技术文章

   导读： 尽管近红外光谱不属于特别灵敏的分析技术，但由于该技术具有不需要样品预处理的特点，其非常适合于过程监测、材料科学和医疗等领域的应用。

    尽管近红外光谱不属于特别灵敏的分析技术，但由于该技术具有不需要样品预处理的特点，其非常适合于过程监测、材料科学和医疗等领域的应用。

　　过去十年近红外光谱技术新进展

　　专家们认为近红外光谱技术进展主要是新成像系统和仪器的小型化。

　　Pierre Dardenne是比利时瓦隆农业研究中心的部门主任，他认为近红外技术的两大进展是高光谱成像和便携式仪器。Gary McGeorge是百时美施贵宝公司(bristol-myers squibb)的科学家，他赞同Dardenne关于高光谱成像重要性的观点。“成像光谱仪和高光谱成像仪的商品化和应用是近红外领域过去十年的显著性变革”，他说，“成像技术可以给出药物中成分的微观分布信息，为进一步了解该药物的功效提供帮助。”

　　McGeorge指出，这些成像仪器除了用于药品分析外，还可与机器视觉系统结合用于农业和食品加工领域。他说：“如果分析时只需要几个波长，这些成像系统可以在几秒钟之内得到实时的图像，这在以前是不可能的事。”

　　Benoit Igne是葛兰素史克(GSK)公司的科学家，也是近红外光谱学会(Council for Near-Infrared Spectroscopy)主席当选人，他认为主要的进展是近红外系统的小型化。他说：“过去5–10年，近红外zui重要的进展是市场上存在的低成本、小型、仪器，它们可以替代大型仪器用于研发、现场和生产等场合。”Benoit Igne认为微型FT-NIR、MEMS-NIR、LVF-NIR可用于先前研究级仪器所应用的领域，例如实时分析、在线监测和过程控制。他补充说：“这类仪器的低成本特点，甚至允许仪器在出现故障时换一台新仪器，而不是维修，具备*颠覆传统仪器生命周期的能力。”

　　局限与挑战

　　下面专家们将讨论当前光谱学家在研发和使用近红外光谱技术时所面临的主要挑战，包括该技术的局限性以及使用该技术的困难性。

　　Benoit Igne说：“使近红外光谱这么令人关注，同时也是使其难以应用的原因是近红外光谱对样品的基体非常敏感。”他指出，除非建立的模型经过认真系统的设计和验证，否则所建立的模型极易受样品基体的影响，例如样品的颗粒度、密度、湿度和温度，而系统的设计和验证工作通常需要大量的时间、精力和资金。Benoit Igne接着说：“我们需要继续做工作，以深入了解漫反射和透射的吸收和散射特性，以开发出更有效的算法来消除基体对光谱的影响，从而提高模型的稳健性。”

　　McGeorge认同上述观点，近红外光谱技术的重大挑战是建立稳健的模型。他说：“建立定量方法，必须保证模型的准确性并且在多种变化的物理干扰物存在的情况下模型依旧稳健。在建立药物模型时，要设计并实现模型的稳健性非常昂贵。光谱学家需要掌握如何在zui低资源消耗的条件下减少这些干扰物的影响。”他补充说到，如果模型没有能力适应各种影响因素，我们很难让企业的相信近红外技术会带来显著的经济效益。

　　McGeorge认为药物分析对近红外模型有额外的稳健性要求，这是因为药片和其他口服制剂所用的辅料存在固有的易变性。他说：“辅料经常来源于天然产物，因此季节、地域和其他因素的变化会使这些材料在物化组成上的发生改变。这些变化常常会对近红外光谱特征产生直接的影响，在模型建立和商务采购谈判过程中需要充分考虑这些变动因素。”

