由于两个泵之间的检测器信号的变异性，对 CV 有很大的贡献，这也是 HPLC 流的一个部分。用根据本发明的校准方法，可能会使读出的浓度的流差最小化。
图 2D 显示了 CA005、CA006 和 CA007 样品的总百分比（左栏）以及变异系数 CV（右栏），当
-进行了单独的流校准（图 2D 中表示为“完全校准”）
-进行了没有流特定参数的校准（图 2D 中表示为“系统校准”）
-进行了没有流特定斜率的校准（图 2D 中表示为“斜率校准”）
-进行了流特定系数校准（图 2D 中表示为“系数校准”），
其中，后面的两个方法是根据本发明的方法。对于具有流特定斜率校准的模型，匹配了线性函数，流和不同斜率之间有共同的截距。对于具有流特定斜率校准的模型，匹配了线性函数，流和不同斜率之间有共同的截距。对于采用流特定系数校准的模型，匹配了线性函数，溪流之间有共同的截距和斜率，还有流-特定的乘法调整系数。
可以看出，根据本发明的这两种方法都是有效的，并能提供与单个流校准一样好，甚至更好的结果，并能使流之间的浓度值差异最小。通过这两种方法，浓度值的泵-间变异性可以被最小化。
附图标记列表
110 装置
112 分析装置
114 硬件组件
116 质谱装置
118 第一硬件组件
120 第二硬件组件
122 柱
124 另外的硬件组件
126 质谱检测器
128 评估装置。

Claims (16)

