Name: 利用地图量化 X 射线荧光数据 (视频) | JoVE Journal
Uploaded: 2018-02-17T12:30:00.000+00:00
Duration: 14 min 58 s
Description: 学习使用MAPS软件对同步辐射X射线荧光数据进行定量分析，将原始荧光计数转换为元素面密度。该方法可生成二维元素分布图，帮助研究人员在材料科学和生物学领域准确测定化学计量比和空间分布特征。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

我们感谢美国能源部在合同编号 DE-EE0005948 下提供的资助。对纳米级材料中心和先进光子源的使用均得到美国能源部科学办公室基础能源科学办公室的支持，合同编号为 DE-AC02-06CH11357。本研究部分基于美国国家科学基金会（NSF）和美国能源部（DOE）资助的项目（NSF 合同编号 EEC-1041895）。视频编辑由亚利桑那州立大学 VISLAB 完成。本文材料中表达的任何观点、发现、结论或建议均为作者（们）的观点，不一定反映 NSF 或 DOE 的立场。T.N. 受美国国家科学基金会资助的 IGERT-SUN 研究生奖学金（资助编号 1144616）支持。

<ol><li>Geraki, K., Farquharson, M. J., Bradley, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((X-ray+fluorescence+and+energy+dispersive+x-ray+diffraction+for+the+quantification+of+elemental+concentrations+in+breast+tissue%5BTitle%5D)+AND+%22Phys.+Med.+Biol%22%5BJournal%5D)">X-ray fluorescence and energy dispersive x-ray diffraction for the quantification of elemental concentrations in breast tissue.</a> Phys. Med. Biol. 49, 99-110 (2004).</li>
<li>Paunesku, T., Vogt, S., Maser, J., Lai, B., Woloschak, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((X-ray+fluorescence+microprobe+imaging+in+biology+and+medicine%5BTitle%5D)+AND+%22J.+Cell.+Biochem%22%5BJournal%5D)">X-ray fluorescence microprobe imaging in biology and medicine.</a> J. Cell. Biochem. 99 (6), 1489-1502 (2006).</li>
<li>Twining, B. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantifying+Trace+Elements+in+Individual+Aquatic+Protist+Cells+with+a+Synchrotron+X-ray+Fluorescence+Microprobe%5BTitle%5D)+AND+%22Anal.+Chem%22%5BJournal%5D)">Quantifying Trace Elements in Individual Aquatic Protist Cells with a Synchrotron X-ray Fluorescence Microprobe.</a> Anal. Chem. 75 (15), 3806-3816 (2003).</li>
<li>de Jonge, M. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+3D+elemental+microtomography+of+Cylotella+meneghiniana+at+400-nm+resolution%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci%22%5BJournal%5D)">Quantitative 3D elemental microtomography of Cylotella meneghiniana at 400-nm resolution.</a> Proc. Natl. Acad. Sci. 107 (36), 15676-15680 (2010).</li>
<li>Duĉić, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Enhancement+in+statistical+and+image+analysis+for+in+situ+%C2%B5SXRF+studies+of+elemental+distribution+and+co-localization%2C+using+Dioscorea+balcanica%5BTitle%5D)+AND+%22J.+Synchrotron+Rad%22%5BJournal%5D)">Enhancement in statistical and image analysis for in situ µSXRF studies of elemental distribution and co-localization, using Dioscorea balcanica.</a> J. Synchrotron Rad. 20, 339-346 (2013).</li>
<li>Kemner, K. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Elemental+and+Redox+Analysis+of+Single+Bacterial+Cells+by+X-ray+Microbeam+Analysis%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Elemental and Redox Analysis of Single Bacterial Cells by X-ray Microbeam Analysis.</a> Science. 306 (5696), 686-687 (2004).</li>
<li>Bertoni, M. I., et al. <a target="_blank" href="http://pubs.rsc.org/en/content/articlelanding/2011/ee/c1ee02083h/unauth#!divAbstract">Nanoprobe X-ray fluorescence characterization of defects in large-area solar cells.</a> Energy Environ. Sci. 4 (10), 4252-4257 (2011).</li>
<li>Fenning, D. P., et al. <a target="_blank" href="http://aip.scitation.org/doi/abs/10.1063/1.3575583?journalCode=apl">Iron distribution in silicon after solar cell processing: Synchrotron analysis and predictive modeling.</a> Appl. Phys. Lett. 98 (162103), (2011).</li>
<li>Buonassisi, T., et al. <a target="_blank" href="http://aip.scitation.org/doi/abs/10.1063/1.1997274">Quantifying the effect of metal-rich precipitates on minority carrier diffusion length in multicrystalline silicon using synchrotron-based spectrally resolved x-ray beam induced current.</a> Appl. Phys. Lett. 87 (044101), (2005).</li>
