Part 3 進階延伸／第 12 章（建議先修：Ch4 迴歸、Ch9 模擬法、Ch10 案例③）

進階案例：LC-MS/MS 串聯質譜的不確定度評估 Case ④ LC-MS/MS — Matrix Effects, SIL-IS & Weighted Calibration

同一片茶葉，萃取液直接打 LC-MS/MS 訊號掉一半；同位素內標一下去，數據立刻變穩。兩百萬的儀器也要靠統計觀念才玩得轉。

🔑 課前暖身為什麼兩百萬的儀器也會被騙？因為樣品裡的油脂、鹽類會「搶走」儀器的電離能量——這叫基質效應。解法很聰明：請一個化學雙胞胎（同位素內標）一起被欺負，用比值校正就抵銷了。
本章新詞先認識：基質效應＝樣品背景對訊號的干擾；SIL-IS＝同位素標記的雙胞胎內標；1/x 加權＝痕量分析必備的迴歸修正；離子比＝定性的身分證檢查。
名詞卡住了？回 Ch0 名詞圖鑑查白話解釋與比喻。

學習目標

說出 LC-MS/MS 有別於 HPLC-UV/GC 的關鍵不確定度來源：基質效應
會設計並計算 Matuszewski 三組實驗（ME%、RE%、PE%）
理解同位素內標（SIL-IS）如何補償基質效應，殘餘不確定度如何計入
知道痕量分析為何要用 1/x 加權校正，並會用 Monte Carlo 求反推濃度的區間
完成氯黴素在蝦仁的完整預算與限量符合性判定

🧪 情境以電噴灑電離（ESI）LC-MS/MS（三重四極柱，MRM 模式）測定蝦仁中氯黴素 （chloramphenicol，禁藥，管制界限 MRPL = 0.3 μg/kg）。痕量層級 + 複雜基質 —— 這是 LC-MS/MS 的主場，也是不確定度評估最挑戰的戰場。

12.1 LC-MS/MS 有什麼不一樣？

議題	HPLC-UV / GC-FID（Ch10 案例③）	LC-MS/MS（本章）
基質效應	小（偵測器對基質不敏感）	主角：ESI 電離被共同析出物壓制/增強，隨基質與滯留時間變化
濃度層級	mg/kg 級	μg/kg 級（痕量）→ 相對變異大、異質變異
校正策略	溶劑校正即可	同位素內標 + 基質匹配校正（或標準添加）
定性確認	滯留時間	兩支以上離子對 + 離子比 ±30%（SANTE 準則）

⚡ 核心觀念 LC-MS/MS 的質譜偵測器「看見」的是被電離的分子。基質中的油脂、鹽類、共析出物會搶走電離能量 → 同濃度的分析物訊號被壓制（或增強）。不處理基質效應，校正線本身就是偏倚的來源。

12.2 Matuszewski 三組實驗：把基質效應量化

教科書級的診斷實驗（Matuszewski et al. 2003）：配三組校正線，比較斜率：

📄 原始文獻 Matuszewski, B. K.; Constanzer, M. L.; Chavez-Eng, C. M. "Strategies for the Assessment of Matrix Effect in Quantitative Bioanalytical Methods Based on HPLC−MS/MS." Analytical Chemistry 2003, 75 (13), 3019–3030. DOI: 10.1021/ac020361s

組別	做法	斜率含義
A 溶液標準	標準品溶於移動相	理想電離效率
B 萃取後添加	空白基質先萃取，再添加標準品	純「電離」表現
C 添加後萃取	先添加再萃取（像真樣品）	電離 + 萃取損失

ME% = (斜率_B/斜率_A − 1) × 100 = (38400/45200 − 1)×100 = −15.0%（離子壓制）

RE% = (斜率_C/斜率_B − 1) × 100 = (34600/38400 − 1)×100 = −9.9%（萃取回收）

PE% = (斜率_C/斜率_A − 1) × 100 = −23.5%（整體流程效率）

同位素內標（SIL-IS）：LC-MS/MS 的護身符

加入穩定同位素標記內標（如氯黴素-d5）——它與分析物化學性質幾乎相同、滯留時間相同、同時電離，所以基質壓制對兩者一視同仁。用「分析物面積 ÷ 內標面積」的比值做校正線，基質效應大幅抵銷：

圖 12-1 左：Matuszewski 三條校正線（斜率遞減＝壓制）；右：氯黴素案例的變異數占比

加入 SIL-IS 後重跑三組實驗（面積比斜率）：ME% 從 −15.0% 縮到 −3.9%、RE% 到 −0.8%。殘餘的基質效應變異（本例估 0.08）計入預算。

