用于稳健差分葡萄糖传感的浓度无关的近红外波长对层级

《Results in Chemistry》：Concentration-independent hierarchy of NIR wavelength pairs for robust differential glucose sensing

　　

近红外（NIR）葡萄糖传感的最优波长选择始终是一个挑战。尽管计算模型揭示了固定浓度下传感葡萄糖的最优波长对，但这些排名在整个临床关键的生理范围内的稳定性和一致性仍不可预测且未经证实。研究人员通过系统研究排名前60的波长对（包括先前工作中确定的最优(1535, 1550) nm对）在不同浓度下的行为来聚焦于此问题。分别计算了浓度为50、100和145 mg/dL时的灵敏度指标Δ(ΔS)（差分灵敏度度量）。数学分析显示，最优波长对之间的相对性能比值在不同浓度下保持不变（< 2%），而排名稳定性指数（Rank Stability Index, RSI）证实了其完美排名的保持。实验证实排名顺序保持一致，验证了(1535, 1550) nm波长对及其邻近对在从低血糖到高血糖的整个频率范围内的最佳性能。这项工作表明，固定波长光学系统在整个生理范围内保持一致的灵敏度，有助于发现完全独立于葡萄糖浓度的NIR传感器可靠设计原理。

论文解读文章

**研究背景**
非侵入式葡萄糖监测（Non-Invasive Glucose Monitoring, NIGM）是现代化学与物理领域的重要方向，光谱法因其能揭示被测物质分子层面的信息而受到关注。近红外（Near-Infrared, NIR）光谱可用于检测人体组织中的葡萄糖含量，但由于水对NIR光的强吸收以及生理干扰物（如皮肤色素、脂质、温度波动等）的影响，单波长测量难以实现精准传感。差分传感技术通过测量两个波长信号之差来抑制背景干扰，但在实际应用中，波长对的选择对灵敏度至关重要。尽管已有计算模型在固定葡萄糖浓度下确定了最优波长对，但这些排名在临床关键生理范围（50–145 mg/dL）内的稳定性和一致性尚未得到验证。此外，现有基于偏最小二乘回归（Partial Least Squares, PLS）或机器学习的方法存在“黑箱”问题，缺乏物理可解释性，且需要大量校准数据。因此，需要建立一种浓度无关、物理原理清晰的波长选择设计原则，以开发可靠、简便的NIR葡萄糖传感器。

**研究内容与结论**
研究人员基于比尔-朗伯定律（Beer-Lambert Law）建立了线性扰动模型，系统研究了1535–1550 nm范围内120个波长对的差分灵敏度。通过计算灵敏度指标|Δ(ΔS)|（比较灵敏度度量绝对值），在50、100和145 mg/dL三个浓度下对排名前60的波长对进行排序分析。主要结论包括：
1. 最优波长对(1535, 1550) nm在所有测试浓度下均保持最高灵敏度，其排名完全独立于葡萄糖浓度。
2. 相对性能比值在不同浓度间保持高度一致（相对标准偏差< 2%），排名稳定性指数（Rank Stability Index, RSI）显示，97.5%的波长对具有完美排名稳定性（RSI=0）。
3. 波长对间的光谱间隔越大（距等消光点1540 nm越远），灵敏度越高；例如(1535, 1550) nm对信号强度比(1549, 1550) nm对强约14倍，对应信噪比（Signal-to-Noise Ratio, SNR）提升14倍，理论检测限（Limit of Detection, LOD）相应改善。
4. 该方法无需复杂校准或机器学习，提供了一种物理可解释的确定性设计规则，且可推广至其他NIR光谱应用。

