分析化学论文

题 目

学 院

专 业

姓 名

学 号

分析化学作业 2016年1月

目录

题目............................................................................................................................................. 3

摘要............................................................................................................................................. 3

关键词......................................................................................................................................... 3

引言............................................................................................................................................. 3

1. 分子间相互作用力的研究预测色谱保留值.......................................................................... 4

1.1色谱保留值预测模型的发展............................................................................................... 4

1.2反相液相色谱保留方程....................................................................................................... 5

1.2.1反相液相色谱保留方程的数据计算................................................................................5 1.3体系能量与色谱保留时间的关系.......................................................................................6

2色谱分离原理模拟..................................................................................................................9

2.1色谱分离过程的Gaussian 模拟 . .........................................................................................9

3结论与展望............................................................................................................................12

参考文献...................................................................................................................................12

色谱分离与分子间的相互作用力

摘要：色谱分离技术是基于不同物质在由固定相和流动相构成的体系中具有不同的分配系数，在采用流动相洗脱过程中呈现不同保留时间，从而实现分离。保留值的大小主要取决于溶质与固定相分子之间的相互作用力有关。本文综述了从分子结构方面对色谱保留值预测的典型模型（Quantitative structure-retention relationships, QSRR）以及在Gaussian 程序中对色谱分离过程的模拟。 关键词：色谱保留值、QSRR 、色谱分离过程模拟、分子间相互作用 引言

目前，色谱分离技术无论是在工业生产还是在化学分析方法领域都有着极其重要的地位。因此，对此方面的研究是具有重大的实际价值意义的。近年来，有关领域的研究也是一个极大的热点。而且，色谱分析法也极其容易与质谱法联用，从而实现多组分的同时测定[1]。比如以传统的人参药材为研究对象，建立一种同时检测人参中46 种农药多残留的基质固相分散-超高效液相色谱-串联质谱(MSPD-UPLC-MS/MS)方法。该方法标准偏差(RSD)小于15% (n ＝3) ，定量限小于0.01 mg/kg，能够满足农药多残留分析要求。并且通用性强、选择性好、灵敏度高、简单廉价[2]。将高效液相色谱与电感耦合等离子体质谱联用技术联用，可以在15min 内完成测定富硒食品中6 种硒形态[3]。

随着人们对科学的深入研究，分析化学已经成为众多科学的眼睛。分析化学通常被用来测定物质的物理、化学性质以及相关动力学过程的变化[4]。色谱分离技术在分析化学中一个重要的应用就是定量分析，对其定性分析，主要是依靠保留值的不同来确定的。随着色谱分离性能的提高, 即使结构有微小差异的分子也可得到分离[5]。与此同时，色谱分析中最费劲的是定性分析。目前，大多数色谱分析的定性仍靠标准样。但标样定性有其不足之处：首先是必须有大量的色谱标准样，这对一般的实验室有一定的难度；其次是定性的可靠性不高，因为有多种物质可在同一时间出峰，一个色谱峰可能对应多个标准样，究竟是哪个组分，还须靠不同极性的双柱或其它手段进行确定，工作量极大。因此，为了减少大量的实验工作以及提高定性结果的可靠性，我们必须从理论上作出进一步的研究，从而对某些化合物的色谱保留值作出预测。

我们知道物质结构决定性质，而结构则是与相关的相互作用力密切相关的。所以，在此必须要对分子间的相互作用力作出深入的研究——量子化学在此为我们提供了有力的方法，比如结合能、偶极矩、平衡构型等结构参数的计算[6,7,8]。尤其是两个分子之间通过非键力结合时的相互作用能，它的大小可以间接反映出色谱保留值的大小[9]。偶极矩也在一定程度上反映了色谱保留值的大小。通过一系列量子化学对分子间相互作用力的计算，我们可以建立很多与之相关的色谱保留值预测模型以及相关的分离过程模拟。

分子结构-色谱保留相关(Quantitative structure-retention relationships, QSRR)作为QSAR 研究中的重要组成部分，对于建立分子结构与色谱保留的变化规律，估计与预测化合物的物理化学性质与生物活性、选择分离条件及深入探索色谱保留机理具有重要意义[10]。由于结构决定性质，因此所有的模拟和预测都必须以几何构型优化为基础。在QSRR 研究中，重要的一些智能优化算法（计算包括软计算和硬计算，软计算没有严格的数学模型，它主要是通过模仿一些自然现象或生物现象来建立的算法，也称智能算法；硬计算就是指有严格数学模型的算法。）包括：遗传学算法(GA)，粒子群算法 (PSO)，蜜蜂迁移模拟算法(ABC)，蝴蝶算

