復(fù)雜體系儀器分析

前言

　　《復(fù)雜體系儀器分析——白、灰、黑分析體系及其多變量解析方法》一書即將出版，筆者有幸受邀為該書作序。該書作者圍繞運用儀器分析手段進行復(fù)雜多組分體系分析這一現(xiàn)代分析化學(xué)實踐中具代表性的核心問題，闡述這種分析工作需要用到的相關(guān)化學(xué)計量學(xué)多變量解析方法的理論基礎(chǔ)，以及在實際應(yīng)用中可能遇到問題的解決途徑。從該書作者選定的題目，讀者能感受到分析化學(xué)學(xué)科已經(jīng)發(fā)展到一個前所未有的新水平：針對任何復(fù)雜樣本對象，為了解決獲取有關(guān)其化學(xué)組成和結(jié)構(gòu)信息的問題，可以運用以各種譜學(xué)理論為基礎(chǔ)構(gòu)建的現(xiàn)代分析測試儀器，加上色譜等現(xiàn)代分離手段及各種聯(lián)用組合，將與化學(xué)組成和結(jié)構(gòu)相關(guān)的物理化學(xué)特性轉(zhuǎn)化為分析訊號，再借化學(xué)計量學(xué)多變量分析方法解析獲得的分析訊號，使其還原為相關(guān)化學(xué)組成和結(jié)構(gòu)信息。梁逸曾教授早年根據(jù)分析體系的復(fù)雜程度將其區(qū)分為白色、灰色與黑色三類。根據(jù)作者這一分類，可以為不同體系選擇最佳的分析儀器與化學(xué)計量學(xué)算法。書中闡述的化學(xué)計量學(xué)方法基本上都具有通用性，即一種方法及其與其他方法的組合可適用于多種分析儀器及相關(guān)聯(lián)用組合。值得指出的是，該書收入的方法中包含了作者建立的不少重要方法。例如直觀推導(dǎo)式演進特征投影法（Heuristic Evolving Latent Projections，HELP），就是作者提出的能顯著提高聯(lián)用色譜分析效率的優(yōu)秀化學(xué)計量學(xué)方法。經(jīng)典分析化學(xué)強調(diào)樣品中各組分的完全分離，這雖能使隨后的測定變得較易進行，但實現(xiàn)完全分離代價很高。完全不做化學(xué)分離的“綠色”分析方法或許最為理想，化學(xué)計量學(xué)目前尚只能為待測組分數(shù)相對較少的情況實現(xiàn)這種無化學(xué)分離的“綠色”分析。還在3年前，化學(xué)計量學(xué)奠基人B?Kowalski教授就曾強調(diào)要探索化學(xué)、物理分離與數(shù)學(xué)分辨之間的合理平衡。他指出，完全的色譜分離實際上往往并不需要，因為未分離完全的峰可借助計算機分辨。該書作者提出的HELP算法出色地實現(xiàn)了Kowalski早年的設(shè)想?！　≡摃鴱睦碚撛淼綄嶋H應(yīng)用較全面地綜合闡述了在用儀器分析手段分析復(fù)雜試樣時用到的各類化學(xué)計量方法，這為讀者提供了解決分析化學(xué)中的實際疑難問題時有用的參考指南。為了使讀者易于理解本書涉及的部分較艱深的數(shù)學(xué)原理，在末章提供了簡明的統(tǒng)計學(xué)和應(yīng)用數(shù)學(xué)基礎(chǔ)知識介紹。該書第一作者邀請長期從事化學(xué)計量學(xué)基礎(chǔ)研究的中南大學(xué)數(shù)學(xué)學(xué)院許青松教授共同寫作本書，這進一步保證了本書在數(shù)學(xué)表述方面的嚴謹性與高水平。創(chuàng)造“chemometrics”一詞的S?Wold教授曾指出，化學(xué)計量學(xué)的主要特征是將化學(xué)問題構(gòu)建為可以通過數(shù)學(xué)關(guān)系表達的數(shù)學(xué)模型。該書作者在書中提到，學(xué)習(xí)現(xiàn)代分析化學(xué)需要具備較經(jīng)典分析化學(xué)更高深的數(shù)學(xué)基礎(chǔ)。這是現(xiàn)代分析化學(xué)發(fā)展一個可喜的趨勢?？档略幸痪涿裕骸霸谧匀豢茖W(xué)的各門分支中，只有那些能以數(shù)學(xué)表述的分支，才是真正的科學(xué)?！痹摃試乐?shù)臄?shù)學(xué)語言闡述的具有通用性的化學(xué)計量學(xué)方法，構(gòu)成分析化學(xué)第二層次（即分析化學(xué)區(qū)別于化學(xué)其他分支學(xué)科）的基礎(chǔ)理論的重要組成部分。該書的出版，對豐富分析化學(xué)基礎(chǔ)理論這一重要的學(xué)科基礎(chǔ)建設(shè)工作做出了有益的貢獻。　　作者在運用化學(xué)計量學(xué)方法研究中藥復(fù)雜分析體系的色譜指紋圖譜與質(zhì)量控制、近紅外光譜用于模式識別、代謝組學(xué)高通量數(shù)據(jù)定性定量分析、生物標記物的發(fā)現(xiàn)、包括中藥在內(nèi)的代謝組學(xué)研究、蛋白組學(xué)高通量分析數(shù)據(jù)用于蛋白質(zhì)定性分析等諸多生命科學(xué)前沿領(lǐng)域集累了豐富的經(jīng)驗，這使該書的應(yīng)用篇具有很高的實用參考價值。期望該書的出版能吸引更多讀者關(guān)注這些新興的分析化學(xué)前沿研究領(lǐng)域，使分析化學(xué)學(xué)科為國民經(jīng)濟的發(fā)展與人民生活品質(zhì)的提高做出更大的貢獻。　　211年8月于湖南大學(xué)

