用表面增强拉曼光谱对痕量混合物进行半定量分析的方法技术

本发明专利技术公开了属于光谱分析技术领域的一种用表面增强拉曼光谱对痕量混合物进行半定量分析的方法，具体说是基于表面增强拉曼散射效应测定痕量化学物质的拉曼光谱对痕量混合物进行半定量分析，并改进主成分分析这种定性鉴别方法，是采用杠杆定律和三角形内平行线读数法，实现混合物成分的半定量分析。这种方法既可以用于分析几种完全不同的化学物质的混合物，也可以用于分析同系物的混合物。此项发明专利技术基于PCA定性分析，实现了混合物成分的半定量分析，是一种简便、快捷且较为准确的混合物鉴定方法。

【技术实现步骤摘要】

本专利技术属于光谱分析
，特别涉及一种用表面增强拉曼光谱对痕量混合物进行半定量分析的方法，具体说是基于表面增强拉曼散射效应测定痕量化学物质的拉曼光谱对痕量混合物进行半定量分析，并改进主成分分析这种定性鉴别方法，是采用杠杆定律和三角形内平行线读数法，实现混合物成分的半定量分析。
技术介绍
拉曼光谱能够反映分子的结构信息，从而鉴别化学物质的种类。但极少量分子的拉曼散射光强度很弱，难以被探测到。利用表面增强拉曼散射(SERS)效应，化学物质的拉曼信号会大大增强，从而实现快速、准确的痕量检测。表面增强拉曼散射效应指的是在金、银等物质的纳米结构表面，由于入射光的激发而产生局域表面等离子体共振，使得散射光增强几个数量级。在SERS基底上，局域电场最强的位置称为“热点”，要提高基底的灵敏度，应当尽量增加“热点”数量，并且令待测分子易于吸附在“热点”处；常见的SERS基底大体分为两类，一类是纳米粒子悬浮液，一类是全固态的基底，例如硅基片上生长的纳米棒、纳米颗粒，或银电极腐蚀得到的纳米结构等。全固态的SERS基底往往能够吸附更多分子，散射信号增强效果更明显；此外，物理方法制备的SERS基底表面通常更加粗糙，“热点”数量远多于化学方法制备的金、银纳米粒子，因此，本项专利技术采用完全由物理方法制备的全固态SERS基底，在二氧化硅纳米棒阵列上修饰金纳米粒子。其中二氧化硅纳米棒以电子束蒸镀法生长于硅片上，表面十分粗糙，能够附着大量金纳米粒子，而且透光性好，不妨碍激光照射到纳米棒侧壁上的金纳米粒子，金纳米粒子则溅射沉积到二氧化硅纳米棒上，粒径只有几纳米，在纳米棒顶端和侧壁上都有分布，且附着力较强，这种SERS基底具有大量“热点”，检测灵敏度很高。主成分分析是一种用于定性判别的化学计量学方法，是采用杠杆定律和三角形内平行线读数法(如图1、图2所示)，通过对化学物质的拉曼光谱进行这种分析，可以鉴别出物质种类。将不同物质的拉曼光谱进行主成分分解，得到得分矩阵T和载荷矩阵P：X＝TPT+E式中E是误差矩阵。分矩阵T为列正交矩阵，每一列都反映一个主成分的方差信息，其中方差最大的主成分反映出最多的光谱之差异信息，称为第一主成分，其次是第二、第三……主成分。由于前两个主成分通常已能够反映大部分差异信息，所以可选取第一主成分和第二主成分的得分值绘制得分图。在得分图中，相似的光谱所对应的数据点彼此靠近，差异明显的光谱所对应的数据点彼此远离。而混合物拉曼光谱兼具几种组分的特征，其相应于各个主成分的得分值也与成分相关。两种物质的混合物在得分图中对应的数据点处于两种组分对应的数据点之间的连线上，三种物质的混合物在得分图中对应的数据点处于三种组分对应的数据点所围成的三角形内(如图2所示)。一般情况下，主成分分析只被用于定性鉴别化学物质，而要计算出混合物中各种组分的含量，必须采用定量的化学计量学方法，如偏最小二乘回归法等。