【今日干货】一眼看透荧光强度变化规律 | 您所在的位置:网站首页 › 荧光光谱分析图 › 【今日干货】一眼看透荧光强度变化规律 |
文章来源:科学指南针一铅笔解析 一:研究概述 物质的荧光强度F与激发光的波长和所测量发射光的波长有关,将F的数据用矩阵形式表示,行和列对应不同的激发光波长和发射光波长,每个矩阵元分别为该激发光、发射光波长的荧光强度F,称之为激发-发射矩阵,简称EEM。 描述荧光强度及同时随激发波长和发射波长变化的关系图谱即为三维荧光光谱(图一)。 二:工作流程 1;实验操作流程 本项目基于SmartFluo-Pro光谱仪进行三维荧光光谱分析,实验流程主要包括:样本的制备与上机、三维荧光图谱解读与信息深度挖掘、统计学分析等。 由于三维荧光光谱具有信号复杂,种类繁多,化学性质各异,数据信息庞大等特点,导致从样本检测及分析的每一个环节都有可能会对数据的质量产生影响,而数据质量又会直接影响后续信息分析的结果。 为从源头上保证检测数据的准确性、可靠性,指南针对每一个实验步骤都严格把控,实现样本上机与图谱分析标准化操作,从根本上确保高质量数据的产出。实验流程图如下: 图二 实验流程图2;数据分析流程 首先将检测得到的原始文件导入 Matlab 2020b软件中,进行去除散射及区域积分,得到代谢物的定性定量结果,然后对同类型数据进行归类形成数据集。 接下来对数据集进行PARAFAC,包括核心一致性检验,对半分析等保证结果质量,揭示不同数据集荧光组分结构相对含量。利用2DCOS确定荧光组分间演化机理及荧光组分结构差异。 最后利用冗余分析/主成分分析/结构方程模型分析,揭示环境因子/微生物群落结构与荧光组分间响应关系。信息分析流程图如下: 图三 信息分析流程图 三:数据及分析结果 1;样本信息及基础数据 表一 样本信息表图四 原始下机数据及结果展示2;荧光光谱区域积分分析及功能注释 单个样本即可分析 图五 区域积分流程及可视化图谱展示使用 Matlab 数据处理软件,对样本中检测到的荧光峰进行积分,其中每个特征峰的峰面积表示一个化合物的相对定量值,使用总峰面积对定量结果进行归一化,最后得到荧光组分的定量结果。如上图及下表所示: 图六 区域积分结果展示表二 积分结果表3;三维荧光数据集平行因子分析(PARAFAC) 数据质控 图七 针对PARAFAC的核心一致性,对半分析等检验以保证结果质量 结果可视化-对样本数量要求较高 图八 PARAFAC结果可视化及荧光组分相对定量分析依据EEM图谱组成的数据集(每个数据集包含6个以上的EEM图谱)进行的PARAFAC分析,图中可以看出每个阶段的数据集可以同时分离出三个完整的荧光组分,右图展示了每个组分在不同阶段的相对含量。 4;基于PARAFAC的异质二维相关光谱分析 基于PARAFAC(EXloading)的异质二维相关光谱分析(Hetero-2DCOS)-应用具有一定特异性 图九 基于PARAFAC(EXloading)的异质二维相关光谱可视化分析每个荧光组分是从同一个物质中分离得到,因此,荧光组分含量的动态变化可能是由于组分间相互转化导致。Hetero-2DCOS是分析荧光组分演化机理的强有力手段。上图为上述三个数据集荧光组分演化机理分析。 基于PARAFAC(EXloading)与其它光普(核磁/红外/拉曼)的Hetero-2DCOS分析-应用具有一定特异性 图十 基于PARAFAC与其它光普的Hetero-2DCOS可视化分析该方法为确认同种物质分离得到的荧光组分结构差异性的有力技术,左图为三个荧光组分与红外光谱构建的Hetero-2DCOS,可判断不同荧光组分表面官能团结构差异。 5;统计学分析 RDA(样本需求量低)/SEM(样本需求量高) 图十一 基于荧光组分及环境因子的统计学分析 该方法可判断理化条件与荧光组分间响应关系。同时SEM是一种研究潜变量与观测变量关系的有效方法,它已被广泛用于解释和预测多变量数据集的相互作用,即可判断理化因子/微生物群落结构对荧光组分的影响强度。 参考文献 1. Stedmon, C. A.; Bro, R. Characterizing dissolved organic matter fluorescence with parallel factor Analysis: a tutorial. Limnol. Oceanogr.: Methods 2008, 6, 572-579. 2. Murphy, K. R.; Stedmon, C. A.; Graeber, D.; Bro, R. Fluorescence spectroscopy and multi-way techniques. PARAFAC. Anal. Methods 2013, 5, 6557-6566. 3. Nomikos, P.; MacGregor, J. F. Monitoring batch processes using multiway principal component Analysis. AIChE J. 1994, 40, 1361-1375. 4. Stedmon, C. A.; Markager, S. Resolving the variability in dissolved organic matter fluorescence in a temperate estuary and its catchment using PARAFAC Analysis. Limnol. Oceanogr. 2005, 50, 686-697 5. Jin, J.; Sun, K.; Yang, Y.; Wang, Z.; Han, L.; Wang, X.; Wu, F.; Xing, B. Comparison between Soil-and Biochar-Derived Humic Acids: Composition, Conformation, and Phenanthrene Sorption. Environ. Sci. Technol. 2018, 52, 1880−1888. |
CopyRight 2018-2019 实验室设备网 版权所有 |