1.一种用于校准具有重复硬件组件的至少一个分析装置 (112) 的方法，其中所述分析装置 (112) 包括多个硬件组件 (114)，其中硬件组件是所述分析装置 (112) 的物理和/或有形部件，其中所述方法包括以下步骤：
a) 提供至少一个具有至少一种分析物的浓度的已知目标值的校准品样品i；
b) 至少一个测量步骤，其中所述测量步骤包括使用所述分析装置 (112) 对所述校准品样品进行至少一次测量，其中获取至少一个检测器信号s ijk ，其中i = 1, …I，其中I ≥2，其中i是指所述校准品样品的数量，j = 1, …J，其中J ≥2，其中j是指所述硬件组件的数量，其中k =1, …K ij ，其中K ij ≥ 1，其中k是指所述测量步骤的重复次数；
c) 至少一个校准步骤，其中确定所述检测器信号与所述分析物的所述浓度之间的关系，其中所述校准步骤包括：
c.1：提供至少一个参数化函数，其中所述参数化函数具有参数组，其中所述参数组包括描述所述参数化函数的分析物特定部分的参数，其中所述参数组进一步包括用于调整所述硬件组件 (114) 的所述参数化函数的参数；
c.2：通过进行基于所述参数化函数的校准来确定校准值；以及
c.3：基于所述参数化函数的反函数和确定的校准值来确定分析函数。
2.一种用于校准具有重复硬件组件的至少一个分析装置 (112) 的方法，其中所述分析装置 (112) 包括多个硬件组件 (114)，其中硬件组件是所述分析装置 (112) 的物理和/或有形部件，其中所述方法包括以下步骤：
A) 提供至少一个校准品样品i，所述校准品样品具有至少一种分析物的浓度的已知目标值和平均校准曲线，从中得出所述至少一个校准品样品的理论信号；
B) 至少一个测量步骤，其中所述测量步骤包括使用所述分析装置 (112) 对所述校准品样品进行至少一次测量，其中获取至少一个检测器信号s ijk ，其中 i = 1, …I，其中I ≥1，其中i是指所述校准品样品的数量，j = 1, …J，其中J ≥2，其中j是指所述硬件组件的数量，其中 k = 1, …K ij ，其中K ij ≥ 1，其中k是指所述测量步骤的重复次数；
C) 至少一个校准步骤，其中确定所述检测器信号与理论信号值之间的关系，其中所述校准步骤包括：
- 提供至少一个参数化函数，其中所述参数化函数具有参数组，其中所述参数组包括描述所述参数化函数的分析物特定部分的参数，其中所述参数组进一步包括用于调整所述硬件组件 (114) 的所述参数化函数的参数；
- 通过进行基于所述参数化函数的校准来确定校准值；以及
- 基于所述参数化函数的反函数和确定的校准值来确定分析函数。
3.根据权利要求 1 或 2 所述的方法，其中所述方法进一步包括：对另外的样品进行至少一次测量，其中通过使用所述分析函数，基于所述另外的样品的测量信号来确定所述另外的样品的浓度。
4.根据前述权利要求中任一项所述的方法，其中所述参数组由
Figure 590084DEST_PATH_IMAGE002
表示，其中n和r为正整数，其中
Figure DEST_PATH_IMAGE004A
对应于描述所述参数化函数的分析物特定部分的所述参数，其中
Figure 631858DEST_PATH_IMAGE006
是指描述用于调整所述硬件组件 (114) 的所述参数化函数的所述参数的向量，其中所述校准值由
Figure 411596DEST_PATH_IMAGE008
表示。
5.根据前述权利要求中任一项所述的方法，其中确定所述检测器信号与所述理论信号值之间的关系，其中所述参数化函数是信号调整函数。
6.根据前述权利要求中任一项所述的方法，其中确定所述检测器信号与所述分析物的浓度之间的关系，其中所述参数化函数是信号-浓度-函数。
7.根据前述两项权利要求中任一项所述的方法，其中所述信号-浓度-函数是线性函数。
8.根据前述权利要求所述的方法，其中所述信号-浓度函数包括硬件-零件特定截距、硬件-零件特定斜率中的一者或两者。
9.根据前述两项权利要求中任一项所述的方法，其中所述信号-浓度-函数是带有硬件-零件特定调整系数的线性函数。
10.根据前述权利要求中任一项所述的方法，其中所述分析装置 (112) 选自由以下项组成的组：质谱装置(116)，具体为液相色谱质谱装置；免疫测定分析仪；光度测量装置，血气分析仪，血液学分析仪，DNA分析仪。
11.根据前述权利要求中任一项所述的方法，其中所述硬件组件 (114) 是等效硬件组件 (114)。
12.根据前述权利要求中任一项所述的方法，其中所述硬件组件 (114) 选自由以下项组成的组：柱(122)，具体为高效液相色谱柱；流，具体为高效液相色谱流；样品注入装置，具体为高效液相色谱注入装置；泵；测量单元；检测器，具体为质谱检测器(126)。
13.根据前述权利要求中任一项所述的方法，其中所述校准品样品运行通过所述硬件组件 (114) 中的一些或全部，或经由所述硬件组件 (114) 中的一些或全部来运送。
14.一种用于校准具有重复硬件组件的至少一个分析装置 (112) 的装置 (110)，其中硬件组件是所述分析装置 (112) 的物理和/或有形部件，所述装置 (110) 包括：
• 包括多个硬件组件 (114) 的至少一个分析装置(112)，其中所述分析装置 (112)经配置用于对校准品样品i进行至少一次测量，所述校准品样品具有至少一种分析物的浓度的已知目标值，其中所述分析装置 (112) 配置为获取至少一个检测器信号s ijk ，其中 i = 1, …I，其中I ≥2，其中i是指所述校准品样品的数量，j = 1, …J，其中J ≥2，其中j是指所述硬件组件的数量，其中 k = 1, …K ij ，其中K ij ≥ 1，其中k是指测量步骤的重复次数；以及
• 至少一个评估装置(128)，其中所述评估装置 (128) 经配置用于进行至少一个校准步骤，其中确定所述检测器信号与所述分析物的所述浓度之间和/或所述检测器信号与理论信号值之间的关系，其中所述评估装置 (128) 经配置用于提供至少一个参数化函数，其中所述参数化函数具有参数组，其中所述参数组包括描述所述参数化函数的分析物特定部分的参数，其中所述参数组进一步包括用于调整所述硬件组件 (114) 的所述参数化函数的参数；其中所述评估装置 (128) 经进一步配置用于通过进行基于所述参数化函数的校准来确定校准值，其中所述评估装置 (128) 经进一步配置用于基于所述参数化函数的反函数和确定的校准值来确定分析函数。
15.一种包括至少一个处理器的计算机或计算机网络，其中所述处理器适于执行根据涉及用于校准至少一个分析装置 (112) 的方法的前述权利要求中任一项所述的用于校准至少一个分析装置 (112) 的方法的步骤 b) 至 c) 和/或 B) 至 C)。
16.一种计算机程序，其中所述计算机程序适于当所述程序在计算机上执行时执行根据涉及用于校准至少一个分析装置 (112) 的方法的前述权利要求中任一项所述的用于校准至少一个分析装置 (112) 的方法的步骤 b) 至 c) 和/或 B) 至 C)。
CN202080087683.2A 2019-12-17 2020-12-16 用于校准具有多个重复硬件组件的至少一个分析装置的方法 Pending CN114846326A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP19216960 2019-12-17
EP19216960.5 2019-12-17
PCT/EP2020/086409 WO2021122737A1 (en) 2019-12-17 2020-12-16 Method for calibrating at least one analytic device with multiple repeated hardware components