內(nèi)容概要

全書分為理論方法篇與應(yīng)用篇兩個部分，主要討論了復(fù)雜多組分體系的直接儀器分析的化學(xué)計量學(xué)方法及其實際應(yīng)用問題。內(nèi)容主要包括如何采用不同的化學(xué)計量學(xué)方法，分別對分析化學(xué)中頻繁碰到的多種不同性質(zhì)的白、灰、黑復(fù)雜多組分體系所得的不同分析儀器數(shù)據(jù)，進行解析和各種有用化學(xué)信息提取的理論與實際應(yīng)用問題。在應(yīng)用方面，主要是對中藥復(fù)雜分析體系的色譜指紋圖譜與質(zhì)量控制，近紅外光譜應(yīng)用于廣義灰色復(fù)雜體系的分析，代謝組學(xué)高通量分析及其生物標記物的確定，蛋白組學(xué)的儀器分析及其生物信息學(xué)解析方法的討論。另外還簡要介紹了統(tǒng)計學(xué)和應(yīng)用數(shù)學(xué)的相關(guān)基礎(chǔ)知識。
此書可作為從事化學(xué)計量學(xué)學(xué)習(xí)與研究的分析工作者的參考書，亦可作為分析化學(xué)專業(yè)高年級本科生和研究生的教學(xué)參考書。

書籍目錄

第一部分　理論訪求篇
　第一章 概論
　　第一節(jié) 現(xiàn)代分析化學(xué)面臨的機遇與挑戰(zhàn)
　　第二節(jié) 化學(xué)計量學(xué)的多變量解析思路
　　第三節(jié) 化學(xué)計量學(xué)中的軟模型和硬模型
　　參考文獻
　第二章 分析化學(xué)中的幾個理論思考問題
　　第一節(jié) 分析化學(xué)的信息理論
　　第二節(jié) 張量校正理論
　　第三節(jié) 黑、白、灰多組分體系及儀器分析策略
　　參考文獻
　第三章 白色分析體系的多元校正方法
　　第一節(jié) 直接校正方法
　　　一、多元線性回歸方法
　　　二、Kalman濾波法
　　　三、加權(quán)最小二乘回歸法
　　第二節(jié) 間接校正方法
　　　一、K—矩陣法
　　　二、P—矩陣法
　　　三、主成分回歸法
　　　四、偏最小二乘法
　　第三節(jié) 通用標準加入法
　　第四節(jié) 廣義內(nèi)標法
　　第五節(jié) 非線性體系的人王神經(jīng)網(wǎng)絡(luò)校正方法
　　第六節(jié) 病態(tài)體系的嶺回歸法估計方法
　　第七節(jié) 多元校正的分析化學(xué)品質(zhì)因數(shù)和可靠性分析
　　參考文獻
　第四章 灰色分析體系的多元校正方法
　　第一節(jié) 矢量校正方法
　　　一、投影算法和多元校正模型的檢驗
　　　二、標準加入迭代目標轉(zhuǎn)換因子分析法
　　　三、自適應(yīng)Kalman濾波法
　　　四、局部曲線擬合法
　　第二節(jié) 矩陣校正方法
　　　一、秩消失因子分析法
　　　二、廣義秩消失因子分析法
　　　三、殘差雙線性分解法
　　　四、約束背景雙線性分解法
　　參考文獻
　第五章 黑色分析體系的多元分辨方法
　　第一節(jié) 基于主成分分析的體系組分數(shù)確定方法
　　　一、誤差擾動下的協(xié)方差陣特征值變化限制
　　　二、因子分析的誤差理論
　　　三、主因子數(shù)確定的幾種方法
　　第二節(jié) 矩陣分辨方法
　　　一、自模式曲線分辨法
　　　二、迭代目標轉(zhuǎn)換因子分析法
　　　三、漸進因子分析法及其相關(guān)方法
　　　四、窗口因子分析法
　　　五、盲觀推導(dǎo)式演進特征投影法
　　　六、正交投影分辨法
　　　七、子窗口因子分析法
　　　八．二維色譜的一階微分矩陣順序秩分析方法
　　第三節(jié) 張量分辨方法
　　　一、投影旋轉(zhuǎn)因子分析法
　　　二、廣義秩消失因子分析法
　　參考文獻
　第六章 廣義灰色分析體系的多元校正模型
　　第一節(jié) 近紅外光譜與廣義灰色分析體系
第二部分　應(yīng)用篇