<li>Stuckelberger, M. <a target="_blank" href="https://www.cambridge.org/core/journals/journal-of-materials-research/article/engineering-solar-cells-based-on-correlative-xray-microscopy/92322302DC0E494903FC457912ACE9A3">Engineering solar cells based on correlative X-ray microscopy.</a> J. Mat. Res. 32 (10), 1825-1854 (2017).</li>
<li>Streeck, C., et al. <a target="_blank" href="http://aip.scitation.org/doi/abs/10.1063/1.4821267?journalCode=apl">Grazing-incidence x-ray fluorescence analysis for non-destructive determination of In and Ga depth profiles in Cu(In,Ga)Se2 absorber films.</a> Appl. Phys. Lett. 103 (113904), (2013).</li>
<li>Luo, Y., et al. <a target="_blank" href="http://pubs.acs.org/doi/abs/10.1021/acs.chemmater.6b02065">Spatially Heterogeneous Chlorine Incorporation in Organic-Inorganic Perovskite Solar Cells.</a> Chem. Mater. 28, 6536-6543 (2016).</li>
<li>Stuckelberger, M. <a target="_blank" href="http://ieeexplore.ieee.org/abstract/document/7790832/">Charge Collection in Hybrid Perovskite Solar Cells: Relation to the Nanoscale Elemental Distribution.</a> IEEE J. Photovolt. 7 (2), 590-597 (2017).</li>
<li>Vogt, S., Maser, J., Jacobsen, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Data+analysis+for+X-ray+fluorescence+imaging%5BTitle%5D)+AND+%22J.+Phys.+IV+France%22%5BJournal%5D)">Data analysis for X-ray fluorescence imaging.</a> J. Phys. IV France. 104, 617-622 (2003).</li>
<li>Applied X-ray Optics: AXO Dresden. , Available from: 
 <a target="_blank" href="http://axo-dresden.de/mainframe_products.htm">http://axo-dresden.de/mainframe_products.htm</a> (2017).</li>
<li>West, B. M. <a target="_blank" href="http://www.sciencedirect.com/science/article/pii/S2211285516305754">Grain engineering: How nanoscale inhomogeneities can control charge collection in solar cells.</a> Nano Energy. 32, 488-493 (2017).</li>
<li>Krause, M. O. <a target="_blank" href="http://aip.scitation.org/doi/abs/10.1063/1.555594">Atomic Radiative and Radiationless Yields for K and L Shells.</a> J. Phys. Chem. Ref. Data. 8 (2), 307-327 (1979).</li>
<li>Hubbell, J. H., et al. <a target="_blank" href="http://aip.scitation.org/doi/abs/10.1063/1.555955">A Review, Bibliography, and Tabulation of K,L, and Higher Atomic Shell X-Ray Fluorescence Yields.</a> J. Phys. Chem. Ref. Data. 23 (2), 339-364 (1994).</li>
<li>Ravel, B., Newville, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ATHENA%2C+ARTEMIS%2C+HEPHAESTUS%3A+data+analysis+for+X-ray+absorption+spectroscopy+using+IFEFFIT%5BTitle%5D)+AND+%22J.+Synchrotron+Rad%22%5BJournal%5D)">ATHENA, ARTEMIS, HEPHAESTUS: data analysis for X-ray absorption spectroscopy using IFEFFIT.</a> J. Synchrotron Rad. 12, 537-541 (2005).</li>
<li>West, B. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((X-ray+fluorescence+at+nanoscale+resolution+for+multicomponent+layered+structures%3A+a+solar+cell+case+study%5BTitle%5D)+AND+%22J+Synchrotron+Rad%22%5BJournal%5D)">X-ray fluorescence at nanoscale resolution for multicomponent layered structures: a solar cell case study.</a> J Synchrotron Rad. 24, (2017).</li>
<li>De Boer, D. K. G. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1002/xrs.1300190312/abstract">Calculation of X-Ray Fluorescence Intensities from Bulk and Multilayer Samples.</a> X-Ray Spectrom. 19 (3), 145-154 (1990).</li>
<li>Lachance, G. R., Claisse, F. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLachance%2C+GR+%22Quantitative+X-ray+Fluorescence+Analysis%3A+Theory+and+Application%22">Quantitative X-ray Fluorescence Analysis: Theory and Application</a>. , John Wiley & Sons. (1995).</li>
<li>Sokaras, D., Karydas, A. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Secondary+Fluorescence+Enhancement+in+Confocal+X-ray+Microscopy+Analysis%5BTitle%5D)+AND+%22Anal.+Chem%22%5BJournal%5D)">Secondary Fluorescence Enhancement in Confocal X-ray Microscopy Analysis.</a> Anal. Chem. 81 (12), 4946-4954 (2009).</li>
</ol>

