分析化學中的選擇性及提高選擇性策略的探討

師亮，漆紅蘭，張璐，張成孝,＊

1西安工業(yè)大學電子信息工程學院，西安 710021

2陜西師范大學化學化工學院，西安 710062

3西安海關技術中心，西安 710068

選擇性(Selectivity)一詞起源于拉丁語“seligo”，其意為選擇。廣義的選擇性是表達“有選擇地”的性質；“某某選擇性”意味著在某方面是有“選擇”的。選擇性意味著“傾向于謹慎選擇”。選擇性涉及許多學科，如化學、物理學、生命科學、信息學、心理學等。在化學學科中，有許多選擇性，例如立體選擇性、催化選擇性等。在分析化學中，一般認為選擇性與檢出限和靈敏度一樣[1,2]，是評價分析方法的一個極其重要的特性參數。但是，分析方法的選擇性又與檢出限和靈敏度不同。盡管分析化學的教科書[3,4]和一些研究論文[5-22]對選擇性進行了廣泛的討論，但是，方法的選擇性不僅和方法本身相關，也與測定樣品中干擾物質的性質和濃度有關，并且選擇性尚缺乏統(tǒng)一的量化公式。選擇性的定義和定量表述仍然是懸而未解的問題[21]。本文旨在歸納選擇性的內在特征(定義)及其影響因素(干擾的類型)，討論現(xiàn)代分析方法選擇性的量化表達式和提高選擇性的一些新策略，擴大知識面，拋磚引玉，共同商討，以促進準確理解分析方法的選擇性。

1 選擇性的內在特征

1.1 選擇性的定義

國際純粹與應用化學聯(lián)合會(IUPAC)對選擇性推薦的定義為[2]：The selectivity refers to the extent to which the method can be used to determine particular analytes in mixtures or matrices without interferences from other components of similar behavior. 武漢大學主編的《分析化學》(第五版)[3]中指出“一種儀器方法的選擇性是指避免試樣中含有其他組分干擾組分測定的程度”。華中師范大學等主編的《分析化學》(第四版)[4]中指出“選擇性是指某種分析方法測定某組分時，能夠避免樣品中其他共存組分干擾的能力”。分析方法的選擇性是表征一個分析方法抗干擾能力的一個參數。對于定性分析，能產生相同(或相似)響應的物質數目越少，表示該分析方法的選擇性越高；對于定量分析，能產生相同(或相似)響應的物質的濃度越小，表示該分析方法的選擇性越高。選擇性也可理解為方法獲取樣品中幾乎完全取決于目標分析物信號的能力。也有人認為選擇性不是分析方法的屬性，而是分析結果的屬性[6]。

“特異性”(Specificity)一詞經常被賦予與選擇性相同的含義。IUPAC對特異性推薦的定義為：“Specificity is the ultimate of selectivity”[2]。特異性也一種分析方法的特性，表示某方法最終的選擇性水平或絕對不存在干擾的情況。這是個理想情況，在實踐中很難實現(xiàn)。因此，選擇性與特異性是完全不同的概念。為了更好地反映分析方法的特性，應盡量選擇使用選擇性一詞。

1.2 選擇性與誤差

評價某一分析方法的一個非常重要的質量標準就是其提供無干擾信號并給出“真實結果”的能力。選擇性與樣品中干擾產生的誤差有關。本質上樣品產生的誤差屬系統(tǒng)誤差[5]。選擇性與誤差具有一定的關聯(lián)性，例如，某一方法在測定某分析物時，某干擾物質產生的相對誤差±3%，則在允許相對誤差為±5%時，該方法是具有選擇性的；而在允許相對誤差為±2%時，則該方法沒有選擇性。同理，某干擾物質相對于分析物的濃度比不同，也會得出某方法選擇性差異的結論。

