Bayesian Methods for Quantitative Analysis of NMR Signals in Reaction and Process Monitoring
Final Report Abstract
Die NMR-Spektroskopie ist eine vielversprechende Analysemethode, um komplexe flüssige Mischungen berührungslos und ohne vorheriges Kalibrieren quantitativ zu untersuchen. Durch den zunehmenden Einsatz von Benchtop NMR Spektrometern, vor allem für Anwendungen im Reaktions- und Prozessmonitoring, steigt die Nachfrage an fortschrittlichen Analysemethoden, mit denen die teilweise schlecht aufgelösten NMR Signale zuverlässig ausgewertet werden können. Die im Rahmen dieses Projektes entwickelte Bayessche Methode basiert auf einem quantenmechanischem Modell zur Beschreibung der charakteristischen Signaturen chemischer Komponenten. Durch Überlagerung der Signaturen einzelner Komponenten kann das NMR Signal einer beliebigen Mischung beschrieben werden. Ein Vorteil dieser quantenmechanischen Modellformulierung liegt darin, dass die Modellparameter (z.B. chemische Verschiebung, Peakbreite, Koppplungskonstante) unabhängig von der Magnetfeldstärke sind, weshalb das Modell einfach auf Benchtop NMR Signale übertragen werden kann. Die Kopplung mit der Bayesschen Statistik ermöglicht zudem die Integration von Vorwissen über die Modellparameter, welches teilweise schon vor der Messung zur Verfügung steht, wodurch eine robustere Optimierung ermöglicht wird. Die Kombination aus dem modell-basierten Ansatz zur Beschreibung der gemessenen NMR Signale und der Bayesschen Statistik macht die Bayessche Methode zu einem wertvollem Werkzeug zur quantitativen Analyse komplexer NMR Signale, da sowohl Signale mit vielen überlappenden Peaks als auch Signale mit geringem Signal-zu-Rausch Verhältnis verlässlich ausgewertet werden können. Ein weiterer wichtiger Aspekt bei der quantitativen Analyse von NMR Signalen mittels konventioneller Analysemethoden, wie z.B. direkte Integration, stellt die Phasen-und Basislinienkorrektur dar. Dieser Schritt ist die Grundvoraussetzung, um die Peakflächenintegrale und damit die Zusammensetzung einer Probe mit hoher Genauigkeit bestimmen zu können. In diesem Projekt wurde daher zusätzlich eine Methode zur automatischen Phasen- und Basislinienkorrektur, die SINC (SImultaneous NMR Correction) Methode, entwickelt. Diese Methode wurde in verschiedenen Studien dazu genutzt, um die Performance der Bayesschen Methode zu bewerten.
Publications
- An Experimental Validation of a Bayesian Model for Quantification in NMR Spectroscopy, J. Magn. Reson. 285 (2017) 86-100
Y. Matviychuk, E. von Harbou, D. J. Holland
(See online at https://doi.org/10.1016/j.jmr.2017.10.009) - Multi-objective Optimization for an Automated and Simultaneous Phase and Baseline Correction of NMR Spectral Data, J. Magn. Reson. 289 (2018) 132-141
M. Sawall, E. Von Harbou, A. Moog, R. Behrens, H. Schröder, J. Simoneau, E. Steimers, K. Neymeyr
(See online at https://doi.org/10.1016/j.jmr.2018.02.012) - A Comparison of Non-uniform Sampling and Model-based Analysis of NMR Spectra for Reaction Monitoring, Magn. Reson. Chem. (2020)
E. Steimers, Y. Matviychuk, A. Friebel, K. Münnemann, E. von Harbou, D. J. Holland
(See online at https://doi.org/10.1002/mrc.5095) - Application of a New Method for Simultaneous Phase and Baseline Correction of NMR Signals (SINC), Magn Reson Chem 58 (2020) 260-270
E. Steimers, M. Sawall, R. Behrens, D. Meinhardt, J. Simoneau, K. Münnemann, K. Neymeyr, E. von Harbou
(See online at https://doi.org/10.1002/mrc.4964) - Bayesian Approach for Automated Quantitative Analysis of Benchtop NMR Data, J Magn Reson 319 (2020) 106814
Y. Matviychuk, E. Steimers, E. von Harbou, D. J. Holland
(See online at https://doi.org/10.1016/j.jmr.2020.106814) - Improving the Accuracy of Model-based Quantitative NMR, Magnetic Resonance Discussions (2020) 1-24
Y. Matviychuk, E. Steimers, E. v. Harbou, D. J. Holland
(See online at https://doi.org/10.5194/mr-2019-4)
