Quando esce la molecola dalla colonna?

Prevedere i tempi di ritenzione nella cromatografia liquida Quando esce la molecola dalla colonna?

2026-10-06 Fonte: comunicato stampa Università di Jena | Tradotto dall'IA 3 min Tempo di lettura

Related Vendor

I ricercatori dell'Università di Jena hanno sviluppato un metodo basato sull'intelligenza artificiale che consente di prevedere con maggiore precisione i tempi di ritenzione. Ciò permette di pianificare meglio le analisi, anche per nuovi sistemi e sostanze sconosciute. Lo strumento è disponibile online per il download.

Prevedere meglio i tempi di ritenzione: un nuovo modello di intelligenza artificiale dovrebbe aiutare in questo senso. Il link al programma del gruppo di ricerca di Jena si trova alla fine di questo articolo. (Immagine di repertorio)(Immagine: khaw – stock.adobe.com) — Prevedere meglio i tempi di ritenzione: un nuovo modello di intelligenza artificiale dovrebbe aiutare in questo senso. Il link al programma del gruppo di ricerca di Jena si trova alla fine di questo articolo. (Immagine di repertorio)
(Immagine: khaw – stock.adobe.com)

Che si tratti della ricerca di principi attivi, dell’analisi ambientale o della metabolomica: in tutte queste matrici biologiche complesse si tratta di individuare le molecole in esse contenute. I ricercatori dell’Università Friedrich Schiller di Jena, in collaborazione con i partner del Centro Helmholtz di Monaco e dell’Università Tecnica di Monaco, hanno ora sviluppato un metodo basato sull’intelligenza artificiale per la cromatografia liquida, in grado di prevedere in modo più affidabile i tempi di ritenzione delle molecole di piccole dimensioni.

Proprio nel caso di campioni biologici come sangue, materiale cellulare o colture batteriche, la complessità del campione rappresenta spesso un ostacolo per un’analisi accurata. Mentre oggi il DNA e le proteine possono essere analizzati in modo relativamente accurato con metodi consolidati, la varietà delle piccole molecole — i cosiddetti metaboliti — è particolarmente ampia. Tra questi figurano prodotti metabolici, sostanze naturali, tossine, prodotti di degradazione e molti principi attivi farmaceutici.

«La difficoltà sta nel fatto che i tempi di ritenzione dipendono fortemente dalle condizioni sperimentali: dalla colonna utilizzata, dal solvente, dal gradiente, dal valore del pH, dalla temperatura e persino da modifiche tecniche apparentemente minime», afferma il bioinformatico Prof. Dr. Sebastian Böcker, che ha diretto lo studio. «Se, ad esempio, si sostituisce un tubo all’interno dell’apparecchio o se un nuovo tubo è leggermente più lungo di quello vecchio, i tempi misurati possono subire variazioni significative.»

Previsioni precise anche per i nuovi sistemi LC

I modelli precedenti dovevano spesso essere addestrati o ricalibrati utilizzando proprio i dati provenienti dal sistema di misurazione su cui avrebbero poi dovuto effettuare le previsioni. In pratica, ciò significa che i ricercatori dovevano prima misurare numerose sostanze standard prima di poter utilizzare il modello in modo efficace. Si tratta di un processo dispendioso, costoso e, per molte applicazioni, semplicemente impossibile da realizzare.

Il nuovo approccio del team di Böcker non si limita a un unico sistema, ma è in grado di fornire previsioni anche per sistemi nuovi e molecole sconosciute. Il metodo si concentra sul tipo di cromatografia liquida più comunemente utilizzato, la modalità «a fase inversa», e opera in due fasi:

In una prima fase, un modello di apprendimento automatico calcola per una molecola un “indice di ordine di ritenzione”. Questo indice non descrive direttamente un tempo, bensì la posizione di una molecola nella sequenza prevista dell’ordine di ritenzione.
In una seconda fase, questo indice viene applicato a tempi di ritenzione concreti utilizzando punti di riferimento meno noti.

Fleming Kretschmer ha avuto un ruolo determinante nello sviluppo di questo metodo, su cui ha lavorato nell’ambito del suo dottorato di ricerca ed è coautore principale dell’articolo. «Un risultato fondamentale del nostro lavoro è che il nostro metodo supera altri approcci che, a differenza del nostro, devono prima essere addestrati in modo dispendioso sul sistema di destinazione», sottolinea Kretschmer. «Il nostro approccio consente quindi previsioni precise fin da subito, anche per i nuovi sistemi.»

Strumento per la previsione del tempo di ritenzione disponibile online

Questo approccio può essere d’aiuto ovunque sia necessario identificare piccole molecole sconosciute. Nella ricerca sui prodotti naturali, ad esempio, i ricercatori cercano sostanze provenienti da batteri, funghi o piante che possano essere utilizzate come nuovi antibiotici, farmaci antitumorali o principi attivi contro altre malattie. Anche nell’analisi ambientale, nella chimica alimentare o nella ricerca farmaceutica si pone ripetutamente la stessa domanda: cosa contiene un campione complesso — e il tempo di ritenzione misurato corrisponde alla struttura chimica ipotizzata?

