1 139 平成23年11月16日 第52回真空に関する連合講演会で発表 1 島根大学生物資源科学部（〒6908504 島根県松江市西川津町 1060) 1 139 ―( )― Vol. 55, No. 4, 2012 第回真空に関する連合講演会プロシーディングス
解
説
飛行時間型二次イオン質量分析（TOF-SIMS）データ解析への
ケモメトリクスの応用
青
柳
里
果
1Application of Chemometrics into Time-of-Flight
Secondary Ion Mass Spectrometry
(TOF-SIMS) Data Analysis
Satoka AOYAGI1
Faculty of Life and Environmental Science, Shimane University, 1060 Nishikawatsu-cho, Matsue, Shimane 6908504, Japan (Received November 11, 2011, Accepted January 25, 2012)
Analysis of time-of-‰ight secondary ion mass spectrometry (SIMS) data is crucial for interpreting extremely intricate TOF-SIMS data of complex samples such as biological tissues and intelligent devices. Combination of imaging analysis and spectrum analy-sis is powerful to extract unknown important components and to identify speciˆc materials. In this article, principles of three important data analysis techniques for TOF-SIMS data, principal component analysis (PCA), multivariate curve resolution (MCR) and G-SIMS, are brie‰y introduced. And, examples of their applications to TOF-SIMS data are also shown and discussed.
. は じ め に 飛行時間型二次イオン質量分析法（TOF-SIMS）は，非 常に高感度な表面分析法として，様々な材料に利用されてき た．近年は，サブミクロンレベルの高い空間分解能を持つこ とから生体試料のケミカルマッピングへの応用などへの期待 が高まっている．しかし，様々な有機・生体分子を含む試料 の TOF-SIMS データでは，異なる分子に起因する複雑なフ ラグメントイオンの発生機構が未解明の場合が多いため，ス ペクトルの解釈が難しいことが多い． そこで，多変量解析17)などケモメトリックス分野でよく 用いられている解析法や，スタティック SIMS に特化した スペクトル解析法である G-SIMS812)などのデータ解析法の TOF-SIMS データへの応用が不可欠となっている．ここで は，多変量解析の中で最も広く用いられている主成分分析法 （PCA）と TOF-SIMS データ解析に特に有用と思われる多 変量スペクトル分離法（MCR），および G-SIMS について 解説する．PCA は，データのおおよその特徴を把握するこ とができる分析手法であり，多くの分野で客観的指標として 応用されている．PCA はある特徴を説明する二次イオンに 関する情報も与えるが，特定の成分に対するスペクトルを与 えるわけではない．一方，MCR は複数の成分の混合スペク トルである TOF-SIMS スペクトルを純粋成分のスペクトル に分離する方法であり，直接スペクトル情報を与えるという 特徴がある．G-SIMS は，各二次イオンがどのようなエネル ギー条件下で発生しやすいか見積もることにより，フラグメ ントの度合いを予測する手法であり，分子イオンや元の分子 構造を保ったフラグメントイオンおよび二次イオン間の関係 を知ることができる． . TOF-SIMS データ解析法について . 多変量解析 多変量解析は多くの変量をもつデータを解析する手法だが， TOF-SIMS データの場合は，変量はスペクトル上の二次イ オンピークである．一般的な測定で TOF-SIMS スペクトル 上には数百から千程度の二次イオンピークが存在し，未知試 料の場合は，どのピークに注目すべきか分からない場合もあ る．そこで，多くのピークを対象として解析し，重要なピー クを見つける必要がある．多変量解析は多数の二次イオン ピークの特徴をつかむことができる手法だが，適切な解析結 果を得るためには，一般に，解析対象とするピークに対して 測定データ数が充分に多い必要がある．PCA の場合は， ピークの数の 3 倍以上のデータがあることが望ましい13)と 言われているが，千のピークに対して 3 倍のデータを測定 し て 得 る の は 困 難 で あ る ． し か し ， TOF-SIMS デ ー タ （rawdata）が持つ情報は，各ピクセルにおけるスペクトル 情報であり，情報の引き出し方によって，スペクトルや二次 イオン像が得られる．そこで，TOF-SIMS の rawdata に着 目し，Fig. 1 に示すように，各ピクセルが持つスペクトル データを解析対象とすると，そのデータの解像度に対応した ピクセル数と同数のデータが存在すると見なすことができ， 大量の二次イオンピークを解析できる．アルバックファイ社 もしくは ION-TOF 社の市販の TOF-SIMS 装置で測定した 場合は，解析対象となる二次イオンピーク全ての二次イオン 像のデータをバイナリーファイル（拡張子が bif もしくは bif6 ） と し て 保 存 す れ ば ， MIA toolbox ( Eigenvector Research Inc., WA）によって各二次イオン強度と位置情報 からなる行列データに変換できる．もしくは，解析対象とな
る各二次イオンに対する各二次イオン像を一枚ずつ，Mat-lab(Mathworks Inc., MA）などで各ピクセルにおける強度
情報として数値データに変換し，各二次イオン強度と位置情 報からなる行列データを構築することも可能である．
2 140
Fig. 1 Analysis of TOF-SIMS raw data using multivariate
analysis (MVA) in terms of scanned images and spectra. Fig. 2 Principles and basic procedures of PCA and MCR.
