Nous avons publié, il y a quelques semaines, une présentation générale de Fusion AE™ LC Method Development. Nous allons maintenant vous présenter certaines grandes fonctionnalités du logiciel.

Celle qui nous parait la plus emblématique est la recherche de solution optimale. Cet outil permet d’obtenir un optimum analytique prenant en compte : les facteurs influents, leurs domaines de variation, les réponses étudiées et l’importance attribuée à chaque réponse. Le résultat apparaît sous la forme de 2 tableaux: un regroupant les réglages de chaque variable (temps de gradient, % de solvant organique, type de colonne, type de solvant, pH, …) à l’optimum et un deuxième  fournissant les prédictions des réponses (résolution, nombre de pics, …).

Cette fonctionnalité est une parfaite illustration de la puissance de modélisation des plans d’expériences dont nous avons pu vérifier expérimentalement la qualité des prédictions fournies (cf notre article du 25.06.2012 ). Les aficionados des statistiques seront comblés car toute une batterie de rapports d’analyse des données permet d’évaluer le degré de confiance à apporter aux prédictions (rapports d’erreur, de régression, de résidus et la liste est loin d’être exhaustive).
Pour calculer sa réponse optimale, Fusion AE™ utilise la fonction désirabilité. Cela revient à transformer chaque réponse en autant de fonctions normalisées (di) de 0 à 1 (0 traduisant une réponse inacceptable, 1 une entière satisfaction). La compilation de toutes ces fonctions di en une seule, D, permet de trouver la solution optimale.

Cette technique de calcul permet de réaliser une optimisation de plusieurs réponses simultanément et d’obtenir un optimum qui répond à tous les objectifs sur les réponses choisies. Elle permet également de hiérarchiser ces réponses et/ou d’en exclure certaines du calcul de l’optimum.

Continuons notre tour du propriétaire avec l’interface graphique développée par S-Matrix. Conséquence directe de la multiplication des variables, l’espace expérimental devient multidimensionnel (très couramment 4,5,6 voire 7). On comprend donc vite la nécessité d’un outil graphique permettant d’appréhender au mieux cet espace.
Pour cela, S-Matrix propose une interface qui représente sur un plan deux variables en fixant la valeurs des autres (une permutation circulaire permet de visualiser ainsi l »ensemble des variables étudiées: colonnes, solvants, pH, T°…).

L’intérêt réside dans la gestion des réponses représentées. En effet, on peut leur attribuer des objectifs chiffrés (maximiser, minimiser, cibler) puis il suffit sélectionner les réponses à étudier pour voir apparaître des couches de couleurs semi-transparentes qui matérialisent les zones dans lesquelles les objectifs des réponses ne sont pas atteints (un nombre de pics ou une résolution par exemple). Cette méthode permet à l’utilisateur d’appréhender facilement et rapidement les zones d’intérêts dans son espace expérimental.
Lorsque l’utilisateur a fait émerger un espace optimal d’étude (i.e. espace dans lequel tous les objectifs sont atteints = zone blanche), il peut placer des points où il veut sur le graphe. Ces points correspondent à des conditions expérimentales particulières sur lesquelles l’utilisateur veut obtenir des prédictions, ceci illustre la capacité de prédiction… Fusion a modélisé tout l’espace et fournit une prédiction pour tous les points.
Ainsi, Fusion AE™ ne propose pas seulement un optimum analytique. Il permet à l’utilisateur d’avoir une vision globale de son domaine expérimental et d’observer (qualitativement et quantitativement) l’évolution des réponses étudiées.

Notre dernière partie concerne le simulateur de robustesse développé par S-matrix (Robustness Simulator™ – U.S. Patent No. 7,606,685 B2). Nous avons déjà écrit à ce sujet et avons souligné l’importance croissante de la notion de robustesse du fait de l’augmentation des transferts de méthodes inter-laboratoires.
Cette simulation repose sur le principe de la simulation de Monte Carlo. De manière générale, cela désigne toute simulation visant à calculer une valeur numérique en utilisant des procédés aléatoires. La réponse fournie sera une réponse statistique du type intervalle de confiance, et la précision se mesure avec la taille de cet intervalle.
L’utilisateur peut paramétrer la précision des variables qu’il doit traiter ainsi que la tolérance acceptée sur chaque réponse. Après calculs (100 000 valeurs par réponse !!), la robustesse est exprimée sous la forme de coefficients de capabilités.

Cependant, le véritable tour de force de Fusion AE™ est de traiter ces coefficients de capabilités comme des réponses classiques… On peut ainsi les incorporer au calcul de solution optimale ou à la recherche graphique d’un espace optimal. On constate à l’utilisation que cette intégration de la robustesse est véritablement très bien faite et permet de générer un optimum analytique, un optimum de robustesse pure et un optimum combinant les performances analytiques et la robustesse.

Nous venons de présenter trois grandes fonctionnalités qui permettent à Fusion de rapidement devenir très addictif au laboratoire. Ces capacités de prédictions hors normes et sa proposition de solution optimale en font un véritable atout lors du développement de méthodes. Cerise sur la colonne, son module de robustesse, très avancé (le plus peut-être) permet d’intégrer ses données dès le développement et de justifier numériquement d’une robustesse.
On peut tout de même regretter l’absence d’interfaces pour la SFC et la GC ainsi qu’un manuel d’utilisateur relativement mal écrit et peu efficace sur les problématiques les plus complexes.

Pour toutes ces raisons, Fusion AE™ peut être considéré comme un des meilleurs logiciels de développement de méthodes en chromatographie liquide.