法 (FA)，花授粉算法 (FPA)等[11]。本文中通过量子化学对分子间相互作用力的研究方法，对色谱保留值的预测模型以及色谱分离在Gaussian 程序中的模拟，进行了详细的论述。

1. 分子间相互作用力的研究预测色谱保留值

分子是由众多的原子核和大量的电子所构成的一个多体系统。由于电荷间的相互作用，故分子与分子之间也存在着相互作用。分子间的相互作用力包括：氢键、取向力、诱导力、色散力、交换力、直接静电作用、偶极——偶极作用、四极——四极作用、π——π相互作用、n ——π相互作用、阴离子·n 作用、疏水相互作用、选择性分子间作用力（在主客体分子识别中，占有极其重要的地位

[12]。）等几种形式。这些作用力，在不同的作用力程上或不同的空间取向上，贡献也不等。由于物质的结构决定性质，因此，通过对物质结构的研究，可以从物质的结构参数(包括偶极矩、能量等) 与物质的色谱保留值之间建立相关关系。从而，可以对物质的色谱保留值作出预测。而物质以何种结构存在，则是由与之相关的作用力决定的。

色谱分离过程，就是一个分子与分子之间进行相互作用的一个过程。因此，分子间相互作用力的研究对进一步揭示色谱分离机理是很有必要的。通过这一研究，可以从某种程度上给出色谱保留值的预测模型以及分离过程的模拟。1977年以来, 人们对很多不同系列的或结构相近的化合物进行了分子结构与色谱保留值的相关研究, 并用于色谱保留值预测。涉及到的化合物包括院烃、稀烃、苯衍生物、多环芳烃、醇、酷、酷、胺、含硫化合物、甾类、药物、兴奋剂等[5]。

1.1色谱保留值预测模型的发展

偶极矩很早以前就被应用于结构--保留关系的研究。早在1956年，james 就对一系列Xilidine 异构体的色谱行为与它们的偶极矩建立了相关关系。Ainshtein 和shulyatieva 对建立一系列院基和芳基氯娃烧的GC 保留指数与偶极矩的关系进行了尝试。同偶极矩相似，有人尝试应用溶质的介电常数作为GC 中分子参与偶极取向作用能力的描述符。GaLssiot 等人认为溶质分子的保留值与电子云结构有关，具体来说表示为：

I =aE +∑cQ i +b ，其中E 为总的电子能量，Q i 为第i 个原子的电荷，a 、b 、c

i

为系数。Gassiot 计算了 59种乙酸胆留院醇酯的总能量与定域电荷并以此推求其在SE-30和QF-l 上的保留指数，采用了 13个系数后，其计算值与实验值的平均偏差为5.68 i.u.和 19.22 i.u.。

Massalt 等人在1983年发表了由脂肪族醚、酯、醇、酮和酸组成的化合物系列，在不同极性固定相上的GC 保留指数预测的研究结果，用多元回归分析的统计方法，使用的参数包括偶极矩、给定分子中电荷绝对值之和、组成功能基团的原子和这种功能基团上原子的电荷绝对值之和，由于在偶极--偶极作用中，过程的能量与偶极矩平方成正比, 因此方程中含有结构参数的平方项。Saura 等人研究了一系列同系酯的GC 保留值之后认为，分子的总能量与结合能与其气相色谱保留值之间有很好的相关性，而羰基的相对位置对保留值的影响可用酯的最高占据分子轨道与固定相最低空分子轨道的相互作用来解释。

国内，王亚伟等人计算了 61个单硫醚的几种量化参数，认为化合物生成热、核间作用能量、最低空轨道能和最大负净电荷跟气相色谱保留指数相关性很好。 Cao 等人用半经验的量子化学方法(AMI)计算了 50个二硫化物的一系列分子

