크로마토그래피 머무름 시간 예측: 순서의 중요성
액체 크로마토그래피는 소분자 분리에 널리 사용되지만, 대상 시스템의 훈련 데이터 없이도 적용 가능한 머무름 시간 예측 모델 개발은 여전히 난제로 남아 있습니다. 이는 명목상 동일한 조건에서도 머무름 시간이 크게 변동할 수 있기 때문입니다. 머무름 순서는 비교적 잘 보존되지만, 크로마토그래피 조건이 달라지면 순서 또한 바뀔 수 있습니다. 본 연구에서는 역상 크로마토그래피의 머무름 시간을 예측하는 2단계(2-step) 방법을 제안합니다. 첫 번째 단계에서는 머신러닝 모델이 크로마토그래피 조건을 고려하여 머무름 순서 지표를 예측합니다. 두 번째 단계에서는 예측된 지표를 실제 머무름 시간으로 변환합니다. 이러한 두 가지 작업을 분리함으로써, 대상 시스템의 훈련 데이터 없이도 다양한 크로마토그래피 조건과 화합물 종류에 걸쳐 적용 가능한 머무름 시간 예측이 가능해졌습니다. 제안된 2단계 방법은 대상 데이터셋으로 훈련된 기존 방법들보다 우수한 성능을 보였습니다. 또한, 머무름 순서에 현저한 변화를 일으키는 크로마토그래피 조건을 체계적으로 분석했습니다. 이 연구는 소분자 분석 및 특성화 분야에서 크로마토그래피 데이터 해석의 효율성과 정확성을 크게 향상시킬 수 있는 새로운 접근법을 제시합니다.