Publications (1)

Publication Number Publication Date
CN114846326A true CN114846326A (zh) 2022-08-02

Family

ID=69156144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080087683.2A Pending CN114846326A (zh) 2019-12-17 2020-12-16 用于校准具有多个重复硬件组件的至少一个分析装置的方法

Country Status (5)

Country Link
US (1) US11982657B2 (zh)
EP (1) EP4078168A1 (zh)
JP (1) JP2023506285A (zh)
CN (1) CN114846326A (zh)
WO (1) WO2021122737A1 (zh)

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6406632B1 (en) * 1998-04-03 2002-06-18 Symyx Technologies, Inc. Rapid characterization of polymers
JP4284167B2 (ja) * 2003-12-24 2009-06-24 株式会社日立ハイテクノロジーズ イオントラップ／飛行時間型質量分析計による精密質量測定方法
US20060255258A1 (en) * 2005-04-11 2006-11-16 Yongdong Wang Chromatographic and mass spectral date analysis
US7391016B2 (en) * 2005-05-12 2008-06-24 Analiza, Inc. Method for quantitative analysis of mixtures of compounds
US8158930B2 (en) * 2005-06-02 2012-04-17 Cedars-Sinai Medical Center Method for simultaneous calibration of mass spectra and identification of peptides in proteomic analysis
US8185318B2 (en) * 2006-01-19 2012-05-22 Novx Systems Canada Inc. Method of compensation of dose-response curve of an assay for sensitivity to perturbing variables
US7700912B2 (en) * 2006-05-26 2010-04-20 University Of Georgia Research Foundation, Inc. Mass spectrometry calibration methods
US7499807B1 (en) * 2006-09-19 2009-03-03 Battelle Memorial Institute Methods for recalibration of mass spectrometry data
EP2321639A1 (fr) * 2008-09-05 2011-05-18 Commissariat à l'Énergie Atomique et aux Énergies Alternatives Procédé de mesures de concentrations d'espèces moléculaires au moyen d'un chromatogramme
US8871525B2 (en) * 2010-10-01 2014-10-28 Synthetic Genomics, Inc. Mass spectrometry method
CN108614063B (zh) * 2011-06-06 2020-10-30 沃特世科技公司 用于定量样品中目标分析物的组合物、方法和试剂盒
US8384022B1 (en) * 2011-10-31 2013-02-26 Thermo Finnigan Llc Methods and apparatus for calibrating ion trap mass spectrometers
US8759752B2 (en) * 2012-03-12 2014-06-24 Thermo Finnigan Llc Corrected mass analyte values in a mass spectrum
US10802000B2 (en) * 2013-03-15 2020-10-13 Dionex Corporation Method of calibrating a chromatography system
US20180342381A1 (en) * 2013-05-21 2018-11-29 University Of Utah Research Foundation Mass spectrometry analyte detection and related methods
EP2811300A1 (en) * 2013-06-07 2014-12-10 Roche Diagniostics GmbH Calibration for multi-component assays
EP3304382A4 (en) * 2015-05-29 2019-07-17 Waters Technologies Corporation TECHNIQUES FOR PROCESSING SPECTRAL MASS DATA
GB2563077A (en) * 2017-06-02 2018-12-05 Thermo Fisher Scient Bremen Gmbh Mass error correction due to thermal drift in a time of flight mass spectrometer
EP3422005B1 (en) * 2017-06-27 2020-05-13 Medizinische Universität Graz Determining enrichments of tracers of glucose by mass spectrometry
ES2894840T3 (es) * 2017-07-04 2022-02-16 Hoffmann La Roche Sistema y procedimiento de diagnóstico clínico automatizado
CN111602048B (zh) * 2018-01-09 2023-08-22 Atonarp株式会社 用于优化峰形的系统和方法
US10600632B2 (en) * 2018-08-23 2020-03-24 Thermo Finnigan Llc Methods for operating electrostatic trap mass analyzers

