制备流体样品进行激光诱导击穿光谱和成像分析的方法技术

一种采用一或多个具有不同预设属性，如不同隙度的薄膜，特别是非磁性薄膜对含有各种可溶及不可溶元素、分子、和生物成分的流体样品（如液体、溶液、熔融体、或灰浆）进行分析，特别是激光诱导击穿光谱分析的方法。流体样品首先沉淀在该一或多个薄膜上使其中待分析成分通过过滤或渗滤过程收集在薄膜上以进行激光诱导击穿光谱分析。不同的成分，如不同大小的颗粒，被收集在具有不同隙度的薄膜上，从而在激光诱导击穿光谱分析前对各种成分进行预先筛选。

【技术实现步骤摘要】
【国外来华专利技术】制备流体样品进行激光诱导击穿光谱和成像分析的方法相关申请本申请要求申请号为62/138，676，申请日为2015年3月26日，名称为“制备流体样品进行激光诱导击穿光谱和成像分析的方法”的美国临时申请的优先权，上述申请的全文在此引作参考。
技术介绍
激光诱导击穿光谱分析(LIBS)技术在最近几十年广泛应用于从太空探索到生物样品分析等一系列应用中。特别值得一提的是，激光诱导击穿光谱分析可以用于鉴别存在于生物样品(例如体液)中的一些疾病(例如癌症)的生物标志物。其检测步骤包括使该生物标志物与一系列带有元素编码的颗粒发生反应，其中每一颗粒都带有蛋白质，低核苷酸，多糖，脂类等化合物用于与该生物标志物相结合，然后从样品中移除未结合的元素编码颗粒，最后用激光诱导击穿光谱仪检测样品中剩余的元素编码颗粒并且确定样品中元素编码颗粒的数量。有关方法可参见本专利技术人作为共同专利技术人的美国专利申请公告号20110171636，名称为“单元素和多元素编码激光诱导击穿光谱检测及方法”的相关内容，其全部内容在此引作参考。激光诱导击穿光谱分析技术的成功归功于这种分析方法的一些显著优点，例如多元素分析，快速响应速度，远距离测量，简易或无须样品制备，吸引人的价格，和易用性等。虽然激光诱导击穿光谱分析技术是作为现场分析技术发展起来的，仪器性能的进步和对激光诱导击穿光谱基础理论的进一步了解，也使激光诱导击穿光谱分析技术大量应用于实验室级别的应用中。因此，激光诱导击穿光谱分析技术在与其它传统实验室分析技术的竞争中，除了要保持其上述优点，同时还要在分析性能(如准确性和激光脉冲之间的重复性)上进一步提高才能真正在与已获得确认的分析技术的比较中保持竞争力。像其它传统分析技术一样，实验室环境允许更严格地控制激光诱导击穿光谱分析的实验条件和采用更复杂的分析步骤和样品制备。无须样品制备是被广泛引用的激光诱导击穿光谱分析(LIBS)技术的优点之一，但这也是限制其成为像LA-ICP-MS(激光剥蚀电感耦合等离子体质谱仪),ICP-OES(电感耦合等离子体发射光谱仪)，或XRF(X射线荧光光谱仪)一样的成熟分析技术的重要因素。一般来说，激光诱导击穿光谱分析的性能可以从两方面得到提高：(a)增强等离子体发射信号强度和(b)改变样品特性。到目前为止，激光诱导击穿光谱学术界把主要精力放在增强等离子体发射信号强度上面，这需要更多更好的元器件(如更多的激光器，更高性能的探测器)和在等离子体物理化学和激光
更为专业的知识，从而增加了其成本。这一方法无法满足科学家和技术员希望像使用其它传统分析技术一样使用激光诱导击穿光谱分析技术的要求。基于两方面的原因，通过改变样品特性使样品更适于激光诱导击穿光谱分析的方法引起了广泛的兴趣。第一，该方法可以降低激光诱导击穿光谱分析在现有应用中的检测极限(LOD)，第二，该方法可以扩展激光诱导击穿光谱分析技术的应用范围，特别是样品非均匀性和基质效应限制其应用的场合。样品制备带来的操作成本需要与采用激光诱导击穿光谱分析技术代替其它分析技术带来的好处权衡考量，特别是考虑到大部分传统分析技术根本上就需要复杂的样品制备过程才能取得好的分析结果。