該頁無縮略圖
Application Note丨拉曼光譜
關鍵詞：拉曼光譜；定量分析；代謝物
化合物 / 代謝物定量分析
一、前言
拉曼光譜技術(shù)作為一種物質(zhì)化學成分分析工具，在材料鑒定、
食品分析、疾病診斷、法醫(yī)分析、生物發(fā)酵、藥物質(zhì)控等領域
[1–6] 有著廣泛的應用?；诶庾V信息，能夠快速、無損地獲
得目標化合物 / 代謝物的濃度、類型、結(jié)構(gòu)、應力等信息，因此
在反應進程持續(xù)、樣品珍貴或者有保證樣品完整性需求的應用場
景下具有顯著技術(shù)優(yōu)勢。本文應用 P300 共聚焦拉曼光譜儀，論
證了基于拉曼光譜技術(shù)進行化合物定量檢測的可行性。
二、研究方法
1. 樣品準備
考慮到溶劑對化合物的潛在干擾影響分析，本文選擇棕櫚酸
（Palmitic acid，cas#57-10-3, cat#P101061-5g，Aladdin）以
及 對 氰 基 苯 甲 醛（4-formylbenzonitrile，cas#105-07-7，
cat#F100751-25g，Aladdin）進行實驗。化合物使用 DMSO
（cas#67-68-5，cat#CD4731-100ml，Coolaber）配制至 1 M
濃度1 mL。而后在1.5 mL EP管內(nèi)，使用DMSO以2倍梯度稀釋，
得到 8 個稀釋濃度（1 M-7.8125 mM）。
2. 拉曼光譜采集
不同稀釋濃度樣品以及 DMSO 純?nèi)芤悍謩e，滴加 5-10 μL
至拉曼玻片上，而后上機檢測（Hooke P300）。每個樣品在隨
機位置采集 10-20 個拉曼光譜。采集條件為，激發(fā)波長 532
nm，光柵 600 g/mm，鏡下激光功率 5 mW，積分時間 1 s。
3. 數(shù)據(jù)分析
參考文章方法進行線性回歸以及檢測限計算 [7]。首先原始光
P300 共聚焦拉曼光譜儀
圖1 化合物的拉曼光譜定量
化合物母液（1 M）經(jīng)DMSO的2倍梯度稀釋得到8個梯度，分別對應1-8
樣品編號。A）不同濃度棕櫚酸拉曼光譜。紅色箭頭表示線性回歸所選中
的拉曼光譜相對波數(shù)；B）棕櫚酸相對波數(shù)2850 cm-1處強度的線性回
歸。LOD表示檢測限；C）不同濃度對氰基苯甲醛拉曼光譜；D）對氰基
苯甲醛相對波數(shù)2230 cm-1處強度的線性回歸。
譜數(shù)據(jù)經(jīng)過 HOOKE IntP 數(shù)據(jù)分析軟件進行去宇宙射線以及去
噪音處理。而后選擇稀釋液拉曼光譜特定峰位對稀釋濃度作線性
回歸，求得直線斜率（b）。接著計算純?nèi)軇?DMSO 在該峰位處
的標準偏差（Sa
）。通過公式 LOD=3*Sa
/b ，計算檢測限。此處，
棕櫚酸選擇拉曼相對波數(shù) 2850 cm-1，對氰基苯甲醛選擇靜默區(qū)
2230 cm-1。
三、研究結(jié)果
通過比較棕櫚酸（圖 1a）以及氰基苯甲醛（圖 1c）對不同
稀釋度的拉曼光譜，我們分別選擇相對波數(shù) 2850 cm-1 以及
2230 cm-1 進行回歸分析以及檢測限計算。線性回歸顯示這些波
數(shù)與濃度強相關（r2 分別為 0.993 和 0.997），對應的最小檢測
限分別為 26.32 mM 以及 5.55 mM。
參考文獻：
[1]
[2]
[3]
[4]
[5]
[6]
Shende, C.; Smith, W.; Brouillette, C.; Farquharson, S. Drug
Stability Analysis by Raman Spectroscopy. Pharmaceutics
2014, 6 (4), 651–662.
Ryzhikova, E.; Ralbovsky, N. M.; Sikirzhytski, V.; Kazakov, O.;
Halamkova, L.; Quinn, J.; Zimmerman, E. A.; Lednev, I. K.
Raman Spectroscopy and Machine Learning for Biomedical
Applications: Alzheimer’s Disease Diagnosis Based on the
Analysis of Cerebrospinal Fluid. Spectrochim Acta A Mol
Biomol Spectrosc 2021, 248, 119188.