结构描述符，研究了二硫化物在四种不同极性固定相上的色谱保留指数与量子化学参数的关系，指出保留指数与生成热、偶极矩、碳原子上的最大净电荷、总能量、最低空轨道能、最高占据轨道能、氧原子所带最大净电荷、键能、核间作用能相关。但在不同极性固定相上与保留指数相关的结构描述符是不同的。量子化学方法可应用于多种色谱分析方法, 除了应用最多的气相色谱方法和反相高效液相色谱方法，还有离子交换色谱、超临界流体色谱、薄层色谱以及毛细管电泳等等。这说明量子化学方法在预测色谱保留值方面具有广泛性和可靠性。

1.2反相液相色谱保留方程

丁玲、董军等人以胰岛素、细胞色素C 、溶菌酶、转铁蛋白和肌红蛋白5 种标准蛋白为研究对象，将6 种浓度的标准蛋白在反相色谱(Waters Symmetry 300 C4 、Waters Symmetry 300 C18 、C8HC) 的保留时间非线性拟合(CSASS 软件) ，获得了5 种蛋白质在3 种色谱柱的lnk =a+cCB 方程[13]。从中可以看出这15 个方程的回归系数均大于0.999，故可以证实方程lnk =a+cCB 可准确地描述蛋白质在反相色谱的保留规律。运用该方程可预测蛋白质在其它梯度条件下的保留时间，预测值和实验值的相对误差均小于5%。该方程还可用于蛋白质混合物的梯度分离的优化，20 min 内可实现5 种标准蛋白的基线分离。

在此通过利用6 次线性梯度, 获取了5 种标准蛋白的保留参数, 验证了基于顶替吸附——相互作用模型的方程lnk =a+cCB 能够准确描述大分子蛋白质在反相色谱的保留规律。本方法可以帮助实现蛋白质色谱分离条件的快速准确优化。

1.2.1反相液相色谱保留方程的数据计算

根据顶替吸附——相互作用模型，在反相色谱中，溶质的保留因子与有机相浓度之间存在近似关系：lnk =a+cCB ，其中k 是保留因子(k =(tR - t0 )/ t0 )，t R 为溶质保留时间，t 0 为死时间；a 是溶质与固定相的相互作用能（通过量子化学对分子间相互作用的研究，可以给出比较准确的数值。），溶质同流动相中溶剂的相互作用能和溶质分子体积相关的常数；c 是溶质与流动相中溶剂的作用能相关的常数，C B 为流动相的实际浓度[14]。

图1摇系统梯度延迟时间的测定

由以上可知，只要准确给出了a ，c 的数值，即可对任意浓度下的lnk ，作出相应的预测。

1.3体系能量与色谱保留时间的关系

在分子间的相互作用中，不仅涉及相关分子的基本组成和官能团，更和它们在空间的相互作用位点和方式有关。当它们在空间的结构取向相匹配的时候，其相互作用就会因存在―选择性分子间作用力而特别明显。因而，研究分子间相互作用力的时候，经常把超分子看成整体，即所有电子是在超分子轨道中运动的，以此来寻找势能面上的极小值——构型优化。

设超分子体系中各分子间弱相互作用能（结合能）为ΔE int ，E tot 为超分子体系总能量，E i 为各分子单独存在时的子体系能量，则有：∆E int =E tot -∑E i 。明

i

显，在色谱分离中，∆E int 数值的大小直接反映了溶质与固定相之间相互结合的强弱——色谱保留值的衡量指标。

以下是一个具体的应用实例，具体研究对象以脂肪酸为例[5]。在实验过程中对待测组分与固定相间的多种不同位置进行模拟计算，在此选择三种较特殊的结合位置进行说明。结果如图2所示ΔE intl 、ΔEint2、ΔEint3分别代表脂肪酸分子与固定相间三种不同的结合位置时的相互作用能(图2) 。

2 图

图3 体系能量差趋势图(横坐标为表1中各种脂肪酸的编号)

如图3所示，各种脂肪酸与固定相单独存在的总能量比形成配合物后的明显要高，由此可说明脂肪酸和固定相以一定方式形成配合物后有利于降低体系的总能量，使体系更趋稳定。除个别组分外，体系能量差（ΔEint ）与色谱保留时间呈正相关性[5]。通过这一相关关系，我们即可建立相应的数学模型来也测一系列化合物的保留时间。其中的ΔEint 的大小，可以在一定基组和计算水平下，经量子化学的第一性原理计算而准确得到。