Il nuovo strumento, denominato “2-step “ è disponibile come applicazione web e come pacchetto software. Secondo i ricercatori, in futuro questo metodo potrà essere integrato in numerosi programmi di analisi e quindi utilizzato automaticamente dai laboratori che si avvalgono della cromatografia liquida e della spettrometria di massa.

Originalepubblicazione: Fleming Kretschmer, Eva-Maria Harrieder, Michael Witting e Sebastian Böcker: I tempi cambiano, ma l’ordine conta: previsione trasferibile dei tempi di ritenzione nella cromatografia liquida di piccole molecole. Nature Methods 2026; DOI: 10.1038/s41592-026-03243-2,

Iscriviti subito alla newsletter

Non perdere i nostri migliori contenuti

Business E-mail

Inserisci un indirizzo e-mail valido.

Facendo clic su „Iscriviti alla newsletter“, acconsento al trattamento e all'utilizzo dei miei dati secondo il modulo di consenso (espandi per i dettagli) e accetto le condizioni d'uso. Per maggiori informazioni, consulta la nostra politica sulla privacy. La dichiarazione di consenso riguarda, tra l'altro, l'invio di newsletter redazionali via e-mail e il confronto dei dati per finalita di marketing con partner pubblicitari selezionati (ad es. LinkedIn, Google, Meta).

Per noi è doveroso trattare i Suoi dati personali in modo responsabile. Nella misura in cui raccogliamo dati personali che La riguardano, li trattiamo nel rispetto della normativa vigente in materia di protezione dei dati personali. Informazioni dettagliate sono disponibili nella nostra Informativa sulla protezione dei dati.

Consenso all’utilizzo di dati per finalità di marketing

Acconsento che la Vogel Communications Group GmbH & Co. KG, Max-Planckstr. 7-9, 97082 Würzburg, incluse le imprese collegate ai sensi dei §§ 15 e segg. AktG, Legge tedesca sulle S.p.A. (di seguito: Vogel Communications Group,) utilizzi il mio indirizzo e-mail per l’invio di newsletter redazionali. Un elenco delle imprese facenti parte del gruppo è disponibile Qui.

I contenuti delle newsletter riguardano i prodotti e i servizi di tutte le suddette imprese, quali, ad esempio, riviste e libri specialistici, eventi e fiere nonché i relativi prodotti e servizi, offerte e servizi nel settore dei media, in formato cartaceo e digitale, come ulteriori newsletter (editoriali), concorsi a premi, campagne di lead, attività di ricerca di mercato online e offline, portali web specialistici e offerte di e-learning. Nel caso cui sia stato acquisito anche il mio numero di telefono personale, questo potrà essere utilizzato per presentarmi offerte relative ai suddetti prodotti e servizi delle imprese sopra menzionate nonché per svolgere ricerche di mercato.

Il mio consenso include altresì il trattamento del mio indirizzo e-mail e il mio numero di telefono ai fini del confronto dei dati per finalità di marketing con partner pubblicitari selezionati, come, ad esempio, LinkedIn, Google e Meta. A tal fine, Vogel Communications Group può trasmettere i suddetti dati, dopo averli sottoposti a hashing, ai partner pubblicitari che li utilizzano per verificare se sono registrato anche sulle loro piattaforme. Vogel Communications Group utilizza questa funzione per finalità di retargeting (upselling, cross-selling e fidelizzazione dei clienti), per la creazione delle cosiddette “Lookalike Audiences” ai fini dell’acquisizione di nuovi clienti e come criterio di esclusione per le campagne pubblicitarie in corso. Per maggiori informazioni consultare “Confronto dati per finalità di marketing“ nell’Informativa sulla protezione dei dati.

Nel caso in cui accedo in Internet a contenuti protetti, nei portali del Gruppo, compresi quelli delle imprese collegate ai sensi dei §§ 15 AktG, devo registrarmi fornendo ulteriori dati per poter accedere a tali contenuti. In cambio dell’accesso gratuito a tali contenuti editoriali, i miei dati possono essere utilizzati ai sensi del presente consenso per le finalità qui indicate. Ciò non si applica per il confronto dati per finalità di marketing.

Diritto di revoca

Sono consapevole di poter revocare il presente consenso in qualsiasi momento con effetto futuro. La revoca del mio consenso non pregiudica la liceità del trattamento dei

dati prima della revoca stessa. Per comunicare la revoca posso, tra l’altro, utilizzare il modulo di contatto disponibile all’indirizzo https://contact.vogel.de/it. Qualora non desideri più ricevere una singola newsletter cui mi sono abbonato, per annullare l’iscrizione posso anche cliccare sul link in calce alla stessa. Ulteriori informazioni sul mio diritto di revoca, sulle modalità per esercitarlo e sulle relative conseguenze sono disponibili nella Informativa sulla protezione dei dati, sezione Newsletter redazionali.