QCM-D椭圆偏振法是两种可以同时用于实时研究固液界面薄层的形成和改变的技术。这两种方法的结合可以揭示有关质量、厚度、机械和光学性质以及层的组织或结构的信息。在这里,我们描述了如何建立这种测量的数据捕获和光学模型的一步一步的过程。
作为一个案例,让我们来看看结合QCM-D和光谱椭圆偏振(SE)测量蛋白质吸附到金表面。即使其他场景可能需要不同的光学和机械建模方法,或下面描述的实验步骤的变化,事件的一般顺序应该非常相似。
下面,我们描述一步一步的程序,以及如何采取一系列的东南测量来建立和调整一个椭圆偏振光学模型。QCM-D实验的执行和数据分析不在本文中介绍,但在QSense仪器手册和Biolin科学网站上的相关材料中可以找到有关这些主题的详细信息。雷竞技苹果版本雷竞技rayapp
SE数据的建模需要SE参考测量值,提供基材、环境介质、吸附质的光学特性信息,以及在测量的各个阶段由实验设置引起的其他影响。以下Ψ和Δ因此必须捕获光谱(图1):
图1所示。一个QSense椭圆偏振模块的示意图,安装传感器,并逐步建立光学模型.
第一步是对衬底进行SE测量,即金属涂层QSensor。我们应该考虑以下关于基板的问题,以便准备一个拟合良好的模型:
在这个例子中,我们使用了黄金。在可见光谱中,金具有吸收性。由于金层足够厚,反射光对金与石英之间的粘合层和石英之间的粘合层都不敏感。因此,金可以被认为是半无限底物。注意,对于氧化物表面,准确表征氧化层厚度和光学性质对于分析原位实验至关重要。
当椭偏仪模块装入QSensor并安装到探险家室时,椭圆偏振探测光束能够穿过模块窗口到达探测器。在实践中,有时需要手动调整入射角(AOI),以使光束与探测器完美地重新对齐。模块窗口可能没有完美地对准横梁,因为它们是通过o形环安装的。将AOI从65度的理想设定值中更改,必须在Ψ和Δ上作为模型效应进行补偿。此外,窗口本身对椭圆偏振光谱也有影响。窗口和AOI偏移量被用作光学模型中的拟合参数,在继续之前应通过捕获第二个SE光谱来确定。通常,窗口效果只调制Δ,因此参数化为Δ偏移量。
一旦捕捉到两个实验前的光谱Ψ和Δ,下一步是引入将用作背景溶液的溶剂。在我们的例子中,我们使用缓冲溶液。现在,光学模型必须调整以适应变化。因此,模型中的环境材料从空气(或空隙)变成了液体环境缓冲。液体的光学性质必须是先验的,并且可以测量,例如,用光束偏差法[1]。例如,含有金属离子的有色液体,在光被吸收的波长处k值不为零。在这些波长的椭圆偏振数据通常会比透明区域的噪声大得多。
进行第三次SE测量,以确保调整后的光学模型描述了实验系统。实验数据和模型计算数据之间的差异可能是由污染物的漂洗或附着引起的,就我们的目的而言,光学模型可以将其视为基片的修改。基片的光学特性应该在这一步进行改装。
我们现在假设模型计算的SE数据集和实验SE数据集之间有很好的匹配。从这一点来看,数据集之间的差异可能归因于蛋白质溶液的引入和吸附质层的形成。必要时,蛋白质溶液的光学性质可用于蛋白质溶液曝光过程中光学模型中的液体环境。否则,我们仅将Ψ和Δ光谱的调制归因于吸附质蛋白质层的形成。
现在,我们准备开始测量蛋白质在Au上的吸附。在光学模型中,在基底上添加吸附层,并允许模型在实验过程中改变吸附层的光学性质和/或厚度。蛋白质层厚度的初始猜测值通常可以被允许为0纳米。如前所述,吸附层的光学模型的选择取决于该层的预期性质。在本例中,我们将蛋白质吸附到Au上,并将使用de Feijter模型。现代椭圆偏振软件包支持“动态测量”,其中椭圆偏振光谱周期性地自动测量。
在与背景液体稳定信号基线期间,在蛋白质引入之前,在QSoft中创建一个时间戳,并记录当前测量时间,用于动态椭偏测量。这可以用来同步数据,以便以后计算吸附质分数参数。
实验结束后,如果有人想尝试另一种方法,重构椭圆偏振数据通常是可能的。同时对QCM-D数据进行了分析。然后可以导出两种仪器中吸附质厚度或质量随时间的数据,以获得吸附质分数随时间的参数。
椭偏仪和QCM-D测量开始时间可能略有不同。要解决此问题,请使用QSoft所获取的时间戳来同步数据,以便两个数据集的时间t = 0相同。
下载白皮书至阅读更多关于数据量化背后的理论,以及如何进行QCM-D和椭圆偏振数据分析的逐步过程。
参考
QCM-D和椭圆偏振是两种表面敏感实时技术,两者结合使用可产生协同效应。为了使大多数的组合输出数据,在设置组合实验和分析捕获的数据时需要考虑一些方面。