Az előadás elsődleges célja annak kifejtése, mit kellene vegyészeknek, vegyészmérnököknek, természettudománnyal foglalkozóknak alapfokon kemometriából tanítani? A kemometriát, felsőfokon, a rászorulóknak meg kell tanulniok, ilyen vagy olyan módon, de most megkíséreljük a minimum meghatározását. Szó esik arról is, milyen előismeretekre kellene a kemometria oktatása során támaszkodni, nem szerencsés ugyanis, ha a kemometria oktatása során tanítjuk meg azokat a matematikai, számítástechnikai ismereteket, amelyeket korábban hatékonyabban lehetett volna elsajátí-tani. Nem szerencsés az sem, ha a kemometriát "részletekben" tanítjuk, más tárgyak keretében, olyan mértékben, amilyenben arra ott éppen szükség van. Mindkét oktatási változat felületes tudást ad.

Az előadás másodlagos célja annak elemzése, milyen intézkedésekre volna szükség a kemometria oktatása érdekében.

A feszes tárgyalás kedvéért kényszerűen szó esik a kemometria tartalmáról, kereteiről, magyarán egy elfogadható definíciójáról, majd arról, hogyan függenek össze egymással a kemo-metria diszciplinái. Erre a hatékony tanulás miatt van szükség. Úgy gondoljuk ugyanis, hogy a kemometriának a felhasználási területekhez igazodó, esetenkénti tárgyalása, bár látszólag látványos, az ismétlések és a szertefutó nomenklatura miatt sem nem hatékony, sem nem alapos.

A "hagyományos" kemometriai ágak mellett szót kell ejteni és rokon diszciplinák és az "egyéb" módszerek oktatási jelentőségéről, mint amilyenek az információ elmélet, a mesterséges intelligencia, a mesterséges ideghálózatok, a genetikus algoritmusok stb.

Az előadás második céljának megfelelően olyan kérdéseket is érintünk, mint: mennyi idő kellene az oktatáshoz, mikor kellene azt oktatni, hanyadik évben, milyen feltételeket kellene biztosítani az egyetemeken, főiskolákon?

Érvelünk amellett, hogy egyetemeken szükség van arra, hogy a kemometriai oktatás tanszékhez rendeltessék, hogy a matematikusokat megnyerjük a kemometriai oktatás igényeinek figyelembevételére, hogy megkapjuk a szükséges órarendi engedményeket. Ettől függetlenül szükség van alapfokú jegyzetre vagy könyvre a sokváltozós kemometria területéről, alapfokú (sokváltozós) kemometriai példatárra, PC-n, vagy hálózaton át hozzáférhető kemometriai software-re, és az alapvető kemometriai ismeretek WWW hozzáférhetőségére, beleértve a példatárakat.

Az előadás végén megkíséreljük számbavenenni szándékaink megvalósításának esélyeit.

Mint ismeretes a molekulák szerkezeti képletei lényegében színezett gráfok, az atomoknak a gráf pontjai, a kémiai kötéseknek a gráf élei felelnek meg. A gráfok (szerkezeti képletek) azonosítására az abszolut szelektív gráfinvariánsok (a gráf szerkezetétől függő, de a pontok beszámozásától független számok) lennének a legalkalmasabbak, de abszulut szelektív gráfinvariánst mind a mai napig nem sikerült találni. A valóságban a gráfinvariánsokat szerkezeti izomerek sorában számítják ki, annak eldöntésére, mennyire szelektív az adott invariáns. Ekkor azonban az izomerek képleteinek kimerítő és nem-redundáns generálása a probléma. Ez utóbbi probléma a gráf pontjainak (az az a molekula atomjainak) legcélszerűbb beszámozására vezethető vissza. Bármely gráf egyértelműen leírható az A szomszédsági mátrix segítségével, a mátrix i, j-edik eleme A(i,j) = 1, ha i és j pontokat él köti össze, és A(i,j) = 0, minden más esetben. A tehát szimmetrikus mátrix. A jobb felső része aciklusos gráfok esetében (N - 1) nem zérus elemet fog tartalmazni, ahol N a pontok számát jelöli, de ugyanazt az aciklusos gráfot (amelynek neve a továbbiakban fa) N^N-2 képen lehet beszámozni. Bizonyítható, hogy amennyiben u.n. "fizikai" fát állítunk elő, (ekkor minden sorszám olyan ponthoz kerül, amely szomszédos egy már beszámozott ponttal) az alternatívák száma (N - 1)! A fizikai fák az u.n. CAM kóddal írhatók le, amely lényegében egy sorvektor, ennek i-edik eleme az A mátrix (i+1) oszlopában az el nem tűnő elem sorszámát adja meg. A variációk további csökkenése érhető el, ha a beszámozására az u.n. Morgan algoritmust alkalmazzuk. Ekkor a beszámozásnál arra is ügyelni kell, hogy a soronkövetkező sorszám a legalacsonyabb sorszámú ponttal szomszédos még nem beszámozott pont legyen. Az így jelölt fát "Morgan-fának" nevezzük. Bebizonyítottam, hogy maximális - az az maximális CAM kódjelű, ha a kód számjegyeit összevonjuk - Morgan-fa akkor állítható elő, ha az u.n LDF (lowest degrees first) szabályt követjük a pontok beszámozása során. Ekkor a Morgan szabályokon kívül arra is ügyelni kell, hogy az alacsonyabb rendű (vegyértékű) pontokat kell előbb beszámozni. A fenti eljárással képzett kódok egy primitív nyelv mondatai. E nyelv "nyelvta-nának" - szintaktikus szabályainak - megválasztásával elérhető, hogy a még redundáns szerkezetek, pusztán e szintaktikai szabályokra való hivatkozás alapján felismerhetők és kiküszöbölhetők. A fenti eljárás biztosítja szerkezeti izomerek nem-redundáns és egyben teljes előállítását.