2 140 ―( )― J. Vac. Soc. Jpn. .. PCA PCA は，元のデータの持つバラツキが最大となる方向に 座標軸を回転させて，その座標軸へ投影した値からなる新し い成分を求める手法である．TOF-SIMS データの場合，各 二次イオンの各試料（イメージングデータを扱う場合は各ピ クセル）における強度からなる行列を X とすると，PCA で は次式に示すように，X を得点行列（score matrix) U と負 荷量行列（loadings matrix) V に分解する．E は誤差などに 基づく残差行列だが，ここではほぼ 0 とみなす． X＝UVT＋E (1) U および V は，X の分散・共分散行列の固有値と固有ベ クトルから一意的に求まる行列である．第一主成分として求 められる成分は，元のデータからもっとも多くの情報を抽出 した成分であり，第二主成分は第一主成分と直行する成分の 中でもっとも多くの情報を抽出した成分である．このように 順番に主成分が抽出されるが，多くの場合，最初の 3～5 程 度の主成分だけで元のデータのほとんどの情報を抽出してし まうため，数個の主成分という新しい変量でデータを解釈で きるようになる．ただし，適切に PCA を実行するために は，データの前処理が一般に不可欠である．PCA では， Fig. 2上部に示すように，もっとも分散が大きくなるよう に軸を回転して，回転させた軸に元のデータの値を投影させ て主成分を得るため，あらかじめ平均が原点を通るように処 理（mean-centering）した上で各データの分散の幅をそろえ るオートスケーリング（auto scaling）すると適切な結果が 得られる場合が多い24)． PCA は，データの概要を示唆する解析法であり，多くの 場合で有用な情報を提供するが，各主成分の示すスペクトル としての物理的意味は不十分な場合が多い．つまり，PCA はある特徴に寄与する二次イオン情報を示唆することはある が，ある成分に対するスペクトルを直接的に与える手法では ない．スペクトル情報を得るためには，後述する MCR の方 が適している． .. MCR MCR は，複数の成分のスペクトルの合成スペクトルから 純成分のスペクトルを抽出する方法である．Fig. 2 下部に示 すように，TOF-SIMS で得られるスペクトルは，各純粋成 分からなるスペクトルの合計と考えられる．したがって， TOF-SIMS スペクトルを分解することにより各純粋成分の スペクトルが分離できるはずである．MCR では，次式のよ うにスペクトルデータの行列 X を純成分の濃度行列 C と純 成分のスペクトル行列 S に分解する． X＝CST＋E (2) MCR では PCA と異なり，C および S は一意的には求ま らず，解は多数存在する．そこで，残差行列をほぼ 0 とみ なして，D＝CSTとおき，いくつかの条件内での最適解を求 めるのが一般的である．条件としては，スペクトル情報であ るため C, S 行列の要素の値は負とはならないこと，分ける 成分の数などが定められる．MCR の計算方法でもっともよ く知られているのが ALS (alternating least square)5)に基づ く方法であり，次の計算過程を繰り返して，古い解から新し い解を求め，ほぼ値が変化しなくなった時点での解を最適解 とする． D＝AB とし，D, A の値を設定 B＝(ATA)－1(ATD)ZA 1＝(DBT)(BBT)－1ZD1＝A1BZ B1＝(AT 1A1)－1(AT1D1)ZA2＝(D1BT1)(B1BT1)－1ZZ MCR では，一般に安定した解を与える解析法であり， データの前処理をしない場合でも適切な結果が得られること が多い．また，スペクトルを直接抽出するため，データに対 して平均値が原点を通る処理（mean centering や auto-scal-ing）をするとピークの一部が負となってしまい適切な解が 得られにくくなることもあるため注意が必要である．TOF-SIMS装 置 の 測 定 の あ い ま い さ が ポ ワ ソ ン 分 布 に 従 う た