虽然有些样品(多数为均匀固体样品如金属，玻璃，和聚合物)无须样品制备就可以产生很好的激光诱导击穿光谱分析结果，通过样品制备技术可以使激光诱导击穿光谱分析应用于更广泛的应用中且取得和XRF(X射线荧光光谱仪)，ICP-OES(电感耦合等离子体发射光谱仪)，甚至ICP-MS(电感耦合等离子体质谱仪)相比拟的分析性能(如检测极限，精确度，和可重复性等)。许多激光诱导击穿光谱分析技术的研究者在多种研究领域中针对不同样品种类发展、优化、和改进了样品制备技术以改进激光诱导击穿光谱分析的性能，如SarahC.Jantzi等与本专利技术人合作发表于SpectrochimicaActaPartBAtomicSpectroscopy，2015年第11期上题目为“激光诱导击穿光谱分析中的样品制备”的文章，其内容在此引作参考。虽然已经有许多样品制备技术，目前仍亟需一种考虑到激光能量如何影响材料剥蚀及剥蚀效率的样品制备技术。特别是当采用激光诱导击穿光谱仪分析液体、溶液、灰浆或其混合物的过程中，激光经常造成液体样品的溅射，从而使其很难获得精确的定性和定量样品分析结果。因此，该
中亟需一种针对液体或流体样品改进的样品制备技术。这里，在非例外的情况下，液体或流体样品指任何包含一定液体成分的样品，该样品中可包含或不包含可溶或不可溶的成分。
技术实现思路
本专利技术的一个方面可以广义地描述为在进行激光诱导击穿光谱分析前将待分析的液体样品沉淀在一个预先设计和设定好的薄膜上的样品制备方法。因此，本专利技术的一个方面包括一种分析，特别是采用激光诱导击穿光谱技术分析含有一或多种可溶或不可溶成分的流体样品的方法。该方法包括以下步骤：(a)使流体样品滤过或渗滤于一或多个具有已知属性的非磁性或弱磁性薄膜；和(b)用激光诱导击穿光谱技术分析该一或多个薄膜以获得一个激光诱导击穿光谱。该流体样品可包括如液体、溶液、熔融体、或灰浆等，该可溶或不可溶成分可包括元素、分子、或生物成分。该一或多个薄膜中可包含至少一个具有与其它薄膜不同属性的薄膜，该属性包括但不限于隙度(即孔隙大小)、孔隙形状、或构成材料等。举例来说，在某些非限定的实施例中，薄膜的孔隙大小可在10纳米和10毫米之间。该一或多个薄膜可由任何与流体样品不发生化学反应的材料构成，包括但不限于如玻璃滤纸，特别是亲水玻璃滤纸等。步骤(b)包括用激光诱导击穿光谱定量分析该一或多个薄膜中的每一薄膜上的原子组分，并将激光诱导击穿光谱分析结果与该薄膜的属性一同报导，从而提供样品中例如具有特定颗粒大小或具有特定范围内颗粒大小成分的激光诱导击穿光谱信息。样品中收集在该一或多个薄膜上的成分可以通过采用多变量分析算法分析激光诱导击穿光谱来进行分类和鉴别，该算法包括但不限于主成分分析(PCA)算法及任意一种用于特征识别的自动机器学习算法，例如支持向量机算法，神经网络算法，自适应局部超平面算法，k-最邻近结点算法，软独立建模分类算法，偏最小二乘回归算法和其它算法。上述样品制备方法同样适用于激光诱导击穿光谱分析技术以外的分析技术。该方法还可包含在步骤(a)前采集该一或多个薄膜的激光诱导击穿光谱以对该一或多个薄膜进行鉴别的步骤。这一预先鉴别的步骤可在完成其它步骤之前提前进行，这样在进行步骤(a)和步骤(b)时，薄膜属性的鉴别已经完成并存档。因此，该方法可采用预先鉴别好具有存档属性的薄膜或在进行分离步骤前临时鉴别薄膜的属性。采用激光诱导击穿光谱技术分析该一或多个薄膜的步骤最好同时考虑该薄膜的属性，如孔隙大小或形状等，从而同时获得样品中颗粒的元素构成和其它特征(如颗粒大小和形状等)。该方法还可包括在步骤(a)前溶解样品的步骤，以及在步骤(a)和(b)之间对收集于该一或多个薄膜上的样品成分进行固定的步骤。其中该固定的步骤可包括以下步骤：(i)采用空气对流除湿；(ii)采用热电致冷器或热电加热器；(iii)利用辐射，如光或热辐射，把流体样品固定在薄膜上；或(iv)以上步骤(i)-(iii)的组合。该固定的步骤并不限于采用上述方法，而是可采用任何在分析前本文档来自技高网...