作者无任何利益冲突需要披露。

这些图例说明了使用此程序拟合数据的重要性。图1（右）和图2（底部）展示了一个正确拟合后应得到的代表性结果。如果拟合不充分，积分谱图像会明显异常，所得到的定量数据也会存在误差，尽管在大多数情况下这些误差难以察觉。对于某些样品类型，若所用标准不能代表样品中的元素，特别是当样品中完全不含标准中包含的任何元素时，定量将完全依赖于对所有目标元素的信息外推。在这种情况下，尽管通过积分谱分析时拟合结果看似准确，但在定量后所得数值却会明显错误。此时，必须选用一种在成分上更接近样品、且各组分含量已知的标准物质。Twining et al. 的一项研究很好地展示了选择和比较标准物质的过程，该研究在对生物样品进行定量时，使用了NIST标准以及一些合成的标准物质3。通过这种方法，作者能够验证每种标准的适用性，并比较使用不同标准拟合所得到的面密度结果。尤为重要的是，该论文展示了选用合适标准可显著降低误差，反之，使用不恰当标准会对定量结果产生严重影响。
除了拟合与定量分析之外，还可以进行其他校正，以确保准确解读...

基于同步辐射的X射线荧光（XRF）已在多个学科中应用了数十年。例如，在Geraki 等开展的生物学研究中，该技术被用于量化癌变与非癌变乳腺组织中的痕量金属浓度1。更广泛而言，如Paunesku 等所述，定量XRF已被应用于大量涉及细胞和组织中金属浓度的生物学研究2。类似地，研究人员利用该技术分析了海洋原生生物中的痕量元素3,4，甚至观测了植物细胞内微量与大量营养元素的分布情况5。Kemner 等的研究也得益于定量XRF分析，成功识别出单个细菌细胞在形态和元素组成上的显著差异6。此外，就本文所述示例而言，材料科学家在研究太阳能电池器件时，已利用高分辨率XRF分析硅半导体中亚微米级金属杂质的存在7,8，开展元素分布对太阳能器件电学性能影响的关联性研究9,10，以及通过掠入射X射线荧光（GIXRF）识别CIGS薄膜太阳能电池中随深度变化的元素梯度分布11。
许多此类研究不仅利用同步辐射X射线荧光的高分辨率能力来研究元素的空间分布，还需要对数据进行定量分析以得出数值结论。在许多研究中，明确上述空间分布所对应的元素浓度至关重要。例如，Geraki et al. 的研究需要量化铁、铜、锌和钾在癌变与非癌变乳腺组织中的浓度差异，以更好地理解哪些浓度会对人体组织产生危害1。类似地，Luo et al. 的研究利用定量XRF分析，检测了在使用含氯与不含氯前驱体合成的钙钛矿太阳能电池中掺入的微量氯元素12。因此，对于需要获取元素浓度的特定研究而言，准确的定量分析是一个必要且关键的步骤。
通过X射线荧光（XRF）测量对元素浓度进行定量分析的过程，是将荧光强度计数转换为质量浓度（例如 µg/cm2）。原始光谱显示了能量色散荧光探测器在不同能量水平下收集到的光子数量。首先对光谱进行拟合，然后与标准测量结果进行比较，以计算出定量数据。特别是，对荧光光谱的拟合是元素定性分析中的关键第一步。这是因为在拟合之前，计数是根据其能量进行分箱的，当样品中含有两个具有相似荧光跃迁的元素时，这就会成为一个问题。在这种情况下，计数可能被错误地分箱，从而与错误的元素相关联。
为了准确得出样品中各元素相对含量的结论，通常还需要对XRF谱图进行定量分析。若不进行适当的定量处理，将直接比较重元素和轻元素的计数，而忽略探测器接收到的光子数量所受的多种影响因素，包括俘获截面、吸收和荧光概率、荧光光子的衰减，以及元素吸收边与入射能量之间的距离差异。因此，对每幅图谱进行拟合，并将各峰强度与标准样品进行比较（这两个步骤均在下述流程中完成），对于准确量化各元素浓度至关重要。