Korróziós inhibitoroknak nevezzük azokat a vegyületeket amelyek fémek vizes oldatokban végbemenő korróziójának sebességét mérséklik. A ma alkalmazott korróziós inhibitorok 1-10 mg/l koncentrációban már hatásosak. Vizsgálatainkat semleges, vagy savas oldatokban ható molekulák sorában végeztük. Az inhibíció hatékonyságát (E) az alábbi képlettel adtuk meg:

Acetilén-származékok (alkoholok, aminok) inhibíciós hatékonyságát 1 M HCl-oldatban tervezett időtartamú mérésekkel határoztuk meg. Méréseinkhez A38 minőségi jelzésű hidegen hengerelt acélból készült próbatesteket használtunk. A mintaelőkészítés standardizált műveletsorozattal történt. A tervezett időtartamú méréseket a NACE Standard TM-01-69 szabványnak megfelelően végeztük. A teljes kitéti idő 3 nap volt 30 °C-on, nitrogénnel oxigénmentesített oldatban. A mérési eredmények alapján meghatározható a korróziósebesség valamint ennek változásából az oldat korrozivitásának és a fém korrodálhatóságának időbeni változása.
 

Az alkalmazott inhibítorok néhány fizikai-kémiai jellemzőjét PM3 szemiempírikus kvantumkémiai módszerrel számítottuk a SPARTAN 4.1 programrendszer felhasználásával. A legstabilabb geometria fizikai-kémiai jellemzői - E_HOMO  (Lowest Unoccupied Molecular Orbital), dipólusmomentum, nettó atomi töltések és kötésrendek - és a korróziósebességek között lineáris regressziószámítással kerestünk kapcsolatot. A kapott korrelációs együtthatók nem voltak kielégítőek, ezért a legjobb korrelációt szolgáltató fizikai-kémiai jellemzőkkel multilineáris regressziószámításokat végeztünk. Az adatok vizsgálatát főkomponens analizissel (PCA) egészítettük ki.
 

A p <= 0.01 szignifikanciaszinten korrelációt találtunk a korróziósebességek logaritmusa és a hármaskötés kötésrendje, az E_LUMO, a dipólusmomentum értéke, az inhibítorok funkcióscsoportját hordozó és a hármaskötés szénatom töltése között. A különböző kitéti időkhöz tartozó korróziósebességekből levonható következtetések (az oldat korrozivitásának és a fém korrodálhatóságának változása) és a számított korrelációs együtthatók változásának tendenciája arra utal, hogy a korróziós folyamat során az inhibítorok olyan átalakuláson mennek keresztül az oldatban, amelynek révén többnyire nagyobb inhibíciós hatékonyságú termékek képződnek.

Fenol-származékok intenzív folyadék-kromatográfiás elválasztásánál a kromatogramok kiértékelését gyakran zavarják átlapoló csúcsok. A kromatográfiás körülmények változtatásával az egyes felbontási értékek általában javíthatóak, sok esetben azonban más felbontási értékek romlani fognak. Kísérlettervezés [1, 2], szimplex optimálás [3] és csúcsalakelemzés [4-6] segítségével az optimális paraméterkombináció gyorsan meghatározható.