这些方法进行建模使用的数据量十分庞大，不仅需要混合物中组分各自的拉曼光谱，还需要这些组分以各种比例混合后测得的拉曼光谱。对于两种化学物质的混合物，往往要变化近十种比例，测拉曼光谱；对于三种及以上化学物质的混合物，则至少要变化几十种比例进行测试，工作量惊人。为了简便、快速地测定混合物的成分，应当尽量简化建模过程，考虑到主成分分析得出的得分图所具有的特性，故而将其发展为一种半定量的分析手段。只要测出混合物中组分各自的拉曼光谱，进行建模，就可以直接计算出任何比例的混合物成分，工作量大大减少，效率显著提高。对于实际应用中需要尽快大致了解混合物成分的情形，此项专利技术很具现实意义。
技术实现思路
本专利技术的目的是提供一种用表面增强拉曼光谱对痕量混合物进行半定量分析的方法，其特征在于，包括以下几个步骤：(1)使用表面增强拉曼散射基底检测三种化学物质低浓度溶液的拉曼光谱，进行建模；(2)对三种化学物质的SERS谱线进行主成分分析，建立模型，画出得分图；(3)检测含有模型中两种或三种物质的混合溶液的SERS谱线，代入PCA模型中计算出相应于主成分1和主成分2的得分值；(4)观察混合溶液SERS谱线所对应的数据点位置，若在两种物质数据点的连线上，则该混合溶液含有这两种组分；若在三种物质数据点所确定的三角形内，则该混合溶液含有全部三种组分；(5)对于两种化学物质的混合物，其SERS谱线在PCA得分图中对应的数据点位置大体在两种组分的数据点连线上。根据杠杆定律，混合物中两种物质的含量比例与其数据点到这两种组分数据点的距离成反比；(6)对于三种化学物质的混合物，其SERS谱线在PCA得分图中对应的数据点位置在三种组分的数据点所围成的三角形内。发展了一种三角形内平行线读数法，可计算出该混合物中三种物质的相对含量。所述步骤(1)的方法是以溶液浸泡SERS基底，或将溶液滴加在SERS基底上，使待测分子吸附在SERS活性物质表面，测其拉曼光谱；为消除测量误差的影响，要在样品上的不同位置重复测定；然后将这几种组分的各数条拉曼光谱分为训练集和验证集，分类方法为Kennard-Stone算法，这种算法的过程是首先将距离最大的两个样本选入训练集，再依据将待筛选样本与已选入训练集的样本之间的最小空间距离最大化的原则依次选择训练样本，从而使得训练集能够充分代表这些光谱的特征。而验证集的光谱随后会被代入建好的模型中，计算检验模型的准确性。所述对训练集的光谱进行以下预处理：1)扣背底，采用自适应迭代重加权惩罚最小二乘算法扣除光谱背底，控制参数少，运算速度快；2)平滑，采用快速傅里叶变换方法对光谱进行平滑处理，去掉高频噪声；3)微分处理，对光谱数据做一阶微分处理，提高光谱分辨率；4)中心化，通过均值中心化处理将变量转换为其与平均值间的差值，有利于观察不同组样本间的差异及进行聚类分析。所述步骤(2)选取拉曼光谱中几种组分主要特征峰的区段进行主成分分析。光谱中的其它数据并不反映染料分子的化学信息，因此不被纳入分析范围，以避免无效信息干扰染料的种类鉴别过程。所述步骤(3)运算得到训练集光谱相应于第一主成分和第二主成分的得分值，绘制成得分图，再将验证集光谱进行与训练集光谱相同的预处理后，代入PCA模型中计算出得分值，也绘入得分图中，由此可以检验模型是否准确。所述步骤(5)为测定混合物的成分的过程，采用上述步骤(1)测得混合溶液的SERS光谱，并进行预处理，然后代入PCA模型中计算出得分本文档来自技高网...