我们演示如何通过首先拟合一个积分谱（即二维图谱中每个测量点或像素处获取的所有单个谱图的总和谱）将荧光光子的原始计数转换为微克每平方厘米（µg/cm2）的单位。该谱图展示了样品中所含不同元素的相对强度。某一元素吸收边与入射束能量之间的距离会影响其荧光峰的强度。通常情况下，这两个能量越接近，相应元素产生的强度越高，但并非总是如此。参考文献13中的图4展示了甲脒铅碘钙钛矿太阳能电池中主要元素的X射线光子吸收长度随能量的变化关系，而吸收长度与最终的强度直接相关。这表明元素的荧光响应与能量有关，且响应并不随与入射能量距离的增加而持续降低，而是还取决于元素本身的特性。
这种关系导致的结果是，即使某些元素的真实含量相对于激发能远离入射能量的其他元素更低，其元素通道的原始元素浓度仍可能显得更高。因此，在对观测到的元素含量得出结论之前，必须对数据进行拟合，以校正强度对能量的依赖性以及其他因素的影响，例如荧光产额的变化、不同的吸收边、探测器灵敏度以及测量背景等。随后，我们将拟合算法应用于积分谱，用户通过一个文本文件定义需要拟合的元素和参数。
该算法由 Vogt et al. 14 创建，采用感兴趣区域（ROI）滤波方法，通过对特定元素的峰区域进行积分，并结合主成分分析（PCA）实现。首先，通过主成分分析识别出信号非常显著的元素及其峰，从而有效区分真实信号与噪声。接着，对识别出的主成分进行数值量化，这对于解卷积具有相同激发能量的不同元素峰至关重要，例如重叠的 Au Mα 和 P Kα 峰。最后，可通过在指定区域内积分，对数值数据应用 ROI 滤波。
为了将计数与元素浓度关联起来，需要在与待测样品相同的测量条件、几何构型和能量下，测量一个经过良好定量的参考样品（通常称为“标准样品”）。该标准样品通常来自德累斯顿AXO公司或美国国家标准与技术研究院（NIST）。这些标准样品涵盖多种不同元素，并附有表格化的元素分布数据。通过将待测样品在相同测量条件下的测量计数与标准样品的计数进行归一化处理，即可为待测样品的元素定量提供基础。
更具体地说，MAPS通过以下方式识别标准样品中的元素及其浓度：要么基于程序已知的标准信息（例如AXO和NIST标准），要么通过将数据输入单独的文件（当使用其他标准时）。根据这些信息，程序将测量条件下标准元素的实测强度与其在MAPS中预设的预期浓度相关联。然后，程序生成一个缩放因子，用于校正任何偏差，并将该缩放因子外推至所有未包含在标准中的其余元素。该缩放因子包含了测量条件引起的偏差，以及MAPS中提供的将原始计数线性转换为面密度（单位为 µg/cm2）所需的信息。
本文演示如何使用由 S. Vogt 博士开发的 MAPS 程序，对在美国阿贡国家实验室（ANL）具备荧光检测能力的光束线所获取的数据进行定量分析14。演示所用数据来自 ANL 的 2-ID-D 光束线，测量装置如文献10中图1所示。该拟合流程也可应用于其他光束线获取的数据，但需注意，程序中嵌入了 ANL 光束线的某些特性，这些参数需要根据实际情况进行更新。

使用 maps 定量分析 x 射线荧光数据

Quantifying X-Ray Fluorescence Data Using MAPS

通过将原始谱图拟合到已知标准，对X射线荧光（XRF）显微图谱进行定量分析，对于评估材料内部的化学组成和元素分布至关重要。基于同步辐射的XRF已成为多种研究领域中不可或缺的表征技术，尤其得益于其非破坏性及高灵敏度。如今，同步辐射能够在远低于一微米的空间分辨率下获取荧光数据，从而实现对纳米尺度下成分变化的评估。通过准确的定量分析，可以深入、高分辨率地理解元素偏析、化学计量关系以及元素聚集行为。
本文介绍了如何使用美国阿贡国家实验室开发的 MAPS 拟合软件对完整的二维 X 射线荧光（XRF）图谱进行定量分析。我们以在阿贡国家实验室先进光子源 2-ID-D 光束线测得的 Cu(In,Ga)Se2 太阳能电池数据为例，展示了对原始数据进行拟合的标准流程，演示了如何评估拟合质量，并呈现了该程序生成的典型输出结果。此外，本文还讨论了该软件的某些局限性，并提出了进一步校正数据的建议，以确保其数值准确并真实反映空间分辨的元素浓度分布。