根据色谱分离原理，当溶质与固定相间具有相对较强的相互作用力时能形成具有一定稳定性的过渡态配合物，其结果是溶质在柱内的保留时间延长，换言之，保留时间的大小直接体现了被分离物质与固定相相互作用力的强弱。 2色谱分离原理模拟

通过以上的有关介绍，我们已经知道色谱分离的原理就是利用了混合物中各组分保留值的差异而实现分离的目的。根据这一原理，保留值大的当然就要在柱内多停留一段时间，从而被检测器检测到的所需时间就长，形成了检测信号强度——时间图（色谱图）。在当今的色谱分离技术中，只要保留值稍有差异，就可以实现相互分离的目的；甚至实现对映异构体的拆分。比如，室温条件下在CDSP 和NCDSP 上可以分别实现9种和8种三唑类手性农药对映体的拆分[15]。为了提高实验的效率，进一步揭示色谱分离机理，下面我们仍以脂肪酸为例，将综述有关色谱分离过程的模拟。模拟一般用一些数学软件[16]或较为专业的化学软件来进行；如Gaussian 、Hyperchem 等，这些软件都可以提供第一性原理计算方法。以下将介绍色谱分离在Gaussian 中的模拟。

2.1色谱分离过程的Gaussian 模拟

将混合物中溶质分子与固定相看成是一个超分子，建立相关坐标，将其输入到Gaussian 的输入文件。首先，用较小的基组和低精度算法得到初步的平衡构型。然后，在此基础上，使用较大基组和高精度计算水平进行几何构型优化同时

进行振动频率分析以确认所得到的构型确实为势能面上的最底点。此时，经Gaussian 计算所得到的分子构型即为平衡构型。或者使用CHARMM 程序，在CHARMM22力场法下进行优化[17]。这时化合物不但体系的能量达到最低, 且其电荷密度, 分子轨道等各个方面的状况也达到最佳平衡。同时，计算结果还提供了此化合物体系精确的三维坐标值、分子中各质点的电荷密度、键角、键长等量子化学参数供分析用。

为了保证计算结果的准确性，下面是对芝麻油样品进行GC-MS 分离所得到的总离子流图（图中aCA ：B ——表示脂肪酸，其中a 表示出峰顺序编号， A 表示碳数，B 表示不饱和程度) ：

芝麻油脂肪酸甲酯的总离子流图

下表是芝麻油中各脂肪酸的主成分以及相应的保留值：

11

表1

结合上述所说的体系能量与色谱保留时间的关系以及相关分子结构可知：5#反-11-十六碳稀酸和6#十六烧酸能量差的差别很小，二者在结构上只在第十一个碳原子上相差一个双键，其余结构和碳数完全一样，故二者之间在能量差上差别不大，但由于双键影响，使得6#的保留时间较长。对于7#15-甲基-反-11-十七碳稀酸和8#十七碳焼酸而言，二者同样相差一个双键，但由于7#含有支链，在与固定相结合时位阻较大，所以能量差的差别较大。18#反-11，反-14-二十碳二稀酸、19#反-11-二十碳稀酸、20#反-11，反-13-二十碳二稀酸三者在碳数上相同，且都没有支链，只是在双键个数及位置上略有差别，二烯酸与单稀酸在极性上略有不同，故而18#较19#先出峰，但20#中的两个双键处于相邻的位置，π键共轭，使其与固定相间结合更为紧密，出峰较晚。由此可以看出π键堆砌作用在分离组分与固定相之间结合过程有较显著影响。虽然单一位点的模拟结果与实验结果存在微小差异，但综合不同结合位置模拟所得结果, 我们可得出结论，总能量之差与相关组分的保留时间存在正相关性。因此我们可以用总能量之差间接描述分离组分在固定相上的保留情况，并用能用此预测待测样品的分离顺序。 3结论与展望

通过量子化学对分子间相互作用力的研究，可以在分子的构型参数（如偶极矩、结合能等）与色谱保留值之间建立相关关系，进而对一些化合物的色谱保留值作出相应的预测，或者对物质的分离顺序作出预测，从而简化分离的前期预实验部分。

