3、常见生物光学检测技术：原理与数据输出
生物光学检测技术通过光与生物组织的相互作用，将分子层面的物理化学信息转换为可量化的光学信号。不同技术所依赖的光学机制不同，决定了它们在探测深度、分辨率、分子特异性以及数据维度上的显著差异。理解这些技术的底层原理与数据输出格式，是进行后续信号处理与生物学解释的前提。本章将系统梳理吸收光谱、荧光光谱、拉曼光谱、光学相干断层扫描（OCT）与生物发光五种主流技术的核心机制、数据特征及典型应用场景。
3.1 吸收光谱技术
核心原理
吸收光谱基于朗伯-比尔定律（Lambert-Beer Law），当一束连续波长的光穿过生物样本时，样本中特定分子会选择性吸收某些波长的光子，导致透射光强度减弱。吸光度 \( A \) 与样本浓度 \( c \)、光程 \( l \) 及摩尔消光系数 \( \varepsilon \) 成正比：\( A = \varepsilon c l \)。在生物医学应用中，血红蛋白、细胞色素、DNA/RNA 等分子在紫外-可见-近红外波段具有特征吸收峰，通过扫描波长并记录吸光度变化，即可定量分析目标物质浓度。
数据输出与判断方法
吸收光谱仪输出的原始数据为波长-吸光度二维数组，常见格式为 CSV 或光谱专用格式（如 .spc）。数据分析流程包括：
- 基线校正：扣除空白溶剂或缓冲液的背景吸收。
- 峰定位：识别特征吸收峰（如 260 nm 处 DNA 吸收峰、415 nm 处氧合血红蛋白 Soret 带）。
- 浓度计算：利用标准曲线或摩尔消光系数直接换算。
- 比值分析：如 A260/A280 比值评估核酸纯度。
| 参数 | 典型值/范围 | 生物学意义 |
|---|---|---|
| DNA 260 nm 吸光度 | 0.1–2.0 AU | 核酸浓度 |
| A260/A280 比值 | 1.8–2.0（纯DNA） | 蛋白质污染程度 |
| 血红蛋白 415 nm | 峰值强度 | 血氧饱和度 |
3.2 荧光光谱技术
核心原理
荧光光谱利用荧光团（如 GFP、FITC、量子点）吸收激发光能量后，电子跃迁至激发态，再以辐射跃迁形式发射波长更长的荧光。斯托克斯位移（Stokes Shift）使发射光与激发光在波长上分离，从而可通过滤光片或单色器有效区分。荧光强度与荧光团浓度、量子产率及激发光强度相关，但受光漂白、内滤效应和猝灭效应影响。
数据输出与分析方法
荧光光谱仪输出激发光谱、发射光谱或三维荧光矩阵（Excitation-Emission Matrix, EEM）。关键分析步骤：
- 光谱预处理：去除瑞利散射和拉曼散射峰（尤其在 EEM 数据中）。
- 峰强度提取：在特定激发/发射波长对（如 Ex/Em = 488/520 nm）读取峰值。
- 荧光寿命分析：使用时间相关单光子计数（TCSPC）获取荧光衰减曲线，拟合多指数模型。
- FRET 分析：供体-受体荧光比值变化反映分子间距离（<10 nm）。
3.3 拉曼光谱技术
核心原理
拉曼光谱基于非弹性散射效应，入射光子与分子振动能级交换能量后，散射光频率发生位移（拉曼位移，单位 cm⁻¹）。拉曼位移对应分子特定的化学键振动模式（如 C-C 骨架、C-H 伸缩、酰胺 I 带），因此拉曼光谱被誉为“分子指纹”。与红外吸收不同，拉曼散射对水干扰极小，非常适合活体生物样本检测。
数据输出与处理流程
拉曼光谱仪输出为拉曼位移（cm⁻¹）与散射强度（counts 或 a.u.）的二维谱图。标准处理流程：
- cosmic ray 去除：剔除高能宇宙射线产生的窄峰伪影。
- 基线校正：使用多项式拟合或 SNIP 算法去除荧光背景。
- 平滑去噪：Savitzky-Golay 滤波器保留峰形。
- 峰归属：对照标准数据库（如生物分子拉曼谱库）进行峰位匹配。
- 多元统计分析：主成分分析（PCA）或偏最小二乘判别分析（PLS-DA）用于组织分类。
| 拉曼位移 (cm⁻¹) | 分子归属 | 生物学信息 |
|---|---|---|
| 1004 | 苯丙氨酸 | 蛋白质含量 |
| 1445 | CH₂ 变形振动 | 脂质含量 |
