大分子的分子量、立構規整度、組成、官能團以及分支度，都是非均勻的，。在稀溶液中，單個分子團的大小受上述因素的影響，因此使其表征變得復雜。在過去的20多年里，人們已經嘗試多種基于聚合物組成和分子量的分離技術，其中包括使用多檢測器模式、數學去卷積和流動相組成對時間改變的梯度等方法
[1]。盡管梯度的方法可用于分離一些商品化的聚合物，但重復性較差
[2]。因此將基于組成或者分子量大小的分離機理區分開的挑戰依然存在。目前基于組成的分離卻同時對分子量很敏感的方法已確認。反之還未發現，因為分子大小受所有上述因素的影響。
在20世紀70年代中葉，Belenkii及其同事[3]將體積排阻和液相吸附的分離以薄層色譜的形式結合起來，通過改變流動相組成可使保留體積與摩爾質量無關。此工作及其他凝膠滲透色譜(GPC)的基礎工作[4]導致處于洗脫閾值點的液相色譜(LC PEAT)出現在該閾值內，熵焓相互作用在分子量三個數量級的范圍內平衡[5]。LC PEAT一類方法可表征聚合物中混合物的單個組分，通過立構規整度來分離均一聚合物[6?9]。術語“色譜無法檢測”被錯誤地用來描述分子與固定相和流動相相互作用上階惰性，盡管對于常規使用的檢測器不是覺察不到的。
本文討論了在吸附的極限條件下用液相色譜(LC LCA)分離復雜聚合物。根據聚苯乙烯和異丁酸甲酯的共聚物化學組成的差別，LC LCA已被用于分離該聚合五[10，11]。相對于在純溶劑中的共聚物，在LC LCA條件下共聚物保留體積的變化可用于測量共聚物的組成[11]。LC LCA同其他方法相比具有一定優勢，如在溶解度的極限條件下的LC(LC LCS)，減小了峰展寬效應以及更多LC LCA可用于分離油溶性和水溶性的大分子[12]。LC LCA的條件穩定，可應用于均一聚合物立構正規度、低聚物末端基團、雙親性聚合物的確定[13]，有關同時測定共聚物分子量和化學組成分布的進展將重點提及。
在LC LCA中，沖洗劑使聚合物稍有吸附[14]，如果樣品溶解并進樣到流動相中，則大分子吸附在填料上，從而保留在色譜柱上。因此樣品進樣到一種可有效抑制吸附的溶劑中。通過改變沖洗劑、固定相、溫度、溶解樣品的溶劑和進樣體積，可使不同分子量的大分子同初始溶劑共同洗脫，如圖1所示[13]。
在LC LCA模式下，分離過程為排阻、吸附和脫附共同作用的微梯度過程。由于部分排阻，聚合物從進樣區帶開始分離，由于表面相互作用而被吸附并保留在固定相的表面。當DESORLI區帶趕上溶質時開始脫附，總的效果為聚合物在溶劑峰之前被洗脫出來。圖2顯示LC LCA出現在大分子溶于洗脫劑的區域中，同極限溶解度相比，此處工作曲線在濁點曲線的上面，LCA的微梯度類似于連續蒸餾，因此為獲得高分離效率而使用的短柱應不會引起峰展寬。LC LCA的機理已被廣泛的研究[15]，其他的微梯度方法包括溫度相互作用色譜，它可基線分離混合物，如星型和線性聚合物(圖3)[16]。
1 實驗
1．1 流動相和固定相
色譜級四氫映喃和正已烷。CGX 500硅膠柱，粒度為10μm，孔徑為500?。
1．2 泥相色譜儀
一臺L-7100等度泵連有一臺L-7400UV檢測器均為日立公司生產，檢測波長為260nm，7100型進樣閥，定量管為20μL，在進樣閥和泵之間的連接管的長度為120mm，體積為12μL。數據采集通過D-7000 HPLC系統接口和軟件，流速為1．0mL／min，樣品質量濃度為0．5g／L，用L-7300柱爐把溫度控制在25℃。
1．3 吸附的極限條件
LC-LCA對溫度的依賴性不強，并且同其他鍋合技術如臨界點吸附液相色譜相比對流動相組成和壓力不敏感[3]，因此LC LCA不隨流速、進樣體積和濃度而變化，但其依賴焓相互作用，這已被對沖洗劑固定相所表征[15]。對于聚苯乙烯在極限條件下四氫呋喃與正已烷的體積比為50：50，而該比值對于PMMA在裸露的硅膠柱上為74：26[11]。
1．4 操作技巧
LC LCA要求色譜柱能與溶質相互作用，從而可使吸附和排阻保持平衡?？刂莆阶鳛橛行У姆椒ㄊ鞘褂每纱龠M吸附和促進脫附的溶劑混合液作為流動相。通常流動相的配制為體積比，因此要求操作在溫控的條件下進行。對于常規分析，如無柱控溫裝置，采用質量比可提高重復性。
通常使用紫外檢測器，盡管基體輔助激光解吸電離飛行時間質譜、13C NMR和蒸發光散射等檢測器已被用于實驗中[17]，但后者對流動相的組成非常敏感，使它們很難用于強梯度系統中，雖然它有可能用在微梯度中，包括LC LCA。在一些研究中，質譜檢測器對多分散性預測不夠。
2 結果與討論
圖4為PMMA的積累的化學組成分布，曲線采用Sauzedde峰距法在LC LCA下獲得的色譜圖同體積排阻色譜法獲得的色譜圖相比經轉換而成[13]。在吸附的臨界條件下，聚合物在10?40m01％的苯乙烯組成范圍內均可得到分離。有趣的是，通過采用接近極限條件(70：30四氫呋喃對正己烷的體積比)，校準曲線可遷移至更高的組成區(20?60m01％)，為商品化的聚苯乙烯?異丁酸甲酯提供了有價值的范圍，這具有重要的實際意義。為了表征共聚物，并不要求精確的極限條件，可節約方法建立的時間。
圖5為通過離線LC LCA和SEC聯用得到的化學組成和分子量分布曲線。顯然，基于組成的第一維分離后可進行基于分子大小的正交接分離實驗。據作者所知，圖5是第一個可計算真正的雙變量的聚合物分布的等度色譜法的實例。采用13C NMR和光散射進行了驗證叫，在線LC LCA和SEC聯用有望在明年得到連續的雙變量分市圖。
2．1 優點
lC LCA可提供摩爾質量差別超過兩個數量級的組成信息，LC LCA的上限超過1000，000D，這遠超過其他聯用技術，其它技術一般在100，000D以內[18]，或者回收率很低[19]。除此之外，LCLCA不受樣品回收率或峰分裂的影響，而這對諸如臨界吸附點[20]和在溶解度極限條件下的液相色譜的影響是非常致命的[21]。
2．2 缺點和展望
LC LCA是一種微梯度方法，其操作條件的確定要比強的梯度方法耗時長[1]，但微梯度技術重復性高，并可分離雙親性分子，而大部分商品化的樣品均為雙親性分子。在未來的5年內2-DLC將側重于基于化學性質采用梯度方法初步分餾然后通過SEC柱進行分離，后者采用蒸發光散射檢測器是很有利的。