Kísérleteinket fenol-származékok különböző összetételű keverékeivel végeztük az alábbi kisérleti körülmények mellett:

Állófázis: LiChrosorb RP-18

Oszlop: 250 x 3.0 mm

Hőmérséklet: 25 °C

Detektor: UV 280 nm

Koncentráció: 2.5 x 10-2 mól/l

Az optimális paraméterkombináció meghatározásához a kromatogramon előforduló két legkisebb felbontásértéket választjuk ki és képezzük a hányadosukat oly módon, hogy mindig a kisebb felbontást osztjuk a nagyobb értékkel

A kisérlettervezés során a paraméterek értékét úgy változtatjuk, hogy a két legkisebb felbontás hányadosa minél jobban megközelítse az 1,0 értéket (Ra /Rb, ahol Ra < Rb). Az első négy kisérlet során kapott adatokból meghatározzuk az eredményfelület legmeredekebb emelkedésének irányát és a gradienskisérletek során a paramétereket ebben az irányban változtatjuk az optimum eléréséig.

Szimplex optimálás esetén a kiindulási szimplex legrosszabb eredményét tükrözzük a szemközti oldal középpontján és a tükrözött pontban leolvasható paraméterekkel végezzük a következő kisérletet, majd meghatározzuk az új szimplex legrosszabb eredményét és így haladunk az optimális paraméterkombi-náció felé. Általában célszerű több szimplex fejlesztését elindítani, mert az opti-málás folyamata gyakran lokális optimumba fut be, vagy a szimplex két pontja az eredményfelület gerincére lép fel, ami megakadályozza az optimális érték elérését.

A kromatográfiás csúcsok jellemzésére jól használhatók a statisztikai momentumok is, melyek információt nyújtanak a csúcs alakjára, szélességére, csúcsosságára és aszimmetriájára. Ezek a faktorok felhasználhatók a csúcsok matematikai leírására szolgáló egyenletek paramétereiként is.

1 Box,G.E.P. - Wilson,K.B.: J. Roy. Statist. Soc., B, 13 (1), 1-45 (1951).

2 Box,G.E.P.: Analyst, 77, 879-891 (1952).

3 Nelder,J.A. - Mead,R.: Computer J., 7, 308-313 (1965).

4 Grushka,E., Anal. Chem., 44, 1733 (1972)

5 Foley,J.P., Dorsey,J.G., Anal. Chem., 55, 730 (1983)

6 Yau,W.W., Anal. Chem., 49, 395 (1977)

Az analitikai kémiában a kémiai információszerzés lehetőségei az alábbiakban foglalhatók össze: milyen elemeket, vegyületeket, molekulákat, stb. tartalmaz a minta: minőségi analízis, mennyi az alkotók relativ koncentrációja, mekkora a várható koncentráció tartomány: mennyiségi analízis, milyen az alkotók térbeli elhelyezkedése: a felületen és a minta teljes tömegében lévő alkotók aránya, hogyan változik a minta összetétele az időben: megfigyelési (monitoring) rendszerek kialakítása, milyen a mintát alkotó elemek fizikai és/vagy kémiai formája: módosulat, molekulafajta meghatározása (speciation).

A vizsgáló laboratóriumokban a leggyakrabban az alkotók minőségi azonosítását és mennyiségi meghatározását végzik el. Ha a vizsgálatok során az érvényben lévő szabvány alkalmazható az alkotó meghatározására, akkor az analitikus azt használja, ha nincs megfelelő előírás, akkor módszert kell fejleszteni. Az analitikai mérésnek megbizhatónak kell lenni és számos követelményt kell kielégíteni. A kifejlesztett analitikai módszert validálni kell.

A EURACHEM által készített Method Validation Guide [1] hat pontban foglalta össze azokat az analitikai tulajdonságokat, amelyeket figyelembe kell venni a megbizó teljeskörű kiszolgálásáért:

1. Az analitikai méréseknek meg kell felelni az előzetes követelményeknek.

2. A mérések során olyan módszereket és műszert kell használni, amelyekről előzetesen meggyőződtünk, hogy a céloknak megfelelnek.

3. Az analitikusnak megfelelő képesítéssel és tudással kell rendelkezni a feladat elvégzéséhez.

4. A labor tevékenységét időközönként független szervezetnek meg kell vizsgálni.

5. Az egyik laboratóriumban végzett mérésnek összevethetőnek kell lennie a másikban végzett elemzésekkel.

6. Az analízist végző szervezetnek jól definiált QA (Quality Assurance, minőségbiztosítás) és QC (Quality Control, minőségellenőrzés) eljárásokkal kell rendelkeznie.