1.3 選擇性與其他分析方法屬性的關系

Valcaercel和Rieos認為孤立地處理選擇性是沒有意義的[7]。Valcaercel和Rieos將分析方法的屬性進行了等級劃分。頂級(Capital)特性，如準確性和代表性，直接關系到分析結果的質量；基本(Basic)特性，如精密度/不確定性、靈敏度和選擇性，直接支持頂級特性，是分析方法的評價指標。選擇性和靈敏度具有關聯(lián)性：(1) 最相關的一類干擾就是對線性校準曲線斜率(靈敏度)的干擾[14]；(2) 選擇性和靈敏度兩種特性的等級提升過程相似，例如，使用色譜和非色譜分離技術(如樣品凈化和預濃縮)，在許多情況下，可以同時提升選擇性和靈敏度這兩種特性的等級。一個高選擇性水平可能與一個低精密度相矛盾，當一個分離技術應用于最少干擾物時就是這種情況；分析過程越復雜，產生誤差的原因就越多，因此，精密度就降低。將化學計量學方法(如信號過濾、聚類分析等)應用于提高選擇性時，精密度也會降低，這是因為引入了其他變異源。與其他基本和頂級分析特性一樣，選擇性也會影響生產效率。如果要實現(xiàn)高選擇性，分析方法(例如LC-MS/MS)將更加耗時和昂貴，并且需要專門的操作員。換句話說，提高選擇性可能需要付出其他代價。

1.4 選擇性與樣品組成

表1 樣品復雜程度對選擇性的影響[16]

1.5 干擾的類型

在分析化學中，選擇性用于表明干擾和交叉反應以及多組分同時測定能力的程度[17]。干擾的分類可基于產生干擾的原因和分析過程中對分析物定量的干擾程度進行分類[16,17]。因此，討論分析方法的選擇性必須先明確干擾的來源。在儀器分析教科書中，不僅介紹了各種儀器分析方法的原理(定性和定量)和儀器，而且也介紹了各方法的干擾及其抑制(或消除)方法。但是，對干擾類型缺乏系統(tǒng)和宏觀的討論。因此，筆者擬對干擾的類型進行系統(tǒng)和宏觀的討論。

1.5.1 從樣品干擾分類——共存組分干擾和基質干擾

筆者認為共存組分干擾與基質干擾的不同僅是對樣品干擾的關注點不同。在液體樣品或固體樣品配制成溶液進行化學測量時，人們主要關注共存組分的干擾。共存組分的干擾是建立新分析方法時應重點考慮的干擾類型，尤其是結構類似和性質類似物質對目標物質產生的干擾。例如，在使用有機配合物顯色劑丁二酮肟測定Ni2+時，應考慮共存Co2+的干擾；又如，應用基于葡萄糖氧化酶的葡萄糖電化學傳感器(血糖儀)測定血糖時，應考慮血液中抗壞血酸和尿酸等還原性物質對氧化電流的干擾；再如，利用化學發(fā)光法魯米諾-過氧化氫體系測定Co2+時，應考慮共存也具有催化活性的Fe2+、Fe3+、Cu2+、Mn2+、Ag+的干擾。在固體進樣的原子發(fā)射光譜分析中，人們無法制備與測定樣品相同的標準系列物質，人們不僅關注共存組分的干擾，也必須關注不同基質(Matrix)造成的干擾。例如，不同的礦石樣品在光源中的揮發(fā)、蒸發(fā)和原子化程度不同，對于含量相同的樣品獲得的信號可能不同，也就產生了基質干擾。由于電感偶合等離子炬光源可液體進樣，基質干擾并不大。又如在分析血液樣品時，全血、血清等樣品不同，其干擾也不同，可認為是基質干擾?；|干擾也可以理解為難以歸屬于某些共存組分樣品干擾的總稱。

1.5.2 從干擾信號分類——附加性干擾和倍增干擾

干擾物產生一個不能與待測物產生的信號進行區(qū)分的信號即為干擾信號。干擾物對分析物的干擾就是干擾物對分析物校準曲線(信號-濃度曲線)的干擾[17]。附加干擾(additive interferences)是由于樣品干擾物產生了一個信號相加于分析物信號上引起的干擾。由于附加信號會導致截距發(fā)生變化而不會導致校準曲線斜率發(fā)生變化，因此，附加性干擾在分析物低濃度時具有顯著性的干擾。倍增干擾(multiplicative interferences)是由于樣品干擾物在一定程度上增加或減少了分析物信號引起的干擾，但并沒有產生干擾組分自己的信號。因此，倍增干擾會改變校準曲線的斜率，但不會改變校準曲線的截距。當然，復雜的情況會涉及附加性干擾和倍增干擾的組合干擾。此外，干擾會增加或減少測量信號，分別產生正或負誤差，據此干擾可分為正干擾和負干擾。例如，還原性物質在電極上的氧化可能會產生正干擾；干擾物的熒光淬滅則為負干擾。