Amjad, A.; Ullah, R.; Khan, S.; Bilal, M.; Khan, A. Raman
Spectroscopy Based Analysis of Milk Using Random Forest
Classification. Vibrational Spectroscopy 2018, 99, 124–129.
Boonsit, S.; Kalasuwan, P.; Dommelen, P. van; Daengngam, C.
Rapid Material Identification via Low-Resolution Raman
Spectroscopy and Deep Convolutional Neural Network. J.
Phys.: Conf. Ser. 2021, 1719 (1), 012081.
de Oliveira Penido, C. A. F.; Pacheco, M. T. T.; Lednev, I. K.;
Silveira Jr., L. Raman Spectroscopy in Forensic Analysis:
Identification of Cocaine and Other Illegal Drugs of Abuse.
Journal of Raman Spectroscopy 2016, 47 (1), 28–38.
Hirsch, E.; Pataki, H.; Domján, J.; Farkas, A.; Vass, P.; Fehér, C.;
Barta, Z.; Nagy, Z. K.; Marosi, G. J.; Csontos, I. Inline Noninvasive Raman Monitoring and Feedback Control of Glucose
Concentration during Ethanol Fermentation. Biotechnology
Progress 2019, 35 (5), e2848.
[7]
[8]
[9]
[10]
Huang, Y.-H.; Wei, H.; Santiago, P. J.; Thrift, W. J.; Ragan, R.;
Jiang, S. Sensing Antibiotics in Wastewater Using
Surface-Enhanced Raman Scattering. Environ. Sci. Technol.
2023, 57 (12), 4880–4891.
Lima, C.; Muhamadali, H.; Goodacre, R. The Role of Raman
Spectroscopy Within Quantitative Metabolomics. Annual
Review of Analytical Chemistry 2021, 14 (Volume 14, 2021),
323–345.
Orlando, A.; Franceschini, F.; Muscas, C.; Pidkova, S.; Bartoli,
M.; Rovere, M.; Tagliaferro, A. A Comprehensive Review on
Raman Spectroscopy Applications. Chemosensors 2021, 9
(9), 262.
Araujo, C. F.; Nolasco, M. M.; Ribeiro, A. M. P.; Ribeiro-Claro, P.
J. A. Identification of Microplastics Using Raman Spectroscopy: Latest Developments and Future Prospects. Water Res
2018, 142, 426–440.
中國 · 上海 徐匯區(qū)楓林路380號楓林國際中心一期A座1601 網(wǎng)址：www.hooke-instruments.com
地址：中國 · 長春 經(jīng)開區(qū)自由大路7691號光電信息產(chǎn)業(yè)園3號樓 電話：0431-81077008
郵箱：marketing@hooke-instruments.com
四、結(jié)論
通過對棕櫚酸及氰基苯甲醛拉曼光譜的數(shù)據(jù)分析，驗證了
P300 共聚焦拉曼光譜儀在化合物 / 代謝物定量分析方面的能力。
該方法可以實現(xiàn) mM 水平化合物的檢測，且其線性范圍受目標
化合物單位濃度下特征峰峰強的影響，對于氰基苯甲醛（2230
cm-1）最低可以達到 5.55 mM。此方法可拓展到更多物質(zhì)檢測
應用中，例如細胞色素、脂質(zhì)、藥物、染料、微塑料、有機污染物、
機體代謝物等 [7–10]。其中在酵母乙醇發(fā)酵監(jiān)測的研究中 [5]，通過
動態(tài)監(jiān)測調(diào)控發(fā)酵過程中糖類底物以及終產(chǎn)物乙醇的含量水平，
來達到提高產(chǎn)量的目標。此外，由于不同物質(zhì)的拉曼特征峰位不
同，使同時實現(xiàn)多種物質(zhì)的定量檢測成為可能。
五、應用優(yōu)勢
拉曼光譜技術(shù)為化合物 / 代謝物的快速、動態(tài)定量分析提供
了有效手段，P300 共聚焦拉曼光譜儀憑借其高靈敏度與優(yōu)秀的
共聚焦性能，可針對單個微生物、單細胞、組織、微塑料、材料
等樣品實現(xiàn)亞微米精度的檢測，描述目標物質(zhì)在樣品中的空間分
布情況，在病理檢測、高產(chǎn)菌篩選、生物發(fā)酵、微塑料監(jiān)測等領
域極具應用潛力。