Also Published As

Publication number Publication date
WO2021122737A1 (en) 2021-06-24
US11982657B2 (en) 2024-05-14
EP4078168A1 (en) 2022-10-26
JP2023506285A (ja) 2023-02-15
US20220308024A1 (en) 2022-09-29

Similar Documents

Publication Publication Date Title
Kruve et al. Tutorial review on validation of liquid chromatography–mass spectrometry methods: Part I
Mineva et al. A candidate reference measurement procedure for quantifying serum concentrations of 25-hydroxyvitamin D 3 and 25-hydroxyvitamin D 2 using isotope-dilution liquid chromatography-tandem mass spectrometry
Højskov et al. High-throughput liquid–liquid extraction and LCMSMS assay for determination of circulating 25 (OH) vitamin D3 and D2 in the routine clinical laboratory
Wang et al. Target screening of 105 veterinary drug residues in milk using UHPLC/ESI Q-Orbitrap multiplexing data independent acquisition
CN109073658B (zh) 用于测定体液样品中的靶分析物的浓度的方法
US20230079433A1 (en) Computer implemented method for calibrating a customer mass spectrometry instrument for quantifier-qualifier-ratio check
D'Urso et al. LC-MS/MS-based quantification of 9 antiepileptic drugs from a dried sample spot device
Chen et al. Performance evaluation of Siemens ADVIA Centaur and Roche modular analytics E170 total 25-OH vitamin D assays
JP7464734B2 (ja) Ｌｃ－ｍｓ用の品質管理ツール
US20220293404A1 (en) Method for calibrating at least one mass spectrometry device
CN114846326A (zh) 用于校准具有多个重复硬件组件的至少一个分析装置的方法
Gu et al. Solving signal instability to maintain the second-order advantage in the resolution and determination of multi-analytes in complex systems by modeling liquid chromatography–mass spectrometry data using alternating trilinear decomposition method assisted with piecewise direct standardization
Rodrigues et al. Standard key steps in mass spectrometry-based plant metabolomics experiments: Instrument performance and analytical method validation
Gavage et al. Multi-Allergen Quantification in Food Using Concatemer-Based Isotope Dilution Mass Spectrometry: An Interlaboratory Study
EP4127706A1 (en) Computer implemented method for identifying at least one peak in a mass spectrometry response curve
Lang et al. Quantitative analysis of cortisol and 6β‐hydroxycortisol in urine by fully automated SPE and ultra‐performance LC coupled with electrospray and atmospheric pressure chemical ionization (ESC i)‐TOF‐MS
CN110088613A (zh) 用于在分析系统中的过程期间标识试剂的方法
Rigo-Bonnin et al. Measurement uncertainty and metrological traceability of whole blood cyclosporin A mass concentration results obtained by UHPLC-MS/MS
CN107615057A (zh) 用于阈值分析物校准及使用阈值分析物校准进行定量的系统、设备和方法
WO2024013240A1 (en) A method for quality check of at least one lc-ms measurement
Moreau et al. Development of the VIDAS® 25 OH Vitamin D Total assay
Jimenez-Carvelo et al. Critical evaluation of MS acquisition conditions and identification process in LC-Q-Orbitrap-MS for non-targeted analysis: pesticide residues as case of study
JP2023520037A (ja) キャリーオーバー監視
Filimonov et al. Manual method of visually identifying candidate signals for a targeted peptide
CN116917731A (zh) 用于提供经验证的分析物测量的干扰监测

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination