1 基本概念
1.1 定义
谱库检索是指将未知样品获得的谱图信号，与已知化合物或样品的标准谱图数据库进行比较，以寻找最相近条目并据此推断样品身份、组成或结构信息的方法。它本质上是一种基于数据相似性的识别手段，常见于质谱、红外、拉曼、紫外-可见等谱学分析场景。
1.2 适用范围
谱库检索适用于具有可重复特征峰、峰形或整体谱型的分析对象，尤其适合成分明确、谱图稳定、标准样本充足的体系。其应用覆盖分析化学、药物鉴定、环境监测、食品检测、材料表征和法庭科学等领域，也常用于未知物初筛与复杂样品的辅助判别。
1.3 核心目标
谱库检索的核心目标并不只是给出一个“匹配结果”，还包括缩小候选范围、提高识别效率、支持后续确认分析，以及在多组分体系中辅助判断主要成分。对于某些场景，它还承担质量控制、异常样本筛查和数据归档的作用。
1.4 与谱图比对的关系
谱图比对是谱库检索的基础环节，强调未知谱图与参考谱图之间的相似性判断；谱库检索则是在比对基础上加入数据库检索、排序、筛选和置信度评估等步骤的完整流程。换言之，比对更偏向单次比较，检索则是面向库内多条记录的系统化查找。
2 工作原理
2.1 谱图采集
谱库检索首先依赖于稳定获取未知样品的谱图。采集过程通常由相应仪器完成，并将样品在特定激发、分离或探测条件下产生的信号转换为可分析的数据。采集质量直接影响后续检索效果，因而对仪器状态、样品制备和操作条件都有一定要求。
2.2 数据预处理
原始谱图往往包含基线漂移、随机噪声、强度差异或分辨率不一致等问题，因此通常需要预处理，以便将未知谱图与数据库标准谱图放在可比较的同一尺度上。
2.2.1 基线校正
基线校正用于消除背景漂移或缓慢变化的底噪，使谱峰更加清晰，便于后续提取真实信号。若不进行该步骤，背景起伏可能被误判为有效特征，降低检索准确性。
2.2.2 去噪与平滑
去噪与平滑主要用于减小随机波动对峰识别的干扰。常见做法包括数字滤波和局部平滑处理，目标是在尽量保留峰位与峰形的前提下提高信噪比。
2.2.3 归一化处理
归一化处理通过统一谱图强度尺度，减少因进样量、检测灵敏度或样品浓度差异带来的影响。该步骤有助于将比较重点放在谱图形状和相对特征上，而非绝对强度。
2.3 特征提取
特征提取是从谱图中提取用于识别的关键信息，如特征峰位置、峰高、峰面积、峰宽、峰比值或整段谱型轮廓。不同分析技术和不同数据库会采用不同的特征表示方式，以适应各自的识别需求。
2.4 相似度计算
完成特征提取后，需要将未知谱图与数据库条目进行量化比较，得到相似度分值或距离值。该步骤是谱库检索的核心，决定了候选结果的排序方式。
2.4.1 相关系数法
相关系数法通过衡量两组数据变化趋势的一致性来评估相似程度。该方法适合用于整体谱型较稳定、峰位与强度对应关系明确的情况，结果通常以数值越高表示越相似。
2.4.2 距离度量法
距离度量法从数学空间的角度衡量两条谱图之间的差异，常见思路包括欧氏距离、曼哈顿距离等。距离越小，表示两者越接近。这类方法便于计算，但对预处理和尺度统一较为敏感。
2.4.3 峰型匹配法
峰型匹配法更强调峰位、峰数、峰宽与峰形是否相符，适合具有明显特征峰的谱图类型。它在判断结构相近物质或局部特征一致性方面较有优势，常与其他指标联合使用。
2.5 结果排序与筛选
检索系统通常会根据相似度分值对候选条目排序，并输出若干优先匹配对象。实际使用中，研究者往往不会只依赖第一名结果，而是结合分值差异、候选集合大小和样品背景进行综合筛选。
3 谱库类型
3.1 按分析手段分类
3.1.1 质谱谱库
质谱谱库收录的是化合物在特定离子化条件下产生的质谱图，常用于小分子鉴定、代谢物筛查和未知物初步识别。此类谱库的特征往往与碎片模式密切相关。
3.1.2 红外谱库
红外谱库主要依据分子振动吸收特征建立，适合判断官能团信息和分子骨架特征。它在有机物鉴定、聚合物分析和材料表征中应用广泛。
3.1.3 拉曼谱库
拉曼谱库记录样品的拉曼散射特征，适合分析分子振动、晶型差异和部分无损检测场景。由于水背景干扰较小，它在液体和生物样品分析中也有一定优势。
3.1.4 紫外-可见谱库
紫外-可见谱库通常包含分子在紫外或可见光区的吸收特征，适用于具有共轭结构或显色基团的物质。该类谱库常作为辅助识别工具，尤其适合快速筛查。
3.2 按应用领域分类
3.2.1 化学物质谱库