【技术保护点】
一种分析含有一或多种可溶或不可溶成分的流体样品的方法，该方法首先将该流体样品中的一或多种成分收集在一或多个具有已知属性的薄膜之上或之中，然后对薄膜进行分析。

【技术特征摘要】
【国外来华专利技术】2015.03.26 US 62/138,6761.一种分析含有一或多种可溶或不可溶成分的流体样品的方法，该方法首先将该流体样品中的一或多种成分收集在一或多个具有已知属性的薄膜之上或之中，然后对薄膜进行分析。2.如权利要求1所述的方法，还包含以下步骤：(a)使流体样品经过一或多个薄膜过滤或渗滤从而使其中一或多种成分收集在一或多个薄膜上；(b)采用激光诱导击穿光谱分析方法对该一或多个薄膜进行分析以获得一个激光诱导击穿光谱。3.如权利要求1所述的方法，其中该流体样品包括液体、溶液、熔融体、或灰浆。4.如权利要求1所述的方法，其中该可溶或不可溶成分包括元素、分子、或生物成分。5.如权利要求1所述的方法，其中该一或多个薄膜为非磁性或弱磁性薄膜。6.如权利要求1所述的方法，其中该一或多个薄膜包含多个薄膜，其中至少第一个薄膜具有至少一个与至少第二个薄膜不同的属性。7.如权利要求6所述的方法，其中该属性包含隙度、孔隙大小、孔隙形状、构成材料其中之一或其组合。8.如权利要求1所述的方法，其中该一或多个薄膜的孔隙大小在10纳米和10毫米之间。9.如权利要求1所述的方法，其中该一或多个薄膜中至少一个与该流体样品不发生化学反应。10.如权利要求9所述的方法，其中该一或多个薄膜为玻璃滤纸。11.如权利要求10所述的方法，其中该玻璃滤纸为亲水玻璃滤纸。12.如权利要求2所述的方法，其中步骤(b)包含采用激光诱导击穿光谱定量分析收集于该一或多个薄膜上的一或多种成分中的原子组分，并且将该激光诱导击穿光谱分析结果与各个薄膜的一或多个已知属性信息结合报导。13.如权利要求12所述的方法，其中该各个薄膜的一或多个已知属性信息包括各个薄膜所收集成分的颗粒大小或颗粒大小范围有关的信息。14.如权利要求12所述的方法，还包含采用多变量分析算法对激光诱导击穿光谱进行分析以对各个薄膜所收集的成分进行分类。15.如权利要求14所述的方法，其中多变量分析算法包括主成分分析(PCA)算法。16.如权利要求14所述的方法，其中多变量分析算法包括一种自动机器学习算法，该算法包括支持向量机算法，神经网络算法，自适应局部超平面算法，k-最邻近结点算法，软独立建模分类算法，偏最小二乘回归算法其中之一。17.如权利要求2所述的方法，包含在步骤(a)前对该一或多个薄膜进行鉴别的步骤，该鉴别步骤包含采集该一或多个薄膜的激光诱导击穿光谱。18.如权利要求17所述的方法，该鉴别步骤还包含鉴别该一或多个薄膜的孔隙大小、孔隙形状、及元素构成特征。19.如权利要求2所述的方法，还包含在步骤(a)前进行溶解或分离的制备样品的步骤。2...

【专利技术属性】
技术研发人员：N梅利克基，
申请(专利权)人：多佛光电有限责任公司，
类型：发明
国别省市：美国,US