1.5.3 從干擾機理分類——相似機理干擾和不同機理干擾

根據干擾物在測量過程中干擾的機理不同，干擾可分為相似機理干擾和不同機理干擾。例如，在光度分析中，顯色劑與性質相近的不同離子形成吸收波長相同的配合物的干擾就是相似機理干擾；在溶液中存在的顆粒引起光散射，導致對應待測物質熒光強度的增強，就是不同機理干擾。按照干擾機理或性質不同，干擾還可分為物理干擾、化學干擾、物理化學干擾、電離干擾、光譜干擾、非光譜干擾、背景干擾等等，這些內容在一般分析化學教科書中均有介紹，在此不贅述。

“十一五”規(guī)劃綱要提出后，我國食品工業(yè)堅持依靠科技進步推動發(fā)展，引進了一批先進技術與設備，2006年至2010年期間，我國部分以谷物磨制、食用植物油、速凍食品等為主要業(yè)務的大中型食品企業(yè)，其裝備水平基本達到世界先進水平。我國食品工業(yè)在這段時期掌握了一系列行業(yè)關鍵技術，食品物性修飾、非熱加工、大罐群無菌貯藏、食品快速檢測與質量控制等關鍵技術研究取得重大突破。200㎡冷凍干燥、800MPa高壓殺菌等一批具有自主知識產權的食品關鍵裝備，食品冷加工、中小型乳制品生產和飲料熱灌裝等成套技術與裝備實現(xiàn)了從長期依賴進口到基本實現(xiàn)生產創(chuàng)造的自主化并成套出口的跨越。

2 選擇性參數的量化表達式

1883年，開爾文勛爵說：“When you can measure what you are speaking about and express it in numbers, you know something about it; but when you cannot measure it your knowledge is of a meager and unsatisfactory kind”[17]。分析方法的靈敏度、檢出限、線性范圍、重現(xiàn)性和準確度均有明確的數學表達式。IUPAC給出了分析方法選擇性的定義，意為干擾越少，選擇性越高。IUPAC除給出了離子選擇電極的電位選擇性系數的表達式[6,8]外，沒有其他分析方法選擇性的量化表達式。筆者認為這主要是因為人們希望得到一個與干擾物濃度和分析物濃度無關的選擇性的表達式，但實際上很難做到。關于選擇性的估計或評價(量化表示式)已經有許多研究[19-23]，在此重點討論一些簡單容易理解的選擇性的量化表達式。

Dorko等人從測量誤差和響應面兩個方面[21]以及從單組分測定和多組分同時測定兩個方面[18]對于選擇性的表達式進行了研究。在分析化學中，紅外光譜和拉曼光譜的測量涉及測量誤差[10]；在多組分同時測定中，由于選擇性涉及儀器測量噪聲相關的誤差膨脹因子(error inflation factor)，此方面較為復雜，在此不進行討論，我們重點討論基于響應面的單組分測定的選擇性表達式。

我們先理解定量分析的原理。從數學關系上講，儀器分析方法是基于可測量的物理量(信號yi，如吸光度、光強度，電位、電流等)與待測濃度ci間的函數關系進行定量分析。這種關系在數學上是一種是“映射(mapping由系統(tǒng)的函數來實現(xiàn))”。“解析函數”c = f(y)是“校準函數”y = f'(c)的反函數。校準函數可以通過實驗直接獲得；樣品獲得的信號可通過校準曲線將待測物質的信號轉變?yōu)榇郎y物的濃度[5]。

在此，我們討論一種最簡單的情況，某一樣品含有單一組分I和單一干擾物J。假設某分析方法測定分析物I的靈敏度為SI，則分析信號(測得的信號中扣除空白信號) YI= SIcI；測定干擾物J的靈敏度為SJ，則分析信號YJ= SJcJ。如果沒有交叉干擾，則混合物的總分析信號為：

由式(4)可見，由干擾引起測定結果的相對誤差與分析物的靈敏度SI和濃度cI、干擾物的靈敏度SJ和濃度cJ以及空白信號b有關。由干擾引起測定結果的相對誤差越小，該方法的選擇性就越高。如果不考慮背景信號，則：

表2中給出文獻中幾種常用評價選擇性的參數[16]。在免疫分析中，結構相似的化合物(干擾物)與針對目標分析物產生的抗體的結合程度，通常表示為相對百分比交叉反應性(CR)，其定義為一個比率，即在給出標記的結合態(tài)被50%取代時，標準物質的劑量和交叉反應物劑量之比(IC50)。在萃取分離方法中，分離因子αi/j定義為在相同條件下測得的溶質A和溶質B的分配常數(K)之比；在色譜分離法中，分離度RS定義為兩個峰或面積中心的距離(柱色譜的時間單位和平面色譜的長度單位)與其各自平均帶寬之間距離的比率，為兩種溶質在兩相中物理分離的能力。分離因子和分離度通常分別用于評估非色譜法和色譜法二者選擇性的參數。由于篇幅所限，在此不贅述。

