荧光分光光度法是一种分析方法，通过测量物质在吸收光能后发射的荧光来定性和定量分析样品。该技术基于分子在受到特定波长的激发光照射时从激发态返回基态时发射荧光，发射光的强度和波长特征用于分析。此方法具有高灵敏度和选择性，适用于检测极微量的化合物，广泛应用于化学分析、生物医学研究和环境检测等领域。其优点是干扰少、响应迅速，但对光源稳定性和检测条件要求较高。

Flow Cytometry Analysis | ViaDean

参考文献

🌵Python片段

Python在处理荧光分光光度法数据方面非常强大，得益于其丰富的数据处理和可视化库，可以轻松实现从数据读取到分析的完整流程。荧光分光光度法用于测量物质在激发光照射下发出的荧光强度，常用于定量分析和特性研究。

1. 数据读取

荧光分光光度法的数据通常以CSV、TXT或其他结构化格式导出。Python有许多库可以读取这些格式的数据，例如pandas和numpy。

 import pandas as pd
 ​
 # 读取CSV文件
 data = pd.read_csv('fluorescence_data.csv')
 ​
 # 查看数据结构
 print(data.head())

2. 数据预处理

在分析之前，数据预处理是必要的，通常包括去除噪声、基线校正和标准化。

基线校正

使用scipy库来实现简单的基线校正，可以通过多项式拟合来去除背景信号。

 import numpy as np
 from scipy import signal
 ​
 # 基线校正函数
 def baseline_correction(y):
     baseline = signal.savgol_filter(y, window_length=51, polyorder=3)
     corrected = y - baseline
     return corrected
 ​
 # 应用到数据
 data['corrected_intensity'] = baseline_correction(data['intensity'])

3. 数据分析

在荧光光谱分析中，常见的操作包括计算峰值强度、峰位置和宽度等。

找到荧光峰

使用scipy.signal.find_peaks来找到光谱中的荧光峰。

 from scipy.signal import find_peaks
 ​
 # 找到峰值
 peaks, _ = find_peaks(data['corrected_intensity'], height=0.1)  # 根据实际数据调整`height`参数
 print("峰位置：", data['wavelength'][peaks])

4. 可视化

可视化是分析数据的重要步骤，Python中的matplotlib和seaborn库非常适合用于数据的可视化。

 import matplotlib.pyplot as plt
 ​
 # 绘制荧光光谱
 plt.figure(figsize=(10, 6))
 plt.plot(data['wavelength'], data['intensity'], label='原始数据')
 plt.plot(data['wavelength'], data['corrected_intensity'], label='基线校正后的数据')
 plt.scatter(data['wavelength'][peaks], data['corrected_intensity'][peaks], color='red', label='峰值')
 ​
 plt.xlabel('波长 (nm)')
 plt.ylabel('荧光强度')
 plt.title('荧光光谱')
 plt.legend()
 plt.show()