A feltételeknek csak jól felkészült analitikus és laboratórium tud megfelelni. A "profi" analitikus tudja, hogy ha nem megbizható az analízis, nincs értéke, felesleges a mérést elvégezni. A megbízás bizalom, az analízisnek meg kell felelni a célnak. Annak a célnak, amelyért az analízist elvégezték. Az analitikai mérések eredményeinek megadásánál figyelembe kell venni a mérési bizonytalanságot. A mérési eredményeken alapuló döntések hatékonysága jelentős mértékben függ a mérési bizonytalanságtól.

Az analitikai módszer validálása olyan tevékenységek összesége, amelyek a mükődési paraméterek becslésére irányulnak és annak megerősítése, hogy a kidolgozott analitikai módszer alkalmas egy egyedi feladat megoldására. A módszer fejlesztés-validálás fontossága jelentős, hiszen csak Magyarországon több millió mérést végeznek évente elsősorban a klinikai vizsgálatok, a termékek minőségellenőrzése, a környezeti minták analízise, kriminológia, stb. területén. A mérések költsége nagy, a döntések kockázata a megbizható analitikai mérésekkel csökkenthető.

1. EURACHEM Draft 2.0-5/97, The fittness for purpose of analytical methods, May, 1997.

Stephan D Brown indítja így rendezetlen gondolatait a kemometriáról [1], melynek ismertetésére vállakoztam. A cikkből kiderül milyen problémákat lát a szerző a kemometriával kapcsolatban. Az elemzés történelmi ismertetővel kezdődik, hogyan alakult ki a kemometria, milyen nézetek vannak erre vonatkozóan.

A kemometria definíciója sokféle lehet, kis túlzással azt mondhatjuk, ahány kemometrikus annyi definíció. A szük meghatározás statisztikai módszerek analitikai kémia területén történő alkalmazását tekinti kemometriának. Van aki a többváltozós módszerek alkalmazásához kapcsolja a fogalmat és vannak akik minden új tudományos ismeretet beleértenek ami a kémia és a számítógépek összekapcsolásával állhat elő. Talán a legelterjedtebb definíció a kísérlettervezést, az irányított információszerzést is magában foglalja. Egyértelműen beletartozik az optimalizálás, jelfeldolgozás, keverék felbontás (resolution of mixtures, unmixing), többváltozós kalibrálás, paraméterbecslés, szerkezet-hatás összefüggések keresése, mintázatfelismerés, mesterséges intelligencia módszerei (szakértői rendszerek) és még a könyvtári keresés is.

A vitaindítóból kiderül hogyan lehet a nehézségeket legyőzni, hogyan kell (kellene) a kemometriát oktatni. Megvitatjuk az un. százas szabály meglétét is. Választ kesresünk a kérdésre: alkalmazók vagy fejlesztők-e a kemométerek? Ezenkívül a hazai tapasztalatokat "kerekasztal-beszélgetés" jelleggel fogjuk megbeszélni.

Az utolsó két évben megjelent cikkekből leszűrhető tendenciákat az Analytical Chemistry összefoglaló cikke alapján ismertetem [2].

[1] Steven D. Brown, Has the "Chemometrics revolution" Ended? Some Views on the Past, Present and Future of Chemometrics http://www.emsl.pnl.gov:2080/docs/incinc/chem_PHD.html

[2] B. K. Lavine, Chemometrics, Analytical Chemistry, 70, 209R-228R (1998).

A kémiai érzékelők (vagy akár teljes mérőrendszerek) szelektivitásának leírása nehezen általánosítható, ha a válaszfelületek (mért jel az összes számbajövő komponens koncentrációja függvényében) különböző tipusú függvények. A szelektivitási adatokat azonban rendszerint csak kisebb mérési hibák becslésére, korrigálására használják. Ezért érdemes a válaszfelületet a mérni kívánt komponens válaszgörbéje közelében lineárisan közelíteni. Így egy teljesen általános jellemzési módot kapunk.

A potenciometriás érzékelők alkalmazásánál vannak olyan fontos esetek is, amikor az előbbinél ponosabb leírásra van szükség. A válaszfelület évtizedek óta használt empirikus egyenlete azonban helytelennek bizonyult. Az új, pontosabb válaszfüggvény első levezetése bonyolult volt és új, nehezen értelmezhető fogalmak bevezetésével járt. Sikerült megmutatni, hogy a zavart az a fel nem ismert (de egyébként triviális) jelenség okozta, hogy bár a modell paraméterek száma nagyobb volt az egyenletek számánál, az egyenletrendszer mégis megoldható volt.