[论文解读] Bayesian modelling and quantification of Raman spectroscopy

Matthew T. Moores, Kirsten Gracie+4 more|arXiv (Cornell University)|Apr 25, 2016

Spectroscopy and Chemometric Analyses参考文献 61被引用 11

一句话总结

本文提出一种基于贝叶斯分层模型的顺序蒙特卡洛（SMC）方法，用于联合估计拉曼光谱中的峰参数（幅度、半峰全宽、位置）与平滑基线，实现稳健的多变量校准并提升检测限（LOD）估计。该方法将峰建模为洛伦兹型、高斯型或拟Voigt函数，并采用惩罚样条函数进行基线校正，通过后验推断实现不确定性传播，从而提升复杂光谱中定量分析的准确性。

ABSTRACT

Raman spectroscopy can be used to identify molecules such as DNA by the characteristic scattering of light from a laser. It is sensitive at very low concentrations and can accurately quantify the amount of a given molecule in a sample. The presence of a large, nonuniform background presents a major challenge to analysis of these spectra. To overcome this challenge, we introduce a sequential Monte Carlo (SMC) algorithm to separate the observed spectrum into a series of peaks plus a smoothly-varying baseline, corrupted by additive white noise. The peaks are modelled using Lorentzian or Gaussian broadening functions, while the baseline is estimated using a penalised cubic spline. This latent continuous representation accounts for differences in resolution between measurements. By incorporating this representation in a Bayesian model, we can quantify the relationship between molecular concentration and peak intensity, thereby providing an improved estimate of the limit of detection (LOD), which is of major importance in analytical chemistry.

研究动机与目标

• 解决拉曼光谱中非均匀、可变基线带来的峰定量不准确问题。
• 开发一种可扩展、具备不确定性感知能力的多变量校准方法，避免预处理中基线扣除带来的偏差。
• 通过整合峰参数与基线参数的不确定性，改进低浓度分析物检测限（LOD）的估计。
• 实现后验分布的稳健、增量式更新，支持实时或自适应分析。
• 提供一种灵活、开源的框架，用于利用贝叶斯推断对复杂样品中低浓度分子进行定量分析。

提出的方法

• 采用顺序蒙特卡洛（SMC）算法，从峰参数与基线的联合后验分布中进行抽样。
• 使用洛伦兹型、高斯型和拟Voigt函数的混合模型对拉曼峰进行建模，以捕捉峰展宽与形状变化。
• 采用惩罚样条函数表示平滑且非均匀的基线，实现灵活且非参数化的估计。
• 引入基于量子力学预测（如TD-DFT）的信息性先验，以提升模型的可识别性。
• 构建贝叶斯分层回归模型，将峰强度与分子浓度关联，实现多变量校准。
• 使用最高后验密度（HPD）区间量化关键参数的不确定性，包括LOD与半峰全宽（FWHM）。

实验结果

研究问题

• RQ1 如何联合建模基线校正与峰检测，以减少拉曼光谱预处理步骤带来的偏差？
• RQ2 对峰形（洛伦兹型、高斯型、拟Voigt型）的建模如何影响浓度定量的准确性？
• RQ3 顺序蒙特卡洛算法能否为具有重叠峰的复杂拉曼光谱提供可扩展且鲁棒的推断？
• RQ4 基线与峰参数的不确定性如何影响低浓度分析物检测限（LOD）的估计？
• RQ5 与单变量或经典最小二乘法相比，贝叶斯分层建模在多变量校准中能提升多少性能？

主要发现

• 该模型成功估计了TAMRA染料在6至16皮摩尔（pM）浓度范围内的检测限（LOD），95% HPD区间确认在0.65 nM时，34个峰中有17个可检测。
• 在0.13 nM浓度下，460 cm⁻¹与965 cm⁻¹处的峰其LOD上限高于该浓度，表明不可检测，与光谱的视觉检查结果一致。
• 1455 cm⁻¹处的峰被模型低估，凸显了在低信号区域中峰形与基线相互作用对模型敏感性的影响。
• 该算法对局部极大值具有鲁棒性，并支持后验分布的增量式更新，适用于数据丰富的场景，具备可扩展性与适应性。
• 与纯高斯或洛伦兹型假设相比，使用拟Voigt函数显著提升了峰形建模效果，尤其在峰重叠区域表现更优。
• 开源R包实现支持可重复分析，并可拓展至多重或空间分辨拉曼映射应用。