め4)，低強度二次イオンピークに重要な成分が存在する可能
性のある複雑な試料の微量成分を解析対象とする場合など は，ポワソンスケーリング（Poisson Scaling: TOF-SIMS の 場合は二次イオン強度の平方根平均を得ればよい）が
TOF-SIMSデータの前処理として有効である．特に，データを 1
ピクセルごとのスペクトルに分離して扱う場合は各ピークの カウント数が小さくなってしまうため，ポワソンスケーリン
3 141 Fig. 3 PCA and MCR results of TOF-SIMS data of PEG.
3 141
―( )― Vol. 55, No. 4, 2012
. G-SIMS
G-SIMS は，E1, E2の二種類のエネルギー（E1＞E2）の一 次イオン源で同一試料を測定したスペクトルの差を外挿する ことにより，実際には測定していない低エネルギー（低い表 面温度）で発生する分子イオンや分子構造を保ったフラグメ ントイオンを予測し，より破壊が進んだフラグメントイオン と区別する手法である．また，親イオンとそのフラグメント イオンなどの二次イオン間の相互関係に関する情報も与える． G-SIMS は，標準試料がない場合や未知試料のスペクトルの 解釈に役立つと考えられている． 二種類のエネルギー E1, E2で測定した同一試料のスペク トルから，低エネルギーと高エネルギーで得たスペクトル強 度の比を得る．この一次イオンエネルギーの違いによるスペ クトル強度比は質量に対して次第に増大する傾向があるた め，この強度比が一定値に近づくように補正した強度比 F を得る．F と m/z の相関をプロットすると，右肩上がりの 平行線が複数観察される．この平行線は，一般に CiHjの分 子イオンから H が減少していくフラグメント化カスケード を表す． 高エネルギーおよび低エネルギー一次イオン源による表面 プラズマ温度をそれぞれ T1, T2とすると，その温度差（T1 －T2＝DT ）を次式のように外挿していくと，実際には測定 していない低温を想定することができる． T＝T1－DT (g-index外挿の程度を決める因子） (3) つまり，破壊性の低い低温で発生する分子イオンや大きな フラグメントイオンから構成される二次イオンスペクトル （G-SIMS スペクトル）を予測することができる．ここで仮 定した表面温度（T1－DT ）での TOF-SIMS スペクトルは， 実際のスペクトルの各二次イオンの強度（Nx）に Fを掛け ることで得られる．これを G-SIMS スペクトルとすると， その強度 Ixは式(4)で求められる．Mxは発生したフラグメ ントの質量であり，高質量になるほど二次イオン強度が減少 する傾向を抑える補正に使われる． G-SIMSスペクトルの強度 Ix＝MxNxF (4) ここで，＝13が分子イオンの検出に有効な数字である場合 が多いと推奨されている8)． 質量300以下を対象とする場合は低エネルギー及び高エネ ルギーの一次イオン源として Bi＋と Mn＋によって，良好な G-SIMS スペクトルが得られるが，それ以上の質量範囲を対 象とする場合は Bi＋ 3 と Bi＋の組み合わせなどがよいとされ ている10)．ただし，質量250付近以下では Bi＋ 3 で得られる有 機物の二次イオン強度が大きく減少する場合があるため，Bi クラスターイオンを用いる場合は，質量250以下は解析対象 とできない場合がある． 実際に G-SIMS に基づいてデータを解析するには，Na-tional Physical Laboratory(NPL, UK）が配布しているエク
