在环境监测和古生态研究中，花粉作为植物界的"分子化石"，承载着重要的生态和气候信息。然而，当科学家们试图用傅里叶变换红外显微光谱（FTIR microspectroscopy）这个强大的化学分析工具来研究这些微小颗粒时，却遇到了一个令人头疼的问题——米氏散射（Mie-type scattering）现象。就像阳光透过云层会产生绚丽的光晕一样，当红外光照射到尺寸与其波长相近（约5-100 μm）的花粉颗粒时，会产生复杂的散射效应，导致光谱中出现"波浪形"干扰信号，严重影响了化学信息的准确性。

这个问题不仅困扰着花粉研究，也影响着微塑料、细胞、孢子等多种微粒的分析。更棘手的是，传统的解决方案各有利弊：将样品嵌入石蜡-聚乙烯（PEP）基质可以抑制散射，但会引入新的干扰条纹；而数学校正方法如米氏消光扩展乘性信号校正（ME-EMSC）又存在计算复杂、效果不稳定的缺点。面对这些挑战，来自挪威生物经济研究所等机构的研究团队决定开展系统性研究，他们选择了分类难度高、具有重要生态意义的栎属（Quercus）花粉作为模型，在《Analytica Chimica Acta》发表了这项开创性工作。

研究人员采用了两种实验方案和九种算法组合：在锌硒（ZnSe）光学窗口上直接测量花粉，应用ME-EMSC和深度卷积神经网络（DCNN）进行散射校正；同时将样品嵌入PEP基质，采用条纹校正（Fringe EMSC）和石蜡信号去除算法。通过采集4种栎树（Q. robur、Q. rotundifolia、Q. suber和Q. palustris）共800个单粒花粉光谱，结合人工神经网络（ANN）和随机森林（RF）分类器，评估了不同方法对物种鉴定和化学成分分析的影响。

在技术方法上，研究团队运用了多种创新手段：通过Vertex 70 FTIR光谱仪搭配Hyperion 3000红外显微镜获取光谱；采用ME-EMSC算法基于米氏理论模拟散射曲线；开发DCNN模型通过模拟散射数据进行训练；应用ASCA（ANOVA simultaneous component analysis）解析光谱变异来源；使用蛋白质（1650 cm^-1）与碳水化合物（1055 cm^-1）特征峰比值评估营养价值。

研究结果部分揭示了多项重要发现：

1. 光谱预处理方面：ZnSe测量显示强烈散射伪影（2300-1800 cm^-1区域），而PEP基质测量虽抑制了散射但引入了石蜡干扰信号。DCNN校正效果显著优于ME-EMSC，后者17.4%的谱图需要剔除，而DCNN仅需剔除9.3%。

2. 分类分析显示：简单预处理的ZnSe数据（b1）获得81%分类准确率，优于复杂校正方法，表明散射信号本身具有分类价值。PEP基质测量结合条纹校正（b11）也达到81.5%准确率，但不同物种识别率呈现互补特征——ZnSe更擅长识别Q. rotundifolia（96%），而PEP对Q. robur识别更佳（90%）。

3. 化学分析结果表明：DCNN处理后的ZnSe数据变异最小（MAD=0.12-0.15），能清晰区分Q. robur（高蛋白）和Q. palustris（低蛋白）。PEP数据则意外揭示了Q. suber种群内显著化学差异，说明该方法能检测细微组成变化。

4. 参数化分析发现：ME-EMSC和DCNN提取的形态参数（半径r和折射率n₀）单独可实现49.5%分类准确率，证实物理特征具有诊断价值，特别是对表面结构独特的Q. rotundifolia（70%正确率）。

在讨论与结论部分，研究强调了方法选择的"量体裁衣"原则：分类研究应保留散射信号或参数化处理，而化学成分分析需彻底消除散射干扰。DCNN展现出独特优势，既能有效校正散射，又可提取形态参数，且计算效率远超ME-EMSC。这项研究不仅为花粉分析建立了金标准，其方法论更可推广至微塑料、单细胞等微粒研究领域，解决了长期困扰红外显微光谱应用的"尺寸困境"。特别值得注意的是，研究揭示了生物微粒的物理散射特征可能携带重要的分类信息，这一发现颠覆了传统"散射即干扰"的认知，为光谱分析开辟了新思路。

打赏

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》