背景介紹中紅外吸收光譜對血糖檢測有快速、綠色無污染等優勢，但血液成分復雜，光譜重疊，嚴重影響血糖檢測準確性。人體血液中膽固醇與葡萄糖紅外吸收光譜重疊嚴重。鍛煉中當氧氣不足，葡萄糖會氧化為CO2和H2O，此時乳酸會在血糖中形成。普通感冒或流感等感染期間，乳酸也會上升。白蛋白與某些糖類物質形成復合物，還會干擾反應試劑的結構或功能甚至水平過低會增加T2DM患病風險。糖尿病會導致患者腎功能異常，若尿素濃度太高，會得出錯誤的血糖預測。因此，膽固醇、乳酸、白蛋白和尿素這4種常見的血液干擾物對血糖檢測的影響是研究的重點。文章亮點1.采用劃分子集、SG預處理、PLSR建模及ClarkeErrorGrid和t檢驗方法，得出在血糖檢測中膽固醇和乳酸影響顯著，其次是白蛋白，而尿素影響較弱。與此同時，膽固醇使葡萄糖預測值偏低，乳酸和白蛋白使葡萄糖預測值偏高。2.在中紅外血糖定量分析中必須考慮膽固醇、乳酸和白蛋白對血糖檢測的影響,為將來展開從體外到體內，從仿體到血液的無創血糖檢測研究提供支持。內容介紹1

實驗部分1.1

主要儀器與試劑1.2

實驗方法1.2.1

樣品制備實驗所采用無水葡萄糖和4種干擾物質的濃度均適當超過人體正常范圍，如表1所示。1.2.2

光譜測量采用FTIR的中紅外DTGS檢測器和ATR附件，水平ATR的樣品槽為鍺晶體。每個樣品光譜采集范圍：4000~650cm-1，采用分辨率：4cm-1，通過16次掃描采集得到平均光譜。2

結果與討論2.1

葡萄糖和4種干擾物吸收區間的分析各分析物母液的中紅外光譜圖如圖2所示，波數范圍為4000~700cm-1。從圖中可以看出3500cm-1

~3200cm-1主要是水分子的紅外吸收峰，為O—H伸縮振動產生。對于中紅外光譜，由于葡萄糖的主要吸收峰在1200~900cm-1的區間，為了明顯觀察4種干擾物對葡萄糖的影響，采用如圖3所示1200~900cm-1的中紅外光譜圖進行吸收區間分析。2.2

定量分析本研究采用的PLSR是一種基于校準集構建線性回歸模型的方法。通過對校準集進行多元回歸分析，建立樣品屬性與光譜數據的相關關系模型，以實現對樣品屬性的定量預測和分析。預處理之后，對這些子集進行PLSR模型的建立，并采用留一交叉驗證來確定主因子數f，設置主因子數f在1~20循環，尋找最優的主因子數f，使RMSECV的值最小，從而使模型更加穩定和可靠。各模型結果如表4所示。2.3

ClarkeErrorGrid分析通過ClarkeErrorGrid將實驗數據進行可視化分析，并且對血糖預測的準確性可以作為臨床糖尿病的判斷與治療。2.4

4種干擾物進行t檢驗的誤差棒為了進一步量化缺失某一干擾物對預測葡萄糖的影響，將子集2、3、4、5分別作為訓練集，測試集為150個樣本中除去相對應子集后剩余的樣本，如：對于缺失膽固醇的子集2有37個，則對應的測試集為113個，其他子集亦如此。3

結論采用劃分不同子集、ClarkeErrorGrid和t檢驗，研究膽固醇、乳酸、白蛋白和尿素對血糖檢測的影響。結果表明，膽固醇的影響最為顯著，其存在導致葡萄糖預測值偏低；乳酸的影響程度次之，其存在使葡萄糖預測值偏高；白蛋白的影響程度沒有膽固醇和乳酸強烈，但也使葡萄糖預測值偏高；而尿素對葡萄糖預測值在參考值附近波動，且幅度較小，影響微弱。從以上看出，1）膽固醇、乳酸和白蛋白的存在嚴重降低模型對葡萄糖的預測能力，但如何消除這3種干擾物對葡萄糖檢測的影響還需進