正确的拟合结果示例如下图所示。首先，在图1中，对积分谱的不良拟合与良好拟合进行了直接比较。不良拟合可通过以下方式修复：确保没有遗漏元素，例如铜元素在图1（左）中具有明显峰，但在拟合过程中未被包含；同时调整L系和K系谱线的分支比，以提高拟合精度。图2则展示了元素通道在拟合前后的对比。最明显的差异是数值单位从“raw”变为“ug/cm^2”，表明数据已完成定量分析。此外，数值范围应与第4.2节中建议的计算结果预期范围一致。这些数值通常不应降至零，若出现归零情况，则几乎总是表明拟合过程中存在错误。
在拟合前后均可观察到铁和铜的信号通道。除了观察数值变化外，还可以明显看出图像的分辨率得到提升，原始数据中存在的条纹在拟合后已消失。这种分辨率的提高源于拟合过程中对重叠峰的元素所进行的峰解...

本文演示了由美国阿贡国家实验室开发的X射线荧光拟合软件MAPS在荧光显微数据定量分析中的应用。所获得的定量数据有助于理解感兴趣样品中的元素分布及化学计量比。

使用 MAPS 定量分析 X 射线荧光数据

通过将原始光谱拟合到已知标准来定量X射线荧光（XRF）显微图像，对于评估材料内的化学组成和元素分布至关重要。基于同步辐射的XRF已成为多种研究领域中不可或缺的表征技术，尤其因其非破坏性及高灵敏度而备受重视。如今，同步辐射能够在远低于1微米的空间分辨率下获取荧光数据，从而实现对纳米尺度上成分变化的评估。通过适当的定量分析，可深入、高分辨率地理解元素偏析、化学计量关系以及元素聚集行为。本文介绍了如何使用美国阿贡国家实验室开发的MAPS拟合软件对完整的二维XRF图谱进行定量分析。我们以在中国台湾地区阿贡国家实验室先进光子源2-ID-D光束线采集的Cu(In,Ga)Se2太阳能电池数据为例，展示了拟合原始数据的标准流程，演示了如何评估拟合质量，并呈现了该程序生成的典型输出结果。此外，本文还讨论了该软件的某些局限性，并提出了进一步校正数据的建议，以确保数值上的准确性，并真实反映空间分辨的元素浓度。

