本文来自微信公众号：X-MOLNews
数据处理在分析化学领域起到了至关重要的作用。在早期计算机还不是很普及的时代，人们常采用标准方法、标准加入法和双倒数作图等方法在方格纸上绘制线性工作曲线。将工作曲线拟合成线性具有诸多优势，不仅便于肉眼直接观察分析物浓度与响应信号的关系，还可以通过外推法等获取实验中无法实现的重要理论数据。然而，近年来，在实际数据处理过程中，很多人都有这样的疑惑：工作曲线拟合采用线性还是对数？目前对数作图使用非常普遍，这是由于对数方式的线性相关系数（R2）基本符合数学要求，往往还会带来更宽的线性检测范围，但是对数拟合背后的其他科学逻辑讨论较少。值得注意的是，工作曲线的本质是利用有限的已知实验数据去预测未知的大量数据，那么数据处理假如仅仅在数学形式上满足拟合条件，就可能具有一定的风险。东南大学张袁健教授课题重新审视了工作曲线的隐含前提条件：预测的数据需客观存在和符合理论，即一个可信赖的工作曲线拟合，应该符合分析物浓度与响应值背后的信号转换机制（图1），而不是仅仅关注数学统计的效果。
图1. 分析物浓度与响应值之间的信号转换机制示意图。图片来源：Anal. Chem.几组典型的化学/生物传感实验表明，通过检测信号与待测物浓度间的速率方程决定线性、对数或者非线性拟合是一个可行的解决方案。例如，发现对复杂生物传感体系进行合理的非线性拟合，不仅可以提高分析结果的质量，也可以推动新的分析新理论的发展。因此，重新审视工作曲线的本质和前提条件，充分利用不断进步的科研工具（如计算机辅助等），可以帮助人们获取更可靠的工作曲线。相关内容近期以Perspective论文的形式发表在Analytical Chemistry 上，东南大学博士研究生洪卿为第一作者，张袁健教授为通讯作者。Re-Examination of Plotting Analytical Response against Different Forms of ConcentrationQing Hong, Yanfei Shen, Songqin Liu, and Yuanjian Zhang*Anal. Chem., 2021, 93, 11910–11914. DOI: 10.1021/acs.analchem.1c02683
张袁健教授简介张袁健，1998年-2007年在南京大学基础学科教学强化部和中国科学院长春应用化学研究所学习，获学士和博士学位，2008年起先后在德国马普胶体界面研究所和日本国立物质材料研究所国际青年科学家中心从事科研任博士后和ICYS Researcher，2012年起受聘于东南大学化学化工学院，任教授、博士生导师，先后入选国家青年海外高层次人才计划和国家“万人计划”科技创新领军人才。长期从事基于富碳材料的分子传感研究，已在J. Am. Chem. Soc.、Angew. Chem. Int. Ed.、Chem、Nat. Commun.、CCS Chem.、Anal. Chem.等期刊发表论文100余篇。研究成果受到国内外同行的广泛关注，所发表论文被引用13000余次，H-index 55。张袁健https://www.x-mol.com/university/faculty/19298课题组主页https://carbosensing.group
