《表面增强拉曼光谱》由会员分享，可在线阅读，更多相关《表面增强拉曼光谱（4页珍藏版）》请在金锄头文库上搜索。
1、表面增强拉曼光谱编辑词条拉曼光谱 和红外光谱一样同属于分子振动 光谱，可以反映分子的特征结构。但是拉曼散射效应是个非常弱的过程，一般其光强仅约为入射光强的10-10 。所以拉曼信号都很弱，要对表面吸附物种进行拉曼光谱研究几乎都要利用某种增强效应。Fleischmann 等人于1974 年对光滑银电极表面进行粗糙化处理后，首次获得吸附在银电极表面上单分子层吡啶分子的高质量的拉曼光谱。 随后 Van Duyne 及其合作者通过系统的实验和计算发现吸附在粗糙银表面上的每个吡啶分子的拉曼散射信号与溶液相中的吡啶的拉曼散射信号相比，增强约6 个数量级 ，指出这是一种与粗糙表面相关的表面增强效应，被称为表
2、面增强拉曼光谱(Surface-enhanced Raman spectroscopy，SERS) 效应。中文名称表面增强拉曼光谱外文名称Surface-enhanced Raman spectroscopy，SERS 专业光电分析技术背景简介折叠拉曼光谱1928 年 ,C. V. Raman发现了拉曼散射现象。60 年代激光器大幅提高了激发效率,成为拉曼光谱 的理想光源 ,拉曼散射的研宄进入全新时期。后期单色仪、检测器、光学显微镜、微弱信号检测技术与计算机技术的发展,使拉曼光谱技术在化学、物理和生物等许多领域取得很大的进展。近年来,随着仪器技术的进步和非线性光学的发展,各种拉曼光谱新技术纷纷
3、出现 ,比如共聚焦显微拉曼光谱(Confocal Raman Spectroscopy, CRS)、激光光镊拉曼光谱(Laser Tweezers RamanSpectroscopy, LTRS)、相干反斯托克斯拉曼光谱(Coherent Anti-stokes RamanSpectroscopy, CARS)、 受激拉曼光谱(Stimulated Raman Spectroscopy, SRS) 、针尖表面增强拉曼光谱(Tip Enhanced Raman Spectroscopy, TERS)等。目前 ,拉曼光谱技术己被广泛应用于材料、化工、石油、高分子、生物、环保、地质等领域。折叠表面增
4、强拉曼光谱拉曼散射效应非常弱,其散射光 强度约为入射光强度的1010 极大地限制了拉曼光谱的应用和发展。 1974 年 Fldshmann等人发现吸附在粗糙金银表面的tt 旋分子的拉曼信号强度得到很大程度的提高,同时信号强度随着电极所加电位的变化而变化。1977 年,Jeanmaire 与 Van Duyne, Albrecht 与 Creighton等人经过系统的实验研究和理论计算,将这种与银、金、铜等粗糙表面相关的增强效应称为表面增强拉曼散射(Surface enhanced Raman Scattering, SERS)效应 ,对应的光谱称为表面增强拉曼光谱。随后,人们在其它粗糖表面也观
5、察到 SERS 现象。 SERS 技术迅速发展,在分析科学、表面科学以及生物科学等领域得到广泛应用 ,成长为一种非常强大的分析工具。关于增强机理的本质,学术界目前仍未达成共识,大多数学者认为SERS 增强主要由物理增强和化学增强两个方面构成,并认为前者占主导地位,而后者在增强效应中只贡献12 个数量级。物理增强对吸附到基底附近分子的增强没有选择性。大量实验研究表明,单纯的物理或化学增强机理都不足以解释所有的SERS 现象 ,增强过程的影响因素十分复杂,在很多体系中,认为这两种因素可能同时起作用,它们的相对贡献在不同的体系中有所不同。折叠编辑本段表面增强拉曼光谱技术应用近些年 ,随着激光技术、纳
6、米科技和计算机技术的迅猛发展,SERS 已经在界面和 表面科学、材料分析、 生物、医学、食品安全、 环境监测和国家安全等领域得到了广泛应用。SERS技术不但具有拉曼光谱的大部分优点,能够提供更丰富的化学分子的结构信息,可实现实时、原位探测 ,而且灵敏度高,数据处理简单,准确率高 ,是非常强有力的痕量检测工具。由于其无需样品预处理、操作简便、检测速度快、准确率高、仪器便携等特点,SERS检测在食品安全快速检测中起到了积极的作用,例如 ,SERS 可以定性、定量检测有害非法添加物 (如三聚氰胺、苏丹红 等)、超量超范围使用的添加剂(如食品中的合成色素等)、果蔬中的农药残留以及食物表面上的细菌和病毒