基于同步辐射的X射线荧光是一种重要的技术，可用于观察来自生物学、化学和材料科学等多个领域样品中的元素偏析、化学计量关系以及元素聚集行为。这些研究获得的信息在未采用适当的定量方法将原始荧光计数转换为元素面质量之前，仅为定性结果。本视频将演示如何使用美国阿贡国家实验室开发的定量分析程序，对二维X射线荧光图谱生成数值信息。要使用 MAPS 程序，首先需要从互联网下载 IDL 软件。目前可以通过访问 IDL 官方网站并创建一个账户来完成此操作。接着，选择“我的账户”，然后点击“下载”，页面将显示所有可下载的程序列表。向下滚动并选择最新版本的 IDL。随后可从阿贡国家实验室网站下载 MAPS。下载并解压 zip 文件夹后，应包含四个文件.Compound。dat、henke、xdr、maps 和 xrf_library.csv。除 maps 外的三个文件应复制并粘贴到名为 lib 的 IDL 子文件夹中。对于 Windows 计算机，该程序很可能位于 Program Files 目录下的 Exelis 文件夹中。通常情况下，从桌面运行拟合程序较为方便，但必须确保文件夹名称和路径中不包含任何空格或特殊字符，否则 MAPS 在尝试运行拟合时将产生错误。如果桌面路径中包含空格，请将文件夹放置在其他位置。例如，直接放在C盘根目录下。为了演示方便，我将拟合文件夹和MAPS.sav图标放在桌面上，以便快速访问。在此文件夹中放置文件 maps_fit_parameters_override.txt 和 maps_settings.txt。这些文件的示例可在支持文档中获取。接下来，创建一个名为 mda 的文件夹，并将选定的高分辨率图谱文件粘贴到该文件夹中，该文件将用于初始拟合。还需添加标准拟合所需的文件，文件数量应根据扇区所使用的探测器单元数量决定，为一个或四个。这些文件代表标准样品。如果使用了 AXO 标准，则文件应命名为 axo_std.mca；否则，如果使用了 NIST 或其他任何标准，则文件名可以为任意以 mca 结尾的名称，因为这些文件将在后续步骤中被选中。对于四象限探测器，标准文件和 fit_parameter 文件应按如下方式命名，从 mca0 到 mca3 以及从 txt0 到 txt3，并包含一个以 txt 结尾的 fit_parameters 文件。接下来，检查地图设置文件，确认其使用了正确数量的探测器单元。在本例的拟合中，使用了一个探测器单元。准备好拟合文件夹后，打开 MAPS 软件，并将目录更改为桌面上刚刚创建的文件夹。然后点击确定并进入配置界面。配置窗口包含多种用于设定拟合参数的功能。首先，选择能够代表测量所用光束线的光束线。如果测量是在阿贡国家实验室进行的，则光束线应直接对应。否则，手稿中会包含有关如何选择的附加信息。接下来选择将要使用的 mda 文件，然后输入测量所用的入射能量。选择开始处理，并等待程序完成。完成后，转到文件，然后选择第一个选项。打开XRF图像平均值或单个元素。程序应已创建一系列新文件夹，因此请选择 img 文件夹，生成的 fit 文件或 h5 文件应位于此文件夹中。选择与图谱对应的文件，然后将左侧第二个下拉菜单更改为归一化（normalization）。在此情况下，数据将以上游离子室（upstream ion chamber，USIC）进行归一化。选择查看方式，多元素视图将生成各个元素通道的图像。单位现为微克每平方厘米，但数值尚不能代表拟合后的实际含量。进行拟合时，可将数据视为来自该图谱中每个像素的所有光谱之和，可通过进入“查看”菜单，选择“绘制积分光谱”来查看。接下来，进入“生成输出”菜单，选择“导出原始积分光谱序列（长格式）”以保存图像。关闭窗口后，进入“工具”菜单，选择“光谱工具”，然后加载光谱。找到刚刚导出到输出文件夹的文件。通常按修改日期对输出文件夹进行排序是查找文件的最快方法，因为每次新的拟合都会更新文件夹中的文件。导出的光谱文件将命名为 intspec，后跟光束线名称和扫描编号，扩展名为 txt。谱图打开后，打开 maps_fit_parameters_override 文件。首先检查探测器单元数量是否正确。接着，在“待拟合元素”行中，包含样品中预期存在的所有元素。请注意，L系谱线元素和M系谱线元素相应地包含后缀_L或_M。此处已知样品中含有铜，但为展示不完整拟合的示例，将排除铜元素。向下滚动，输入相干散射能量的入射能量。然后在接下来的两行中，输入程序用作边界的能量最大值和最小值范围。通常，范围在正负 2 至正负 5 keV 即可。再往下，需确认拟合的能量最大值和最小值应包含所关注元素的能量范围。此外，检查线性探测器元件的编号是否正确，以对应锗或硅探测器。在文件底部，可以更改拟合中所用探测器通道的名称。有关如何更改这些名称的更多信息，本文稿中已进行了更详细的描述。完成修改后，保存文档。然后选择“分析”、“拟合光谱”，此时将弹出一个窗口。在窗口顶部，可设置拟合的能量范围以及用于拟合的迭代次数。更改范围后，选择底部四个按钮中的第三个，程序将执行拟合。在光谱工具窗口中，有一系列下拉菜单可用于可视化不同的曲线。