其次就是，在上述的脂肪酸色谱分离过程模拟中，我们可以看出，π——π相互作用和氢键在此起了主导作用。同样的方法也可以用来分析模拟其它体系的色谱分离，进而得知分离过程中起主导作用的相互作用力。因此，通过以上的Gaussian 模拟过程也让我们对色谱分离原理有了更加深层次的认识。同时，让我们认识到了分子间的相互作用力在色谱分离中的重要性；这对我们研究色谱机理有着深远的影响和意义。

参考文献

[1]牟艳莉 郭德华 丁卓平 伊雄海 高效液相色谱——串联质谱法测定瓜果中11 种植物生长调节剂的残留量 分析化学 10. 3724 / SP. J. 1096. 2013. 30644

[2] 陈丽娜 宋凤瑞 郑重 邢俊鹏 刘志强 刘淑莹 人参中农药多残留的超高效液相色谱-串联质谱分析方法研究 化学学报2012年70卷

[3]高效液相色谱——电感耦合等离子体质谱法检测富硒食品中6 种硒形态

12

[4] Jerome,Workman,Barry Lavine,Ray Chrisman,and Mel Koch. Process Analytical Chemistry. 4578 dx.doi.org/10.1021/ac200974w |Anal. Chem. 2011, 83, 4557–4578

[5]胡红燕 量子化学在色谱中的应用 浙江大学理学硕士学位论文 2013

[6]Jan Rezac and Pavel Hobza Ab Initio Quantum Mechanical Description of

Noncovalent Interactions at Its Limits: Approaching the Experimental Dissociation Energy of the HF Dimer. J. Chem. Theory Comput. 2014, 10, 3066−3073

[7] Norberto K. V. Monteiro and Caio L. Firme Hydrogen−Hydrogen Bonds in

Highly Branched Alkanes and in Alkane Complexes: A DFT, ab initio, QTAIM, and ELF Study. J. Phys. Chem. A 2014, 118, 1730−1740

[8] A. Leif Hickey and Christopher N. Rowley. Benchmarking Quantum Chemical Methods for the Calculation of Molecular Dipole Moments and Polarizabilities. J. Phys. Chem. A 2014, 118, 3678−3687

[9] Li, Z.-H.; Cheng, F.-S.; Xia, Z.-N. Chin . J . Chromatogr . 2011, 29(1), 63.

[10] 莫凌云*,a , b , c 刘红艳a , b 温焕宁b 电拓扑状态预测多氯二苯并噻吩及噻吩砜化合物的气相色谱保留指数 化 学 学 报 第9 期, 1117～1124 Vol. 70, 2012

uvela, J. Jay Liu, Katarzyna Macur, and Tomasz Bączek. Molecular [11]Petar Z

Descriptor Subset Selection in Theoretical Peptide Quantitative Structure−Retention Relationship Model Development Using Nature-Inspired Optimization Algorithms. Anal. Chem. 2015, 87, 9876−9883

[12]Lajos Szente and Julianna Szeman Cyclodextrins in Analytical Chemistry: Host−Guest Type Molecular Recognition. Chem. 2013, 85, 8024−8030

[13]丁玲 董军 肖远胜 张秀莉 薛兴亚 梁鑫淼白质的反相液相色谱保留方程研究 10.3724 / SP. J. 1096. 2013. 20881

[14]C. Wei Tsai,W. Yih Chen, and R. Chyu Ruaan. Retention Prediction of Peptide Diastereomers in Reversed-Phase Liquid Chromatography Assisted by Molecular Dynamics Simulation. Langmuir 2012, 28, 13601−13608

[15]程彪平，李来生，周仁丹，李良，张宏福（南昌大学分析测试中心，南昌330047) 两种β—环糊精单臂键合固定相液相色谱法拆分三唑类手性农药 高等学校化学学报 2015年5月

[16]Tierney C. Miller, John N. Richardson, and Jeb S. Kegerreis. Using Mathematical Software To Introduce Fourier Transforms in Physical Chemistry To Develop Improved Understanding of Their Applications in Analytical Chemistry. J. Chem. Educ. 10.1021

urek . Christine M. Bathelt, [17]Richard Lonsdale. Kerensa T. Houghton. Jolanta Z

Nicolas Foloppe, Marcel J. de Groot, Jeremy N. Harvey, and Adrian J. Mulholland. Quantum Mechanics/Molecular Mechanics Modeling of Regioselectivity of Drug Metabolism in Cytochrome P450 2C9. J. Am. Chem. Soc. 2013, 135, 8001−8015

13