| 1655 | 酰胺 I (α-螺旋) | 蛋白质二级结构 |
| 785 | DNA 磷酸二酯键 | 核酸含量 |
3.4 光学相干断层扫描（OCT）
核心原理
OCT 基于低相干干涉测量原理，利用宽带光源（中心波长 840 nm 或 1300 nm）的短相干长度特性，通过迈克尔逊干涉仪测量生物组织不同深度处的后向散射光。轴向分辨率由光源相干长度决定（通常 5–15 μm），横向分辨率由聚焦光学系统决定。OCT 可实时获取组织二维截面图像（B-scan）和三维体积数据，被誉为“光学活检”。
数据输出与图像解读
OCT 系统输出为干涉光谱信号，经傅里叶变换后得到深度分辨的 A-scan（轴向强度曲线）。多个 A-scan 组合形成 B-scan 灰度图像，进一步堆叠为 C-scan 三维数据。图像解读要点：
- 信号强度：反映组织散射特性，纤维化组织呈高散射信号。
- 衰减系数：计算 A-scan 信号随深度的衰减率，可区分正常与病变组织。
- 结构分层：视网膜 OCT 可清晰分辨神经纤维层、感光细胞层等十层结构。
- 血流成像：OCT 血管造影（OCTA）通过 decorrelation 算法提取血流信号。
3.5 生物发光技术
核心原理
生物发光是生物体内酶催化化学反应产生光子的过程，最典型的是荧光素酶（Luciferase）催化荧光素（Luciferin）氧化发光，发射波长 480–620 nm（取决于荧光素酶种类）。与荧光不同，生物发光无需外部激发光源，因此背景噪声极低，灵敏度极高，特别适合活体动物体内成像。
数据输出与定量分析
生物发光成像系统输出为光子计数图像（单位：photons/s/cm²/sr）或时序发光曲线。分析流程：
- 感兴趣区域（ROI）圈定：在肿瘤区域或特定器官绘制 ROI。
- 总光子通量计算：积分 ROI 内所有像素的光子计数。
- 时间序列分析：监测肿瘤生长或消退的动态变化。
- 多光谱分离：使用不同发射波长的荧光素酶（如 Luc2 和 Renilla）进行双报告基因成像。
| 参数 | 典型值 | 应用场景 |
|---|---|---|
| 检测灵敏度 | 10³–10⁵ 个细胞 | 微小肿瘤灶检测 |
| 动态范围 | 6–8 个数量级 | 肿瘤负荷监测 |
| 时间分辨率 | 秒级 | 基因表达动力学 |
3.6 技术对比与选型策略
五种技术在生物医学研究中各有优势，选择合适的技术需综合考虑灵敏度、空间分辨率、成像深度、标记需求及样本类型。下表总结了关键对比维度：
| 技术 | 灵敏度 | 空间分辨率 | 成像深度 | 标记需求 | 主要优势 | 主要局限 |
|---|---|---|---|---|---|---|
| 吸收光谱 | 低 (mM) | 无成像 | 透射式 | 无 | 简单、定量准确 | 灵敏度低、易受散射干扰 |
| 荧光光谱 | 高 (pM–nM) | ~200 nm (共聚焦) | ~100 μm | 需要荧光标记 | 灵敏度极高、多色复用 | 光漂白、自发荧光干扰 |
| 拉曼光谱 | 中 (μM–mM) | ~1 μm (共聚焦) | ~500 μm | 无 | 无标记、指纹信息丰富 | 信号弱、测量时间长 |
| OCT | 低 (散射对比) | 5–15 μm | 1–3 mm | 无 | 实时、深度成像 | 无法分子识别 |
| 生物发光 | 极高 (10³ 细胞) | ~1 mm | 数 cm (活体) | 需要报告基因 | 活体监测、背景极低 | 需转染、空间分辨率低 |
3.7 数据质量控制的通用原则
无论采用哪种技术，数据质量直接影响后续生物学结论的可靠性。以下通用原则适用于所有生物光学检测：
- 仪器校准：定期使用标准光源（如氘灯、汞灯）或标准样本进行波长和强度校准。
- 重复测量：每个样本至少 3 次技术重复，计算变异系数（CV < 15% 为可接受）。
- 阴性/阳性对照：每次实验必须包含已知浓度的标准品和空白对照。
- 数据记录：完整记录仪器参数（激光功率、积分时间、增益）、样本制备条件（温度、pH、孵育时间）。
- 批次效应校正：多批次实验时，使用参考样本进行归一化处理。