化学物质谱库以纯化合物或标准物质为主，强调单一成分的规范记录和可追溯性。它是最基础、也最常见的谱库类型之一。
3.2.2 生物分子谱库
生物分子谱库主要面向氨基酸、肽类、脂类、核酸相关组分等生物化学对象。其特点是谱图复杂度高、变异因素多，因此通常需要较严格的建库条件。
3.2.3 环境样品谱库
环境样品谱库收录污染物、降解产物、颗粒物或环境介质中的目标信号，常用于污染溯源与监测。由于样品基质复杂，这类数据库往往更依赖高质量注释信息。
3.2.4 食品与药物谱库
食品与药物谱库关注食品添加剂、掺假成分、药物原料及其相关杂质。它们在质量控制、真伪鉴别和风险筛查中具有较强实用性。
3.3 按数据来源分类
3.3.1 实验实测谱库
实验实测谱库由实际样品经仪器测得，能够较真实地反映分析条件和仪器响应。其优点是可信度高，但建设成本也相对较大。
3.3.2 理论计算谱库
理论计算谱库基于分子结构和物理模型预测谱图特征，常用于补充难以直接测得的条目。此类谱库有助于扩展覆盖范围，但与真实测量之间可能存在偏差。
3.3.3 混合型谱库
混合型谱库将实测数据与理论数据结合使用，以兼顾真实性和覆盖度。它常用于需要快速扩充条目数量、同时保持一定可靠性的场景。
4 检索流程
4.1 待测样品准备
检索前需要对样品进行合理处理，包括提取、净化、稀释或分离，以降低基质干扰。样品准备是否得当，往往决定后续谱图是否具有可检索性。
4.2 仪器采集与数据导出
样品进入仪器后，按照设定参数完成检测，并将结果导出为可用于分析的软件格式。不同设备的数据结构各异，因此导出环节通常需要统一字段和命名规则。
4.3 数据格式转换
数据库和分析软件之间可能存在格式差异，需要进行数据转换与兼容处理。该步骤包括文件类型转换、坐标统一以及必要的元数据整理。
4.4 建库与索引
谱库在正式使用前需完成条目整理、标签编制和索引建立，以便快速调用。良好的索引结构能够显著提升检索速度，也有助于实现批量查询。
4.5 检索执行
检索执行阶段将未知谱图输入系统，按预设算法与数据库条目逐一或批量比较。系统通常会返回相似度排序、候选名称及相关参数，供使用者进一步判断。
4.6 结果验证
检索得到的候选结果一般还需验证，以避免因相似谱型、杂质干扰或数据库局限而产生误判。
4.6.1 对照标准品
对照标准品是较直接的验证方式，即用已知标准物质在相同或相近条件下复测，并与未知样品结果进行比较。这种方法适合对最终结论进行确认。
4.6.2 多方法交叉验证
多方法交叉验证指结合其他分析手段，如不同谱学技术、色谱分离或化学定性方法，对同一样品进行复核。该方式能够提高结论的稳健性。
5 影响因素
5.1 仪器分辨率
仪器分辨率决定了相邻峰是否能够被清楚区分。分辨率不足时，细微差异可能被合并，从而影响识别精度。
5.2 样品纯度
样品中若含有杂质、溶剂残留或分解产物，谱图往往会出现额外信号，干扰主成分识别。高纯度样品通常更利于准确检索。
5.3 谱图质量
谱图质量包括信噪比、峰形完整性、基线稳定性和重复性等多个方面。质量较差的谱图容易导致匹配分值下降，甚至产生错误候选。
5.4 数据库覆盖度
若数据库条目不足，未知样品即使存在对应物，也可能因缺少参考谱而无法准确命中。覆盖度越高，检索的适用范围通常越广。
5.5 采集条件差异
不同仪器、不同操作参数或不同环境条件下获得的谱图可能存在偏移。采集条件不一致时，标准谱与待测谱之间的可比性会减弱。
5.6 算法参数设置
阈值、权重、平滑系数和排序规则等参数都会影响最终结果。参数设置过严可能漏检，过宽则可能引入过多假阳性，需要根据任务目标进行平衡。
6 常用方法与算法
6.1 传统规则匹配
传统规则匹配主要依据人工设定的判据，如特征峰是否存在、是否满足峰位差范围、某些标志离子是否出现等。这类方法解释性强，适合规则明确的应用场景。
6.2 模式识别方法
模式识别方法将谱图视为特征模式，通过统计分类或聚类思路识别类别归属。与单纯的阈值判断相比，这类方法更适合处理维度较高、结构较复杂的数据。
6.3 机器学习辅助检索
机器学习方法可从已标注谱图中学习特征与类别之间的关系，从而提高检索效率和鲁棒性。它们在大规模数据库、复杂混合样品和弱特征识别中表现较为突出。
6.3.1 支持向量机
支持向量机适合处理中小规模、高维度的谱图特征数据。它通过寻找最优分类边界来区分不同类别，在谱图识别中常作为基线模型使用。
