複雑なクロマトグラフィーサンプルのベースラインドリフトを推定するための確率的ピーク検出を活用する

クロマトグラフィーデータの正確な分析には、多くの場合、ベースラインドリフトの除去が必要です。頻繁に使用される戦略は、回帰によってベースラインモデルに適合するために、非対称の重みを決定するよう努めています。残念ながら、非常に高いピーク飽和度を特徴とするクロマトグラムは、そのようなアルゴリズムに大きな課題をもたらします。さらに、低信号対雑音比（つまり、S/N <40）は、非対称的な加重回帰による正確なベースライン補正にも悪影響を及ぼします。確率的ピーク検出アルゴリズムを活用するベースライン推定方法を提示します。ピークの影響を受ける後部の確率は、クロマトグラムの各ポイントに対して計算され、ベースライン推定の非適格計算を可能にする一連の重みになります。非常に飽和クロマトグラムの場合、ピーク加重（PW）メソッドは、調査した他の方法と比較して顕著な改善を示しています。ただし、低ノイズと分解のピークを特徴とするクロマトグラムでは、非対称最小二乗（ALS）とより洗練された混合モデル（MM）アプローチは、非常に短い時間で優れた結果を達成します。さまざまなクロマトグラフィー条件にわたるこれら3つのベースライン補正方法のパフォーマンスを評価して、各方法が最も適切であるケースを実証します。

Accurate analysis of chromatographic data often requires the removal of baseline drift. A frequently employed strategy strives to determine asymmetric weights in order to fit a baseline model by regression. Unfortunately, chromatograms characterized by a very high peak saturation pose a significant challenge to such algorithms. In addition, a low signal-to-noise ratio (i.e. s/n<40) also adversely affects accurate baseline correction by asymmetrically weighted regression. We present a baseline estimation method that leverages a probabilistic peak detection algorithm. A posterior probability of being affected by a peak is computed for each point in the chromatogram, leading to a set of weights that allow non-iterative calculation of a baseline estimate. For extremely saturated chromatograms, the peak weighted (PW) method demonstrates notable improvement compared to the other methods examined. However, in chromatograms characterized by low-noise and well-resolved peaks, the asymmetric least squares (ALS) and the more sophisticated Mixture Model (MM) approaches achieve superior results in significantly less time. We evaluate the performance of these three baseline correction methods over a range of chromatographic conditions to demonstrate the cases in which each method is most appropriate.