3   结果与讨论

3．1    pH对荧光强度的影响
3个喹诺酮类药物都是弱酸，它们的荧光强 度取决于质子化程度．文献[7]对喹诺酮类药物 的在不同酸度下的荧光特性的相关性进行了的研 究，研究发现酸度越大，荧光强度越大，中性次之， 碱性最弱，综合考虑3种药物的性质，选择pH为
4的乙酸钠／乙酸缓冲溶液控制酸度．
3．2   SDS浓度的影响
表面活性剂sDS可以增强待测物的荧光强 度，提高反应的灵敏度．在对喹诺酮类药物进行同

万方数据
 
第4期尹春玲等：三维荧光结合二阶校正用于牛奶中3种喹诺酮类药物的同时定量测定                  51

 
时测定中，文献[8]报道SDS的浓度为1．2×10’2
mol／L是最适合的，在高于此浓度下，荧光强度都 将保持不变．
3．3因子数的选择
因子数是指拟合三维数阵的三线性模型所需 要的数Ⅳ，又称为化学秩，它指的是从噪音中区别 出来的对仪器有响应的化学物质的数量．只有因 子数选择正确，前面的三线性数学模型才可以求 得有物理意义的真解．而对实际分析体系而言，由
存在．因子数
(b)
 
于包含除分析物外的未知干扰，因此体系所含的 化学成分数往往是未知的，因此在求解三线性模 型时，首先要确定的参数就是被研究三维数据的 因子数．由于实际体系的复杂性，根据操作经验， 采用一个秩估计方法得到的结果有时可能是不可 靠的．因此用核一致诊断法(CORc0NDIA)一’和 线性转换合并蒙特考罗模拟方法(LTMc)¨训估计 被测体系的化学秩，图1(a)显示了核一致诊断法 的结果，可以看出前4个被尝试因子的核一致程 度都大于80％，在核一致法中一般一致程度超过
50％就认为增加了一个因子，说明拟合该三维荧
光数据需要4个因子才能获得有物理意义的真 解．图1(b)显示了通过LTMC计算得到的结果． 前面的4个因子的投影残差相对很小，但是对于 第5个因子却增长很多，继续增加尝试估计化学 秩的因子数，其相应的投影残差一直都比较大，这 说明前面的4个因子代表的是真实物质的因子空 间，但是后面的因子代表的是噪音空间，对应的参 差相对就大，由此可以推断拟合该三维荧光数据 阵同样需要4个因子．两种算法均说明在此体系 中，除了3种待测药物之外，牛奶中还有一个干扰

图1  分别应用CORCONDIA法(a)和LTMC法 (b)解析得到的因子数结果

3．4   AATLD和PARAFAC解析结果
图2中带五角星曲线对应的是实际的弗洛沙 星，培氟沙星及伊诺沙星激发和发射光谱，带圆圈 曲线对应为AATLD算法取因子数等于4时分辨 得到的荧光光谱．可以看出，算法分辨得到4个光 谱，其中3条光谱分别是弗洛沙星，培氟沙星、伊 诺沙星，另外一条是牛奶中有荧光吸收的干扰物 质的荧光光谱，从图2可以看出3种喹诺酮类药 物的光谱有很大重叠，同时还存在牛奶中存在的 干扰物质的光谱重叠，常用的分析方法通常需要 将其分离才可以进行定量分析．通过光谱对比还 可以发现，三线性算法解析得到的3种药物的荧 光光谱和实际光谱拟合的非常好，说明三线性算 法可以分辫得到实际的光谱，可以预计二阶方法 可以在浓度预测时得到准确的定量分析结果． PARAFAc算法得到的激发光谱和发射光谱和 AATLD算法分辨得到的光谱非常相似，因此没有
显示．

波长／nm                                                          波长／nm
(a)                                                           (b)
图2  AATLD算法解析得到的荧光激发光谱(a)及发射光谱(b) (其中☆线表示为实际光谱，o线表示AATLD算法解析得到的光谱)
 

表1显示了交替三线性不对称分解算法 (AATLD)和平行因子分析法(PARAFAc)算法分 解三维荧光数据预测得到浓度结果和回收率．由
结果可以看出，两种算法的计算结果基本相同， AATLD解析得到的弗洛沙星的平均回收率为 (97．87±4．91)％，培氟沙星的平均回收率为

万方数据
 
52                             河南工业大学学报(自然科学版)                           第30卷

(97．55士5．45)％，伊诺沙星的平均回收率是           在互不分离的情况下预测得到准确的定量结果． (102．13±5．75)％．PARAFAC解析得到的3种    这里可以看到二阶校正方法的数学分离起到了部 药物的平均回收率分别为(98．40±4．09)％，           分代替物理分离的作用．不同的是AATLD算法的 (98．23±4．10)％和(102．34±5．48)％，由以上    运算速度要远远快于PARAFAC，多次迭代结果显 的结果可以看出二阶校正算法可以预测得到满意          示，AATLD解析该数据平均需要迭代23次收敛 的回收结果．即虽然弗洛沙星，培氟沙星及伊诺沙        到最优解，而PARAFAC则需要675次左右收敛 星荧光光谱重叠非常严重，同时牛奶中还存在一          到最优解．尤其待测成分增多时，迭代次数差别更 个未知的干扰物质，该物质同3个被分析物质的           大，后者费时更多．这在工业在线过程分析中显得 荧光也有严重的重叠，但是用二阶校正方法可以          尤为重要．(责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）