章節(jié)摘錄

版權(quán)頁：插圖：正如在第一章討論的分析化學(xué)的社會需求和挑戰(zhàn)而面臨新任務(wù)的情況，從20世紀80年代起，社會提出的新需求和新挑戰(zhàn)大都與復(fù)雜多組分體系的分析分不開，如有機微量分析、物種鑒別分析（色譜分析、色譜指紋圖譜技術(shù)）、基因與蛋白分析（毛細管電泳、液相色譜與串連質(zhì)譜等、蛋白組學(xué)）、無損分析（近紅外光譜為其代表）、高通量分析（蛋白組學(xué)、代謝組學(xué)、中藥植物藥分析、香精香料分析等），正因為這些需求的提出，對復(fù)雜樣本多變量數(shù)據(jù)進行模式分析和模式識別解析，實際可看成是一種直接對樣本進行定性分析的要求，也就成為了分析化學(xué)的一個新任務(wù)。如何更有效地使用我們所擁有的分析儀器，并有效地從這些復(fù)雜的化學(xué)量測工具和手段中獲取整體性表征樣本特性的方法，以及如何對它們進行模式分析和識別，從而獲取其他與樣本相關(guān)的各種有用的化學(xué)和生物信息，正是本章將要討論的問題。復(fù)雜分析體系的多變量數(shù)據(jù)，如進行蛋白組學(xué)研究的二維電泳數(shù)據(jù)、芯片分析數(shù)據(jù)，代謝組學(xué)研究中的大量樣本的NMR多變量數(shù)據(jù)，GC-MS、HPLC- MS/MS分析數(shù)據(jù)、基因組學(xué)中的芯片分析數(shù)據(jù)，中藥色譜指紋圖譜數(shù)據(jù)、香精香料質(zhì)量控制與指紋分析數(shù)據(jù)等，不但所得數(shù)據(jù)量大，更為重要的是如何從中獲取樣本中化學(xué)家們和生物學(xué)家們所需的信息，如何對它們直接進行模式分析和識別，并在此基礎(chǔ)上，進一步找到生物標志物（Biomarker）或生物標志模式（Biomarker Patterns），為基因組學(xué)、代謝組學(xué)和蛋白組學(xué)的研究提供進一步的科學(xué)依據(jù)，都成為目前分析化學(xué)中對樣本直接進行定性分析需要關(guān)注的新問題。針對這些問題，本章將就復(fù)雜分析體系的多變量分析數(shù)據(jù)的預(yù)處理方法、數(shù)據(jù)的模式識別及模式分析的各種方法，以及如何進一步獲取生物標志物或生物標志模式來逐步進行必要介紹。實際上，多變量數(shù)據(jù)的模式分析與模式識別一直是化學(xué)計量學(xué)研究中的一個十分重要的內(nèi)容，它從化學(xué)量測數(shù)據(jù)（包括由多元校正和多元分辨取得的定性定量成分數(shù)據(jù)）出發(fā)，進一步揭示物質(zhì)的隱含性質(zhì)，為分析化學(xué)家提供了十分有用的決策性信息。模式分析與模式識別的計算過程總的說來可有如下步驟：根據(jù)實驗得來的一批多變量數(shù)據(jù)，構(gòu)成訓(xùn)練點集，參照化學(xué)（或生物、物理）模型或經(jīng)驗規(guī)律提出一批特征量，在此基礎(chǔ)上，進一步進行特征抽取和必要的數(shù)據(jù)預(yù)處理，以求得合適的特征量，張成模式空間或特征空間，繼通過機器學(xué)習(xí)的方法（模式分析與識別）進行訓(xùn)練和分類，并采用相應(yīng)辦法對所得模式進行校驗，以確定模型的可用性和可用范圍，以得到根據(jù)訓(xùn)練或分類所得的模式判據(jù)，即可對未知樣本進行分析和判別（或稱計算機預(yù)報）。此過程可用如圖7-1所示的框圖表出。

編輯推薦

《復(fù)雜體系儀器分析:白、灰、黑分析體系及其多變量解析方法》由國家科學(xué)技術(shù)學(xué)術(shù)著作出版基金資助出版。

圖書封面

評論、評分、閱讀與下載

---

    復(fù)雜體系儀器分析 PDF格式下載

---