6.3.2 随机森林
随机森林通过构建多棵决策树并进行集成投票，提高了模型稳定性和抗过拟合能力。它对特征的重要性评估也较直观，便于分析关键峰或关键变量。
6.3.3 神经网络
神经网络能够从大量样本中学习更复杂的非线性关系，适合处理高维谱图和多类别识别问题。其效果往往依赖于训练数据规模、标注质量和模型结构设计。
6.4 深度学习谱图识别
深度学习谱图识别通常直接利用原始谱图或其二维表示进行自动特征学习，减少人工特征设计的依赖。随着算力和数据量提升，这类方法在自动分类、候选重排和复杂样品分析中应用逐渐增多。
7 应用领域
7.1 有机化合物鉴定
谱库检索在有机化合物鉴定中常用于确认未知样品的骨架类别、官能团信息或具体化合物名称。对于结构相近的化合物，它可先行提供候选范围，再由进一步分析完成确认。
7.2 药物成分分析
在药物成分分析中，谱库检索可用于原料药识别、制剂成分核查和杂质筛查。它在研发、生产和质量控制环节都具有较高实用价值。
7.3 环境污染物检测
环境监测中常利用谱库检索识别空气、水体或土壤中的目标污染物及其相关转化产物。对未知峰的快速定位，有助于提高筛查效率和监测覆盖率。
7.4 食品质量与真伪鉴别
食品领域中，谱库检索可用于识别掺假成分、判断原料来源差异、验证食品标签信息。它在快速筛查和批量检测中表现尤为便捷。
7.5 法庭科学检验
法庭科学检验强调结果的可解释性和可复核性，谱库检索常用于物证初筛、未知物归类和可疑样本鉴别。其结论通常需要与其他证据链结合使用。
7.6 材料表征
材料分析中，谱库检索可帮助判断聚合物类型、晶体相、表面官能团以及复合材料的组成信息。对于新材料研发和失效分析，它是一种常用的辅助工具。
8 优势与局限
8.1 优势
8.1.1 快速性
谱库检索能够在较短时间内完成大量候选的初筛，适合高通量分析任务。对于需要即时决策的场景，这一特点尤为重要。
8.1.2 自动化程度高
借助软件平台和数据库系统，谱库检索可实现数据导入、比对、排序和报告输出的自动化。这样既减少人工操作，也提升了流程一致性。
8.1.3 可重复性强
在仪器条件和数据处理规范一致的情况下，谱库检索结果通常具有较好的重复性。标准化程度越高，结果稳定性往往越好。
8.2 局限
8.2.1 数据库依赖性强
谱库检索高度依赖数据库内容，若目标物未被收录或记录不完整，检索效果就会受到明显限制。数据库质量直接决定方法上限。
8.2.2 对复杂混合物识别有限
当样品中存在多个组分、强背景干扰或峰重叠严重时，单一谱库检索可能难以准确分辨各成分。此时通常需要分离技术或联合分析手段辅助。
8.2.3 易受噪声与仪器差异影响
不同设备、不同采集条件和不同噪声水平都可能改变谱图外观，使标准谱与待测谱之间出现偏差。若缺乏统一规范，误差会进一步放大。
9 质量控制与标准化
9.1 数据采集标准
数据采集标准包括仪器校准、样品制备、采集参数和环境条件等方面。统一采集规范有助于减少跨批次、跨实验室数据差异。
9.2 谱库建设规范
谱库建设需要对样品来源、测量条件、数据处理流程和条目标注方式进行规范化管理。条目越完整、元数据越充分，后续检索与复核就越可靠。
9.3 置信度评价
置信度评价用于判断检索结果的可信程度，常结合相似度分值、候选间差距、重复测试结果和辅助证据综合评估。它有助于避免将单一分值误当作最终结论。
9.4 结果复核机制
结果复核机制通常包括人工审查、重复检测和交叉方法确认。对于关键样本或高风险样本，复核步骤往往是必要的质量保障环节。
10 发展趋势
10.1 大规模共享谱库
随着数据积累和平台互联，谱库正朝着大规模共享方向发展。更广泛的数据库协作有助于提升覆盖度，也能减少重复建库成本。
10.2 多模态联合检索
多模态联合检索将不同谱学技术、色谱信息或其他表征数据结合起来使用，以弥补单一方法的信息不足。这种方式有望提升复杂样品的识别能力。
10.3 智能化与自动化分析
未来的谱库检索将更加依赖智能算法完成特征学习、候选排序和异常识别，并与实验流程自动联动。其目标是从“结果查询”走向“辅助决策”。
10.4 开放数据与标准互操作
开放数据和标准互操作强调数据格式统一、接口兼容和共享规则明确。随着相关标准逐步完善，不同平台之间的谱库调用和结果交换将更加顺畅。