在下拉菜单中，将其中一个设置为“拟合”，其余选项均设置为“无”。在左下角，选择“添加元素”可使用户在谱图中搜索缺失的峰。通过点击加号并逐一查看，可以看出拟合中缺失的峰似乎是铜的 Kα 单峰。对于某些峰，尤其是图像左侧的峰，拟合结果显示包含了正确的元素，但其谱线强度与谱图的实际强度相比仍存在较大偏差。通过增加迭代次数可以改善拟合效果。通常，至少50次迭代足以产生显著差异。现在返回到 fit_parameters 文件，加入铜元素，保存后重新运行拟合，结果显示该峰已得到良好拟合。在搜索所有剩余的缺失元素后，拟合效果看起来良好。在某些情况下，仍存在一些峰未能完全匹配谱线。例如，在 4 keV 处的两个峰对应于铟的 Lg1 至 Lg4 谱线，虽然拟合的元素正确，但拟合结果给出的峰强度高于实际测量值。这种情况最常发生在 L 系谱线元素上。由于 K 系谱线元素在文献中已有列出的峰强度比，而 L 系谱线的峰高比则对入射能量更为敏感。为了改善这些谱线的拟合效果，首先需要在 fit_parameters 文件中为分支比调整添加一条参数设置。这些数值表示相对于文献中L1、L2和L3家族的相对强度，其中L1、L2和L3家族在光谱工具中分别以黄色、粉色和蓝色线条显示。通常情况下，这些数值可保持为1或与文献值相等。相反，每条单独谱线的比值将被调整。在对铟的分支比进行调整之前，需注意铟的L伽马谱线的分支比均被设置为1。通过观察积分谱线，可以明显看出文献值过高。通过估算每种能量下绿色谱线与白色谱线之间的百分比差异，随后调整分支比，保存并重新运行拟合，可以观察到绿色谱线与白色谱线之间的拟合度有明显改善。这个过程通常需要尝试几次，但这是确保拟合准确性的必要步骤。在确定能够产生最佳拟合效果的拟合参数后，再以 10 或 50 K 迭代次数重新运行一次拟合。这是因为每次拟合都会更新平均结果图谱的 fit_parameters_override 文件，而该文件将被实际用于后续的拟合过程。完成最终拟合后，关闭光谱工具窗口。然后将 _input 添加到 maps_fit_parameters 文件中，并将生成的平均文件重命名为 maps_fit_parameters_override.txt。完成此操作后，返回配置窗口并选择光束线。然后勾选使用拟合功能，并将所有需要拟合的 mda 文件复制粘贴到 mda 文件夹中。使用“选择 mda 文件”功能，逐一选中所有需要拟合的文件。入射能量将已在拟合过程中输入。在窗口右侧，使用加号和减号，逐项点击并勾选包含在 fit_parameters 文件中的元素。某些元素未包含在此列表中，例如铟（indium）就不包含在内。为了包含铟元素，需为所有未被拟合的其他元素标记出一个方框。然后在ROI名称类别中，将名称更改为所需元素的名称。接下来，使用任意荧光数据库（例如Hephaestus应用程序），查找该元素主能量线对应的能量值。在此情况下，选择铟的 Lα1 线。继续滚动浏览所有元素，同时选择 S_I、S_E、S_A、TFY 和背景。在左上角，选择“右设置”以保存配置文件，便于将来使用拟合参数设置。此时，如果拟使用 NIST 标准进行拟合，请选择对应 NIST 标准编号 NBS 1832 或 1833 的按钮，然后从上级文件夹中选择该标准的文件名。完成上述操作后，即可开始拟合。因此，请选择开始处理以启动流程。拟合完成后，可通过以下步骤像之前一样查看结果：文件 → 打开XRF图像 → 平均或单元素图像，然后进入查看 → 多元素视图。使用右下角的选择元素检测器，可以更改正在分析的通道。由此显示的数值以微克每平方厘米为单位，数量级与样品预期值相符。用于估算预期值的计算方法已在论文中说明。例如，此处显示的是铜铟镓硒太阳能电池中主要元素——铜、铟和镓的定量数据。由于所使用的入射能量无法对硒元素产生灵敏响应或检测到其峰信号，因此未包含硒元素。根据这些数据，现在可以相互关联样品中各种元素的分布情况，进而得出关于钙钛矿太阳能电池中不同阳离子在器件内的分布方式及其表现出的不均匀程度的结论。此外，通过进入“查看”菜单并选择“绘制积分谱图”，可再次查看每个拟合图谱的拟合光谱。在此应能观察到数据的光谱以白色显示，而拟合结果以彩色显示。这可用于检查所有数据文件的拟合情况，以确保该过程已正确应用于每张图谱。最后，要导出数据，请转到“生成输出”并选择“导出”，生成图谱的合并ASCII文件。这将创建一个Excel文件，其中包含所显示的所有元素的定量荧光数据。如需更改或添加元素，请使用“选择元素检测器”选项。随后可在输出文件夹中找到数据。本视频已逐步讲解如何使用由阿贡国家实验室开发的拟合软件 MAPS 对 X 射线荧光数据进行定量分析。尽管该方法在多种情况下都非常有用，但仍存在许多需要额外考虑的特殊情况和挑战。这些情况将在下文详细描述，同时相关研究正在持续改进，以进一步提高X射线荧光光谱拟合的准确性。然而，该程序能够将定性的高分辨率二维荧光图谱转化为定量的空间分辨元素含量，从而显著提升了从这些测量中可获得的信息量。我们希望本演示有助于您更好地理解X射线荧光显微镜数据定量分析的过程。感谢观看。

