如今，可攜式設備的發展已為製藥行業的質量控制、質量保證和製造帶來了全新的技術革命，使原材料識別和驗證方式發生了巨大變化。可攜式設備的性能已顯著提高，並在某些情況下，其數據質量不亞於實驗室儀器。
拉曼光譜法是快速識別未知樣品的重要方法之一，而在手持式拉曼光譜儀中，用作光譜數據分析的兩種最常見的數學表示形式為Hit Quality Index(HQI)和p-values(p值)。其中HQI是未知樣品匹配的首選方法，而p值最適合驗證已知樣品的身份。我們以Mira P來說明。
資料庫匹配是光譜學中用於研究未知物質的一種行之有效的方法，通常將未知樣品的光譜譜圖與已知材料的經過驗證的光譜圖庫進行互相關聯並比較， 然後通過計算HQI來量化每個潛在匹配項的相關程度（相似度）。
HQI的值介於0到1.0之間，數值越大，則表示未知樣品譜圖與已知的參考圖譜之間的相似度越高，未知樣品和參考之間的相關性最高為1。在典型行業，例如製藥領域中通常將最小HQI設置為0.95，以此來判定未知樣品與標準圖譜是否「匹配/不匹配」。
注意：HQI只反映未知譜圖與已知圖庫的相關性，並非衡量所測材料的純度。因此可能導致非常相似的材料的發生錯誤識別。換句話說，使用HQI進行分析可導致誤報。如下所示分子及其譜圖：
與基於光譜之間相似性的識別技術不同，該驗證方法基於各個光譜之間的差異，稱為主要成分分析（PCA)，這是一種統計分析，可將複雜的數據集縮減為最能描述數據的基本特徵。該方法將高度相關的光譜轉換為一小組正交變量，並繪製出散點圖，並以此建模。
PCA散點圖與模型極限組合成為參考模型，模型極限由置信區間確定，置信區間由霍特林統計量而來。下圖中分別為置信度為90％和95％的橢圓，可以用來對樣本進行測量。將每個樣本光譜投影到PCA模型上，以查看其是否符合模型極限。
當將樣品光譜投影到模型空間上時，我們得到的結果為p值。在統計學上，當p值小於α（顯著性水平）時，我們可以拒絕原假設（H0）。對於PCA分析和拉曼光譜的驗證來說，原假設（H0）表示「測得的光譜屬於所用構建模型「，通常我們選取α=0.05。此時使用PAC模型以及統計得到的p值，即可表明脂肪酸之間的無限區別。
注意：PCA模型的有效性完全取決於訓練集。訓練集是模型群體中高度相關的光譜庫。通常至少收集20種具有某種允許變化的單一物質的光譜來構建訓練集。
本文闡述了Mira P手持式光譜儀的識別和驗證方法，分別針對不同應用的獨特分析。
當樣品身份未知時，我們使用HQI進行識別；
當需要確認樣品時，我們使用p值進行驗證。
PEOPLE YOU CAN TRUST ｜ 萬般信任 精通分析
400-604-0088
Marketing@metrohm.com.cn