4 件の記事
ノンターゲットのLC-MSメタボロミクスでは、1回の測定で数万の「特徴量（feature）」が検出される。 しかしその数は測定できた代謝物の数ではない。大腸菌の実データを系統的に注釈した研究は、 25,230の特徴量が892のユニークな分析種にまで減ることを示した。28分の1である。 本記事は、なぜ1つの代謝物が何十もの特徴量に分裂するのか、その縮退が統計の検出力をどう削るのかを 原著の数値で追い、そのうえでプールQCの置き方・受入基準（検出率・RSD・D-ratio）・ シグナル補正という品質管理の実務を、ガイドライン論文と109報の実態調査から整理する。
5 つの研究室が 400・500・600 MHz の装置で同じブロッコリー抽出液を測ったリング試験では、スペクトルを 0.01 ppm 幅で区切って主成分分析にかけると、第 1 主成分（分散の 61 %）は「磁場強度」を表し、品種の違いは第 2 主成分に押し出された。区切り幅を 0.04 ppm に広げると第 1 主成分（80 %）が品種になり、磁場強度は第 2 主成分（18 %）へ下がった。装置の差も生物の差も、どちらが「主」に見えるかは前処理が決めている。NMR が質量分析より感度で 10〜100 倍劣りながら 11 万人規模のコホートで選ばれる理由、2 拠点で測った差が投薬前の個体差の 5 分の 1 だった実験、結合定数が Hz で決まっているために低磁場ほど多重線が ppm 上で広がる仕組み、pH と緩衝液、1D スペクトルの標準手順までを、査読論文の原文にあたって整理する。
逆相で保持しない極性化合物を分離する手段がHILIC（親水性相互作用クロマトグラフィー）である。 高有機溶媒の移動相を使い、固定相表面に形成される水に富んだ層への分配で保持する——という説明が 広く使われてきたが、2023年の定量的な研究は、分配が支配的な化合物と表面吸着が支配的な化合物が 混在することを示している。本記事では保持機構を最新の知見で整理し、固定相・移動相・緩衝液の選び方、 そして実務で最も事故が多い「試料希釈液」と「平衡化」——新品カラムに60〜80カラム容量が必要という 逆相の常識との違い——を、メーカー公式ガイドと論文を根拠に解説する。 あわせて、その60〜80カラム容量が実際に何分なのかを寸法と流量から計算し、 100検体のバッチで再平衡だけに何時間消えるかまで数字にする。
1D NMR から構造を当てる機械学習の報告は「69.6 %」という数字を出している。ただしこれは 1 発で当たる確率ではなく、候補を 15 個出したうちのどれかに正解が入っていた割合で、 裏返せば 15 個並べても約 3 割は正解を含まない。それでも探索空間は最大 11 桁縮む。 AI・機械学習は分析化学の「測る」より下流――スペクトルやクロマトグラムを読み解く 解析工程を急速に変えつつある。NMR からの構造推定、質量分析による未知化合物・ペプチドの同定、 クロマトの保持時間予測、複数手法をまたぐ「基盤モデル」までを手法別に整理し、あわせて 過学習・データリーケージ・再現性といった落とし穴と、分析者が果たすべき役割を解説する。