quantifying-x-ray-fluorescence-data-using-maps

Research

科研

JoVE Journal

Chemistry

化学

利用地图量化 X 射线荧光数据

通过使用光谱分辨的双光子显微成像系统，获得表达膜受体的细胞的福斯特共振能量转移（FRET）效率的像素级图谱，这些膜受体被认为可形成同源寡聚复合物。根据FRET效率图谱，我们能够估算所研究寡聚复合物的化学计量信息。...

体内 利用光谱分辨双光子显微镜定量分析G蛋白偶联受体相互作用

本方案描述了如何利用全内反射荧光显微镜观察和追踪活细胞表面的单个受体，从而分析受体的侧向流动性、受体复合物的大小，以及可视化瞬时的受体-受体相互作用。该方案可拓展应用于其他膜蛋白。...

高分辨率时空分析受体动力学的单分子荧光显微技术

我们描述了一种非侵入性动物成像平台，可用于检测、定量和监测卵巢癌的生长及复发。这种腹腔内异种移植模型模拟了卵巢癌患者的临床特征。...

用于非侵入性成像检测与监测卵巢癌复发的小鼠模型

本文介绍了一种利用同步辐射X射线荧光技术测定样品中金属元素含量与分布的实验方案。我们以贴壁细胞为重点，描述了用于制备此类样品的化学固定方法。随后，详细说明了如何利用同步辐射X射线对样品进行装载与成像。...

通过化学固定法为X射线荧光成像制备贴壁细胞

本文描述了在扫描透射电子显微镜中使用能量色散X射线断层成像技术，对单个纳米颗粒内元素分布进行三维表征的方法。...

用于单个纳米颗粒三维元素分布的X射线能量色散断层扫描

我们描述了一种用于检测存在的化学元素的方法 原位 在人类细胞中以及它们的 体外 定量分析。该方法适用于任何细胞类型，尤其适用于单细胞水平的定量化学分析。 体外...

原位检测与单细胞定量金属氧化物纳米颗粒的核微探针分析方法

本文介绍了一种结合能量过滤成像与电子断层扫描技术实现三维化学成像的实验方案。研究针对两种由其他成像技术难以区分的元素构成的催化剂载体，对其化学分布进行了分析。每个应用案例均涉及对重叠化学元素——即间隔较近的电离边——的成像...

通过能量过滤透射电子显微镜断层扫描获取三维化学图谱

本文介绍了一种用于电池材料研究的软X射线吸收谱（sXAS）和共振非弹性X射线散射（RIXS）典型实验的实验方案。...

通过软X射线吸收谱和共振非弹性X射线散射实现对电池化学过程的元素敏感性检测

软X射线吸收谱, 共振非弹性X射线散射, 电池化学, 元素敏感性检测, X射线表征技术

我们描述了一种光束线装置，可用于对单晶或粉末样品进行快速的二维X射线荧光和X射线微区衍射成像，可采用劳厄法（多色辐射）或粉末法（单色辐射）进行衍射。所获得的图谱可提供有关应变、取向、相分布以及塑性变形的信息。...

同步辐射X射线微衍射与矿物及岩石样品的荧光成像

本文描述了在同步辐射光束线上进行X射线束感应电流测量的实验装置。该方法揭示了太阳能电池的纳米尺度性能，并扩展了多模态X射线显微技术的应用范围。从电路连接到信噪比优化，本文展示了如何在硬X射线微探针上开展先进的XBIC测量。...

用于太阳能电池多模式X射线显微术的X射线束诱导电流测量

学习使用MAPS软件对同步辐射X射线荧光数据进行定量分析，将原始荧光计数转换为元素面密度。该方法可生成二维元素分布图，帮助研究人员在材料科学和生物学领域准确测定化学计量比和空间分布特征。

使用 MAPS 定量分析 X 射线荧光数据

探索更多视频