12.3 1/x 加權校正：痕量級的必備技巧

痕量分析的量測 SD 常與濃度成正比（相對誤差固定，0.02 μg/kg 處的絕對噪訊遠小於 0.5 處）。普通最小平方（OLS）假設變異固定，會讓高濃度點主宰迴歸 → 低濃度反推嚴重偏倚。

解法：1/x 加權（SANTE/多數法規指引標準做法）。實測對照（本課程模擬數據）：

名義濃度 (μg/kg)	0.02	0.05	0.10	0.20	0.50
OLS 回算誤差 %	+14.3	+6.3	−2.6	−2.9	+0.5
1/x 加權回算誤差 %	+2.5	+2.5	−3.8	−2.8	+1.5

低濃度端誤差從 +14.3% 壓到 +2.5% —— 對限量 0.3 μg/kg 的氯黴素，這 12 個百分點就是判定生死。

🔗 串聯第 9 章的技巧加權迴歸的反推區間用偏微分公式很繁瑣（QUAM E.4 加權版）。我們直接用 Monte Carlo：按「變異數 ∝ 濃度」重新模擬 5000 條校正線 → 每條反推一次未知樣品 → 直接讀取 2.5%/97.5% 分位數。本例得 95% 區間 [0.019, 0.023] μg/kg。

12.4 完整預算：氯黴素在蝦仁

量測模型（內部驗證法，同 Ch10 案例③的邏輯）： w = (儀器讀值 / Rec) × F_hom，儀器讀值已含 SIL-IS 同位素稀釋校正。

成分	相對標準不確定度	來源與估法
中間精密度	0.22	驗證期不同天/人/校正週期的樣品數據（SANTE 風格）
樣品均勻性	0.15	痕量污染物在蝦肉組織的分布（最壞情境模型）
校正＋基質殘餘	0.08	SIL-IS＋基質匹配校正後的殘餘基質效應
回收率偏倚	0.06	加標回收平均 90%，平均值的標準誤＋顯著性

u_c(w)/w = \(\sqrt{(0.22² + 0.15² + 0.08² + 0.06²)}\) = 0.28

儀器讀值 0.19 μg/kg → 回收率修正 w = 0.19/0.90 = 0.21 μg/kg

U = 2 × 0.28 × 0.21 = 0.12 → 報告 (0.21 ± 0.12) μg/kg（k=2） 變異數占比：中間精密度 60% > 均勻性 28% ≫ 校正 8% ≫ 回收率 4%

12.5 符合性判定與「決策支持」

MRPL = 0.3 μg/kg：0.21 + 0.12 = 0.33 > 0.3、0.21 − 0.12 = 0.09 < 0.3 → 灰色地帶（情境 iii，第 8 章）。此時 Monte Carlo 可以給管理層更細的資訊：

P(真值 > 0.3) ≈ 7% 以 N(0.21, 0.06) 模擬 20 萬次：約 7% 的機率真值超過管制界限——「可能超標但證據不充分」

📋 SANTE 定性確認（定量之前的事）離子比：樣品 0.85 vs 標準 0.95，容許差 ±30%（相對）→ [0.665, 1.235] ✓ 合格；滯留時間差 0.02 min < 0.1 min ✓。定性「確認」成立後，定量不確定度才登場。兩者一起構成完整的「檢出且定量」報告。

# ====== 案例(4) LC-MS/MS 氯黴素 (完整腳本，下載後可執行) ======
# --- Part A. Matuszewski 基質效應 ---
slope_solvent <- 45200; slope_post <- 38400; slope_pre <- 34600
ME <- slope_post/slope_solvent - 1     #> -0.150 (離子壓制)
RE <- slope_pre /slope_post    - 1     #> -0.099 (萃取回收)
PE <- slope_pre /slope_solvent - 1     #> -0.235

# 加入 SIL-IS (面積比校正) 後：
s_sol <- 1.020; s_post <- 0.980; s_pre <- 0.972
round(c(ME_IS = s_post/s_sol - 1, RE_IS = s_pre/s_post - 1), 3)
#> ME_IS=-0.039  RE_IS=-0.008  (基質效應被抵銷!)

# --- Part B. 1/x 加權校正 vs OLS ---
conc  <- c(0.02, 0.05, 0.10, 0.20, 0.50)
set.seed(11)
ratio <- 0.001 + 2*conc + rnorm(5, 0, sqrt(4e-4*conc))  # 比例誤差
fit_ols <- lm(ratio ~ conc)
fit_w   <- lm(ratio ~ conc, weights = 1/conc)
backcalc <- function(fit, y) (y - coef(fit)[1]) / coef(fit)[2]
round((backcalc(fit_ols, ratio)/conc - 1)*100, 1)
#> 低濃度 0.02 處 OLS 偏到 +14.3%
round((backcalc(fit_w,   ratio)/conc - 1)*100, 1)
#> 1/x 加權只剩 +2.5%!