表2 專用的選擇性參數

3 提高選擇性的策略

如前所述，干擾是由于干擾物與分析物產生的信號不能分辨(discrimination)所產生的。分析方法的選擇性實際上涉及了兩類分析體系：其一，單組分分析，就是避免樣品中其他組分對單一分析物測定的干擾；其二，多組分分析，就是避免樣品中各組分的相互干擾。因此，能提高信號分辨的策略就是提高選擇性的策略。為了便于理解，本文將按反應性、分離、信號區(qū)分和化學計量區(qū)分進行討論，舉例進行說明。當然，兩種或兩種以上這些策略就更能提高選擇性。

3.1 化學/生物化學反應性

化學測量中一般都涉及化學反應。提高化學反應性(也稱為“化學選擇性”，chemical selectivity)是提高選擇性的一個經典途徑。選用與分析物進行選擇性反應或化學試劑已經是分析方法中最常用的策略之一。使用化學掩蔽劑來消除干擾物質的影響在分析化學絡合滴定中有許多介紹。在分析測定中，使用選擇性高的生化反應或試劑是一種提高方法選擇性的有用策略[10]，例如：酶-底物的催化反應；激素-受體的結合反應；抗原-抗體結合反應等。通常認為這些生物反應有一定的特異性(即高選擇性)。

3.2 預分離

一般來說，分析方法并不一定包含預分離。如果使用一定的化學/生物化學反應和掩蔽劑等不能消除共存組分干擾時，使用預分離除去一些干擾物，也是提高給定方法選擇性的一種有效的策略，即分離選擇性(separation selectivity)。在這種情況下，預分離就是該分析方法的組成部分。分離法能物理去除干擾物質或使分析物相互分離。色譜法是同時測定復雜樣品中多種分析物的最佳方法，因此，它廣泛應用于食品、環(huán)境和臨床分析等領域。然而，當分析目的是測定一種或幾種組分時，物理分離如萃取分離、電解分離、沉淀分離等可能更簡單、更快。分離與檢測聯(lián)用方法也能顯著地提高方法的選擇性，如高效液相色譜-質譜法。當然，在評價方法選擇性時，應將包含預分離與不包含預分離的方法分開評價比較合適。

3.3 信號分辨

信號分辨(discrimination of signals)是提高多組分分析的有效策略，如時間分辨、儀器分辨等。

(1) 時間分辨?；诜治鑫锱c干擾物反應動力學(速率常數)差異可對分析信號進行時間分辨，可簡單地解決干擾物對分析物的干擾，也可實現(xiàn)多組分同時測定。例如，膠束可以改變兩種或兩種以上結構相似的分析物與一種試劑相互作用的反應性，也可改變其表觀速率常數[22]，通過時間分辨實現(xiàn)多組分分析。另一種可提高選擇性的策略是動態(tài)測量策略，即監(jiān)測一個化學體系的變化過程。這種策略對消除樣品基質的靜態(tài)背景信號干擾非常有用，特別適用于測定分析物低濃度的情況。這是因為在這種情況下，背景信號不強烈地依賴于反應速率。使用相對較長壽命的化學體系，例如涉及鑭系元素敏化的熒光體系，在時間分辨模式下進行測量，通過時間分辨可消除散射、拉曼和熒光等背景信號的干擾。

(2) 儀器分辨。提高儀器分辨是一種更廣泛使用的提高選擇性的策略。近年來，多通道儀器的發(fā)展，例如光電二極管陣列檢測器、攝像機系統(tǒng)以及電荷耦合和電荷注入設備，已經能夠在充分選擇儀器變量的情況下分離出分析信號，即提高了儀器選擇性(instrumental selectivity)。因此，原子和分子光譜學中多種檢測系統(tǒng)的使用，促進了許多用于選擇性測定一種物質和同時測定兩種或多種物質的分析方法的發(fā)展。

