Væskekromatografi er en analytisk metode til separation af kemiske stoffer i forskellige typer af prøver og er en af de mest udbredte kemiske analysemetoder. Det bruges til identifikation og kvantitativ bestemmelse af en lang række kemiske stoffer, f.eks. inden for medicinalindustrien, i miljøkemiske undersøgelser og i fødevarekontrol.
I FoU projektet ” Mod bæredygtig metodeudvikling og identifikation af stoffer i HPLC: Opbygning af en database og machine learningsmodel til brug i miljøanalyser” vil vi, i samarbejde med Århus Universitet,
lave en machine learningsmodel bygget på kromatografiske data. Denne model vil kunne forudsige kromatografiske data og dermed reducere mængden af forsøg, der er nødvendige til metodeudvikling af kromatografiske metoder og identifikation af ukendte stoffer. Den vil desuden kunne forudsige, om det kan lade sig gøre at bruge opløsningsmidler, der er mindre sundhedsskadelige og miljøbelastende, end de opløsningsmidler der normalt bruges.
Der er tidligere lavet lignende modeller, som dog kun gælder for
specifikke stoffer og udstyr og som derfor ikke kan anvendes på andre områder, end dem de er lavet til, og der er derfor en stor efterspørgsel på en mere generel model. Vores model vil kunne bruges verden over af alle, der arbejder med metodeudvikling og identifikation af stoffer ved hjælp af væskekromatografi til at gøre disse processer både mindre tids- og ressourcekrævende, mere bæredygtige og vil, i modsætning til tidligere værktøjer, kunne tilpasses en bred vifte af eksperimentelle design.
På Laboratorie og miljø skal vi generere den database over kromatografiske resultater, som modellen skal bygge på. Denne database er et vigtigt resultat i sig selv, da den også vil kunne bruges af andre, der arbejder inden for feltet til at udarbejde mere specifikke modeller, til det de arbejder med. Den vil desuden kunne genereres i samarbejde med studerende, der i forvejen modtager undervisning i væskekromatografi, og som vil få mulighed for at få et mere dybdegående kendskab til metoden.