# Monte Carlo 求反推濃度的 95% 區間 (變異數與濃度成正比)
y_obs <- 0.0405
set.seed(1); N <- 5000
x_mc <- replicate(N, {
  y_star <- fitted(fit_w) + rnorm(5, 0, sqrt(4e-4*conc))
  bw <- lm(y_star ~ conc, weights = 1/conc)
  backcalc(bw, y_obs)
})
round(quantile(x_mc, c(.025,.975)), 3)   #> 0.019 ~ 0.023

# --- Part C. 預算 (內部驗證法) ---
rel <- c(precision = 0.22, cal_matrix = 0.08,
         recovery = 0.06, homogeneity = 0.15)
rel_uc <- sqrt(sum(rel^2))               #> 0.284
result <- 0.19 / 0.90                    #> 0.211 (回收率修正)
U <- 2 * rel_uc * result
sprintf("氯黴素 = (%.2f ± %.2f) ug/kg (k=2)", result, U)
#> "氯黴素 = (0.21 ± 0.12) ug/kg (k=2)"

# --- Part D. 符合性 + 決策支持 ---
MRL <- 0.3
result + U > MRL & result - U < MRL      #> TRUE (灰色地帶)
set.seed(2)
mean(rnorm(200000, result, rel_uc*result) > MRL)
#> 0.069  -> 真值超過限量的機率約 7%

# --- 附：SANTE 離子比確認 ---
ion_s <- 0.85; ion_std <- 0.95
abs(ion_s - ion_std) <= 0.30 * ion_std   #> TRUE (定性確認成立)

R Console輸出 output

 ME_IS  RE_IS 
-0.039 -0.008 
[1] 14.3  6.3 -2.6 -2.9  0.5
[1]  2.5  2.5 -3.8 -2.8  1.5
 2.5% 97.5% 
0.019 0.023 
[1] "氯黴素 = (0.21 ± 0.12) ug/kg (k=2)"
[1] TRUE
[1] 0.069185
[1] TRUE

🎯 LC-MS/MS 案例的行動清單 ① 新方法先跑 Matuszewski 三組實驗，量化基質效應
② 痕量目標物一律上 SIL-IS（沒有同位素內標時，改基質匹配校正或標準添加法，並放大校正項的 u）
③ 校正一律 1/x 加權，並檢查低濃度回算偏倚（back-calculation table）
④ 預算老大仍是中間精密度——長期 QC 數據是唯一正解
⑤ 灰色地帶時，用 Monte Carlo 給「超標機率」，讓決策有數字可依

📊 Excel 也會算：基質效應與離子比

📊 沒有 R 也能動手

⬇ 下載本章 Excel 活頁簿數據、公式、白話說明都排好了，打開就能算；改黃色儲存格試試看，最後一張工作表會幫你和 R 的答案對照。

LC-MS/MS 的診斷指標都是「斜率比值」，用 SLOPE 配兩欄數據即可：

指標	Excel 公式	說明
斜率 A（溶液）	`=SLOPE(y_A, x)`	45200
斜率 B（萃取後添加）	`=SLOPE(y_B, x)`	38400
基質效應 ME%	`=(B/A−1)*100`	→ −15.0%（壓制）
回收率 RE%	`=(C/B)*100`	萃取損失
離子比	`=定性離子峰面積/定量離子峰面積`	需落在參考值 ±30%

1/x 加權迴歸 Excel 沒有內建按鈕，但用一欄權重加 SUMPRODUCT 就能算（本章 Excel 活頁簿的「加權迴歸」工作表有完整做法）；例行的痕量分析仍建議用 R（本章示範）或儀器軟體。

12.6 參考文獻

Matuszewski, B. K.; Constanzer, M. L.; Chavez-Eng, C. M. Strategies for the Assessment of Matrix Effect in Quantitative Bioanalytical Methods Based on HPLC−MS/MS. Anal. Chem. 2003, 75 (13), 3019–3030. https://doi.org/10.1021/ac020361s
Ellison, S. L. R.; Williams, A. (eds.) Eurachem/CITAC Guide CG 4: Quantifying Uncertainty in Analytical Measurement, 3rd ed., QUAM:2012.P1. www.eurachem.org
Smith, J. S. Evaluation of Analytical Data. In Nielsen’s Food Analysis, 6th ed.; Ismail, B. P., Nielsen, S. S., Eds.; Springer, 2024; Chapter 4.
European Commission, SANTE/11312/2021: Analytical Quality Control and Method Validation Procedures for Pesticide Residues（離子比 ±30%、滯留時間容許差之依據）.