该论文发表在《Results in Chemistry》。

**主要关键技术方法**
1. **理论模型**：基于比尔-朗伯定律建立线性扰动模型，将水吸收系数μ_a^water(λ)与葡萄糖特异性吸收系数μ_a^glucose(λ,C)=α·C·(λ-λ₀)相加，其中α为葡萄糖特异性吸收灵敏度，λ₀=1540 nm为参考等消光波长。
2. **差分分析与灵敏度指标**：定义差分信号ΔS=I(λ₁,C)-I(λ₂,C)，再计算比较灵敏度度量Δ(ΔS)=ΔS(C)-ΔS(C=0)，以消除水背景吸收。
3. **排名稳定性定量评估**：引入排名稳定性指数（RSI），计算波长对在三个浓度点（50、100、145 mg/dL）的排序标准偏差，RSI=0表示完美稳定性。
4. **仿真参数设定**：波长范围1535–1550 nm，步长1 nm，共120个波长对；每组计算重复三次取平均值；温度固定为37 °C。样本队列为模拟水溶液体系，无实际生物样本。

**研究结果**
**3.1 浓度波长对的灵敏度曲线检验**
通过分析排名前15的波长对在不同浓度下的|Δ(ΔS)|值，发现它们保持完全相同的排序。最高灵敏度出现在波长距等消光点最远的对（如(1535,1550) nm），而波长接近的对（如(1549,1550) nm）灵敏度最低。灵敏度差异可达14倍。

**3.2 相对性能不变性的数值指标**
计算各波长对与最优对的性能比值，发现该比值在不同浓度下高度稳定，相对标准偏差（Relative Standard Deviation, RSD）均小于2%。例如(1535,1549)对的RSD为0.42%，(1537,1548)对的RSD为0.02%。这表明所有波长对遵循平行的浓度轨迹，其相对排名锁定。

**3.3 波长对的排名稳定性指数（RSI）**
对全部120个波长对计算RSI，结果显示前15个最优波长对的RSI均为0，即完美稳定性。整个数据集中117个波长对RSI=0，仅3对略有波动（RSI>0）。该稳定性源于模型的线性特性：葡萄糖吸收项μ_a^glucose(λ,C)与C成线性关系，因此灵敏度|Δ(ΔS)|对不同波长对按相同比例缩放，保持排序不变。

**3.4 传感器设计的启示与理论性能**
基于最优(1535,1550)对，提出差分传感系统架构：使用两个分布式反馈（Distributed Feedback, DFB）激光器，经光组合器、样品池、光电探测器、放大器及差分放大器，最终经模数转换器（ADC）处理得到Δ(ΔS)信号。该设计避免了昂贵的波长切换硬件和复杂校准。理论计算表明，最优对相对于最差对的SNR提升14.1倍，对应LOD改善14倍。

**3.5 波长选择对信噪比和检测限的影响**
表6展示不同波长对的理论性能：最优对(1535,1550)的|Δ(ΔS)|为0.0408（145 mg/dL），相对SNR为14.1，理论LOD为0.071（相对值）；最差对(1549,1550)的对应值分别为0.0029、1.0和1.000。LOD比值与SNR比值倒数吻合，强调波长选择是传感器性能的首要决定因素。

**3.6 与替代方法的基准比较**
通过与近年发表的高影响力研究比较，本工作的独特性在于：(1) 提供物理可解释的设计规则而非黑箱模型；(2) 证明波长对排名的浓度无关性；(3) 仅用两个固定波长实现，无需机器学习或化学试剂。例如He et al. (2025)的四波长SVR模型需要1545个训练样本，Kim et al. (2025)的多模态系统需要神经网络训练，而本方法为解析解。

**3.7 局限性与未来工作**
当前模型假设纯水溶液，实际组织中存在散射效应，可能降低绝对性能差异，但不太可能逆转排名。未来需通过蒙特卡罗模拟及包含皮肤色素、脂质、温度等干扰物的实验验证。此外，该方法可扩展至其他分析物（如乳酸、血红蛋白）检测。

**总结讨论**
结论部分指出，尽管已有固定浓度下的波长优化研究，但浓度依赖的性能层级稳定性此前未经验证。本研究通过差分分析在NIR范围内系统研究了120个波长对，筛选出60个浓度无关的最优对。数学证明相对性能不变性（RSD<2%），排名稳定性指数（RSI）量化验证稳定性（97.5%波长对实现完美浓度独立）。研究确立了最大灵敏度需要最大波长分离的设计原则，为NIR光谱传感器提供了确定性设计规则，可推广至其他领域。