7、等。SERS 与化学计量学方法如多元校正方法相结合,可以测定食品中的成分含量,如鲑鱼肉中的类胡萝卜素、功能食品中低聚糖、牛奶中的奇数碳链和支链脂肪酸以及酒中的乙醇和甲醇含量等。显然,SERS 有望成为一种常用的食品安全现场快速分析方法。在环境监测领域,通过 SERS 技术 ,可监测水源中的多种污染物,如多环芳烃类化合物(PAHs) 、硝酸盐 和亚硝酸盐 以及 重金属 离子 (铅、砷、铜、银)等。在国家安全领域,利用 SERS 或紫外共振拉曼,可以实现痕量爆炸物(如 TNT 、TDX 和PETN) 的现场检测、生物战菌种(如炭疽 孢子 和肉毒杆菌 )、剧毒品 (如水中的 氰化物 )和毒品(如冰毒
8、、摇头丸等)的检测。在生物医学领域,结合传统生物学分析方法,SERS 技术可以对蛋白质进行检测,例如抗体免疫 吸附试验、 抗体免疫分析。 拉曼技术在血管学,骨科学 ,医学诊断 ,药物分析等方面的论文也逐年增长。折叠编辑本段表面增强拉曼光谱信息处理与识别拉曼光谱分析包括定性分析和定量分析,SERS 光谱处理与识别包含光谱预处理、特征提取、特征分类(定性分析 )、数学建模 (定量分析 )。由于痕量检测中拉曼光谱信噪比 低、微弱信号被荧光背景淹没、复杂体系中其它未知组分的干扰等因素的影响,SERS 信号自动识别存在很大的挑战。另外 ,由于拉曼增强效应的稳定性影响,利用 SERS 进行定量分析具有很大
9、的挑战性 ,然而 ,借助于化学计量学方法,SERS 用于定量分析和模式识别己有较多的报道。光谱预处理光谱仪所采集的拉曼光谱包含荧光背景、检测器噪声、激光器 功率波动等干扰信息,这些干扰信息不能完全依赖设备的改进而消除,因此在利用光谱数据进行定性定量分析之前,还要完成有效的预处理过程。针对于SERS 光谱的预处理 ,包括平滑去噪和基线校正。特征提取在进行模式分类实现定性分析之前,往往需要对 光谱 进行特征提取。对于特定的体系,有效拉曼特征区通常在较短的波段范围内,因此 ,可以通过选择充分反映被测物质特性的波段,达到数据降维的目的。最简单的波段选择方法是人工截取,但是它依赖于先验知识和现有谱库。此
10、外 ,所提出的自动选择方法包括间隔最小二乘法(Iterative Partial Least Squares, iPLS) 、相关系数法、逐步回归法、无信息变量消除法(Uninformative Variable Elimination, UVE)32 、蒙特卡洛无信息变量消除法(Monte Carlo based UVE, MC-UVE)、谱峰识别、 遗传算法 (GeneticAlgorithms,GA)、连续投影算法、竞争自适应重采样方法(Competitive AdaptiveRewei动 ited Sampling,CARS)等。此外 ,已提出的降维模型,可分为无监督降维方法、有监督降
11、维方法以及半监督降维方法。定性分析 -分类方法目前常用的光谱分类方法有K-近邻法 (K-Nearest Neighbor Method, KNN)、 PCA 类中心最小距离法、 光谱相似度匹配、 簇类的独立软模式法(SIMCA) 、 支持向量机 (Support Vector Machine, SVM).线性判别分析(LDA) 、贝叶斯判别法、有监督人工神经网络、偏最小二乘判别分析 (Partial Least Squares Discriminant Analysis,PLS-DA)、高斯 混合判别分析(Gaussian Mixture Discriminant Analysis, VIDA
12、)、基于分类回归树(Classification And Regression Tree, CART)的随机森林 (RandomForests, RF)方法等。为了得到最佳分类效果,不同的检测体系往往需要不同的分类器。定量分析 -数学建模光谱定量分析是通过分析己知光谱信息与待测属性间的内在联系,建立适当的校正模型,从而预测待测样品的相关属性,因此 ,定量分析过程包含校正和预测两部分,核心是校正模型的建立 ,通常借助于多元校正技术。折叠编辑本段展望继发现SERS 之后,又发现其它的表面增强光学效应(如表面增强红外、 表面增强 二次谐波 和表面增强合频) 。所以表面增强光学效应实际上是一个家族,它们既有各自的特征,又有相似之处,这些技术之间的联合研究和系统分析无疑将促进表面增强光学效应的理论和应用的发展。总之,随着实验和理论方法的进一步创新和发展,SERS 最终将成为固体表面物理化学、 表面科学 和纳米科学 的一个有力工具。