【技术保护点】
一种用表面增强拉曼光谱对痕量混合物进行半定量分析的方法，其特征在于，包括以下几个步骤：(1)使用表面增强拉曼散射基底检测三种化学物质低浓度溶液的拉曼光谱，进行建模；(2)对三种化学物质的SERS谱线进行主成分分析，建立模型，画出得分图；(3)检测含有模型中两种或三种物质的混合溶液的SERS谱线，代入PCA模型中计算出相应于主成分1和主成分2的得分值；(4)观察混合溶液SERS谱线所对应的数据点位置，若在两种物质数据点的连线上，则该混合溶液含有这两种组分；若在三种物质数据点所确定的三角形内，则该混合溶液含有全部三种组分；(5)对于两种化学物质的混合物，其SERS谱线在PCA得分图中对应的数据点位置大体在两种组分的数据点连线上；根据杠杆定律，混合物中两种物质的含量比例与其数据点到这两种组分数据点的距离成反比；(6)对于三种化学物质的混合物，其SERS谱线在PCA得分图中对应的数据点位置在三种组分的数据点所围成的三角形内，根据三角形内平行线读数法计算出该混合物中三种物质的相对含量。

【技术特征摘要】
1.一种用表面增强拉曼光谱对痕量混合物进行半定量分析的方法，其特征在
于，包括以下几个步骤：
(1)使用表面增强拉曼散射基底检测三种化学物质低浓度溶液的拉曼光谱，
进行建模；
(2)对三种化学物质的SERS谱线进行主成分分析，建立模型，画出得分
图；
(3)检测含有模型中两种或三种物质的混合溶液的SERS谱线，代入PCA
模型中计算出相应于主成分1和主成分2的得分值；
(4)观察混合溶液SERS谱线所对应的数据点位置，若在两种物质数据点
的连线上，则该混合溶液含有这两种组分；若在三种物质数据点所确定的三角形
内，则该混合溶液含有全部三种组分；
(5)对于两种化学物质的混合物，其SERS谱线在PCA得分图中对应的数
据点位置大体在两种组分的数据点连线上；根据杠杆定律，混合物中两种物质的
含量比例与其数据点到这两种组分数据点的距离成反比；
(6)对于三种化学物质的混合物，其SERS谱线在PCA得分图中对应的数
据点位置在三种组分的数据点所围成的三角形内，根据三角形内平行线读数法计
算出该混合物中三种物质的相对含量。
2.根据权利要求1所述用表面增强拉曼光谱对痕量混合物进行半定量分析的
方法，其特征在于，所述步骤(1)的方法是以溶液浸泡SERS基底，或将溶液滴
加在SERS基底上，使待测分子吸附在SERS活性物质表面，测其拉曼光谱；为消
除测量误差的影响，要在样品上的不同位置重复测定；然后将这几种组分的各数

\t条拉曼光谱分为训练集和验证集，分类方法为Kennard-Stone算法，这种算法的
过程是首先将距离最大的两个样本选入训练集，再依据将待筛选样本与已选入训
练集的样本之间的最小空间距离最大化的原则依次选择训练样本，从而使得训练
集能够充分代表这些光谱的特征；而验证集的光谱随后会被代入建好的模型中，
计算检验模型的准确性。
3.根据权利要求2所述用表面增强拉曼光谱对痕量混合物进行半定量分析的
方法，其特征在于，所述对训练集的光谱进行以下预处理：
1)扣背底，采用自适应迭代重加权惩罚最小二乘算法扣除光谱背底，控制
参数少，运算速度快；
2)平滑，采用快速傅里叶变换方法对光谱进行平滑处理，去掉高频噪声；
3)微分处理，对光谱数据做一阶微分处理，提高光谱分辨率；
4)中心化，通过均值中心化处理将变量转换为其与平均值间的差值，有利
于观察不同组样本间的差异及进行聚类分析。
4.根据权利要求1所述...

【专利技术属性】
技术研发人员：张政军，侯孟婧，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11