雖然上述策略中的每一種策略都可以單獨使用以實現(xiàn)選擇性測定，但是，它們的組合使用可以獲得更好的結果。例如，衍生化反應與使用二極管陣列檢測器代替?zhèn)鹘y(tǒng)光度計就可以提高色譜方法的選擇性。氣相色譜的常規(guī)檢測器，如電子捕獲檢測器和氮磷檢測器，存在選擇性和普適性相互排斥且選擇性無法針對所需化合物類別進行調節(jié)的事實，質譜就克服一些缺點。盡管質譜法的選擇性從檢測所有可電離化合物角度講是非選擇性，但是，僅在對一種化合物的特殊應用中，其選擇性是極高的。因此，通常需要附加一些其他方法來提高測定的選擇性，例如，通過在質譜分析中，聯(lián)用掃描方法、使用化學電離或應用化學計量方法監(jiān)測選定的離子碎片，可提高多組分分析的選擇性。

近年來，陣列生物傳感器的研究和應用越來越受到重視。在陣列生物傳感器中，利用波長分辨[23]、空間分辨[24]和電位分辨[25]也顯著地提高多組分分析的選擇性。

3.4 化學計量學方法

化學計量學方法已經應用于提高分析方法的選擇性(也稱為“計算選擇性”)[26]。多元校正法、模式識別法、聚類分析法等提高了多元分析的選擇性和準確度。由于這些內容對于大學生相對陌生，在此僅僅進行一些概念和應用方面的介紹。

多元校正法(偏最小二乘法)應用于非選擇性近紅外光譜，能夠獲得隱藏在這些光譜中的選擇性信息。傅立葉變換法和模式識別法(模式識別方法主要包括統(tǒng)計模式識別、結構模式識別、模糊模式識別、人工神經網絡等)極大地促進了近紅外光譜技術的發(fā)展[27]。聚類分析法將對象集合劃分為集合或聚類，實現(xiàn)了多元組分的同時測定。

卡爾曼濾波器(Kalman filter)和人工神經元網絡是從非選擇性數據中獲得選擇性定量信息的兩個范例?？柭鼮V波器是一種從一系列含噪聲的測量信號中遞歸估計一個系統(tǒng)的參數和狀態(tài)的算法[28]，它已被應用于解決電化學和光譜學中的信號的重疊，處理流動分析中的數據，并且通常應用于改進同時測定方法的選擇性。神經元網絡起源于對人類大腦功能進行建模的嘗試，這些數學模型包括稱為神經元的高度互連的處理單元[29]。因此，人工神經元或計算機模擬神經元被設計為模仿生物神經元的功能和人工神經元模仿人類的認知過程，適用于處理噪聲、不完整甚至不一致的數據。信息分布在大量模型參數上，這些模型參數具有很大的靈活性。人工神經網絡已在許多領域得到應用，這些領域包括模式識別、非線性回歸分析、聚類分析、組合優(yōu)化和圖像壓縮等。人工神經網絡的廣泛應用是由于它們具有逼近復雜函數的能力，非常適合于非線性關系的建模。

將化學計量學應用于各種儀器分析方法中分析物的分辨可以獲得最佳的選擇性水平。因此，化學計量學方法被廣泛地應用于旨在發(fā)展基于化學反應性的多重校準方法，或提高重疊色譜峰的分辨率的方法中。質譜在有機分析中的巨大成功是基于低分辨率質譜的使用數學處理方法獲得分子的結構信息。庫搜索識別未知數和應用模式識別方法等化學計量方法已經用于從低分辨率質譜中自動解析蛋白質的結構[30,31]。

人工智能(artificial intelligence)是一個相對較新的研究領域，旨在使用計算機運行模擬人腦認知過程的代碼來解決問題[32]。人工智能中涉及的大多數現(xiàn)代算法不僅能夠將輸入與輸出連接起來，還能適應環(huán)境線索并采取行動，從而增加提供準確答案的機會。人工智能的主要優(yōu)勢可能是它提供了巨大的能力，可以從如此龐大和/或如此復雜的數據集中獲取有意義且無偏見的信息，而這些人類無法對其進行分析完成。從廣義上，以上介紹的這些策略均可歸于人工智能。人工智能已經在分析化學(分離、光譜學、檢測系統(tǒng)等)得到一定的應用。我們相信人工智能將極大地促進分析化學的發(fā)展。

4 結語

選擇性是評價分析方法的一個重要的特征指標，是保證樣品分析結果質量的基礎之一。本文剖析了分析方法選擇性的含義，討論了影響選擇性的因素即干擾的類型，推薦了選擇性參數的表達式，總結了提高選擇性的一些策略，旨在拋磚引玉，幫助分析化學領域的研究人員、教師和學生正確理解選擇性和提高選擇性的一些有效策略。