　　Igne认为，仪器设计缺少一致性是近红外光谱技术另一个重要问题。他解释说：“由于仪器之间不一致，不能将一台仪器上建立的模型直接应用到另一台仪器上，所以模型传递往往需要不小的投入并且可能会用到复杂的算法。”他认为，对于传统分析化学框架体系而言，这些建模和传递算法是主要的障碍。他补充说：“许多近红外使用者为了避免处理模型传递问题，在推广应用时不得不采用建模时使用的那款仪器。”

　　Dardenne谈及了近红外光谱技术在农业应用中存在的一些问题，他说：“没有经过实际验证的模型到处可见，许多论文只给出了随机交互验证结果，却没有给出独立的验证结果。”他认为，对于农产品应用，近红外光谱的检测限也是一个挑战，对于小于0.1%含量的分析物，近红外光谱通常无能为力。他说：“由于内部相关性，有些模型看上去很好，但待测组分的信息实际上被噪声掩盖了。”

　　Igne补充道，在分析实验室近红外方法还没有得到广泛的认可。他说：“即使近红外光谱方法被证明是成功的，但人们还是倾向于使用传统的湿化学分析方法。” Igne认为，只有在线和实时信息成为企业的必需时，近红外光谱技术才能得到迅速应用。

　　人才的缺乏

　　近红外光谱的另一个主要挑战是，面对宽广的应用领域，严重缺乏具备充足专业知识和技能的技术人员。因此，当企业想采用近红外技术时，很难找到可以胜任的人员帮助他们完成这些工作。McGeorge说：“现在很难找到合适的人，简单通过招聘的方法几乎不可能得到具有这方面技能的技术人员。”

　　McGeorge认为造成人才缺乏的原因是：“在药厂，PAT倡议计划引起了学术上的广泛兴趣，探索使用光谱如何能更好地理解制药配方和制药过程。”但是，很多学校只是使用现成的工具，而没有掌握和理解建模背后的光谱仪器和数学算法。McGeorge说：“而且，我认为许多用户被近红外仪器销售商的宣传所左右，他们将该技术宣传得非常容易，以打消用户有关建立稳健模型所使用复杂算法的顾虑。”因此，这些学校培养出的是缺乏光谱知识背景的药剂师或工程师，McGeorge说，这些学生进入工作岗位时对光谱没有足够的理解。

　　Dardenne赞同在大学和高中阶段进行更多的关于近红外光谱知识的教育，他介绍说近红外光谱学会Ana Garrido-Varo主席正在努力做这方面的事情。Dardenne说，他们正在建一个用于近红外光谱教学的虚拟平台，不久就可以使用并且给学生提供学分。

　　如何应对挑战

　　Igne认为：“所有仪器制造商都在千方百计提高模型在不同仪器上的可传递性，我期待进一步减少仪器制造时的差异，那时上述传递的方法会更有效。”但是，他预计模型传递问题将持续到下一个十年。

　　对于样品基体的影响，据Igne介绍，现在有不少团队正在深入研究散射和吸收现象，并着手开发更好提取相关信息的算法。他说：“我认为在学术圈，这方面的研究将持续一段时间。”

　　对解决这一问题，McGeorge看到了一些进展。“随着问题的明确，化学计量学家正在研究一些绝妙的算法来解决这一问题。” McGeorge说，“外部参数正交化(EPO)就是一个例子，该方法可以消除已知的系统干扰物的影响，保证所建模型对这类变动是稳健的。”他补充说，该方法可以校正消除光谱仪或原材料的系统性变化，这些变化是由已知因素引起的。

　　McGeorge还介绍了另一种提高模型稳健性的可能解决方法，“一种新的商品化技术，这种空间位移分析技术在一个区域照射样品在另一个区域检测信号。”他说，“随着这种技术的不断成熟，有可能成为实施近红外技术的一种完整解决方案，用于消除光谱中的物理扰动信号，从而更容易建立更稳健的模型。”

　　Igne认为，让更多实验室采用近红外光谱技术依赖于两件事：让使用者弄懂验证统计学和简化建模步骤。他说：“近红外迈向更广泛成功应用的重要一步是让非化学计量学专家更容易掌握该技术。”