セルシートeasygsims. xls14)Excel2000用のテンプレート） に，二種類のエネルギーで同じサンプルを測定したスペクト ル（各 3 データ以上必要）から自動検索で抽出した全ての 二次イオンの強度を入力すればよい．各スペクトルの再現性 が高いことが望まれるため，各一次イオン源で同一サンプル の同一位置でスタティック限界を超えない条件（全測定の合 計のイオンドーズ量が 5×1011ions/cm2以下）で測定する 必要がある．最終的に得られる G-SIMS スペクトルで，g-indexの値を変化させることにより，表面温度と二次イオン の強度の関係が分かる．その二次イオンの強度が最大となる g-index の値（gMax）が大きいほど低温（低エネルギー）で 発生しやすい二次イオンであり，分子イオンや分子構造を保 ったフラグメントイオンである可能性が高い．この原理を利 用して，クロマトグラフのように gMaxと二次イオンの関係 を表して二次イオンを解析する手法は g-ogram11)と呼ばれて いる．また，フラグメントイオンカスケードから同じ系列の 化学構造から発生した二次イオンであるかどうかの判断がで きる． . 解 析 例 . 多変量解析 ～PCA と MCR～ Si 基板上に PEG を塗布した試料の TOF-SIMS データを PCA および MCR で解析し，PEG および Si 基板に対応す る成分を抽出した結果を Fig. 3 に示す．Fig. 3(a)は試料の CCD 像であり，白い部分は PEG が塗布された部分である． 今回の分析では，PCA では PEG 由来の第一主成分（PC1） と由来がはっきりしない第二主成分（PC2）が示された．一 方，MCR では PEG 由来の成分 1 と基板由来の成分 2 が明 確に分離できた．さらに，PCA の場合は，イメージから PEG を表すと示された PC1 の固有ベクトルの要素もしくは 負荷量から，PEG に寄与するピークを選ぶことができる． 一方，MCR の場合は，イメージから PEG 由来と示された 成分 1 のスペクトルが直接得られる． 常に MCR が PCA よりも優れた結果を示すわけではない が，分布情報から標的となる物質もしくは物質群を示す成分 を選び，その成分のスペクトルから二次イオン情報を得る目 的では，一般に MCR の方が適している．ただし，特定の物 質ではなく，複数の物質が関与する性質の情報を得る目的に は PCA の方が有効であると考えられる． MCR を応用すると，たとえば生体組織に添加した薬剤に 含まれる生体分子の分布を生体組織に元々存在するバックグ
4 142
Fig. 4 Relationship between m/z and F, ratio of spectra ob-tained with Bi＋to those with Mn＋.
Fig. 5 Relationship between g-index and secondary ion inten-sity (Bi vs Mn).
Fig. 6 G-ogram result of PEG600/Si (Bi3vs Bi).
4 142 ―( )― J. Vac. Soc. Jpn. ラウンド分布と区別して評価できる可能性もある．また，生 体試料のような複雑な試料において，特定の役割を果たす未 知の生体分子の同定7,1517)も可能となると考えられる． . G-SIMS Si 基板上に PEG を塗布した試料を Bi＋, Mn＋でそれぞれ 測 定 し た TOF-SIMS デ ー タ を G-SIMS で 解 析 し た 結 果 ， PEG の分子イオンや PEG 由来のフラグメントイオンが強調 された G-SIMS スペクトルが得られた12)．また，Fig. 4 に示 すフラグメントカスケードで見られる平行線（図中に点線で 示す）は，水素の脱離によって発生した関係にある二次イオ ンを表す．この情報から，m/z 88は m/z 89[(C2H4O)2H]＋ から H が 1 個脱離して発生した二次イオン[(C2H4O)2]＋と 分かる．しかし平行線上にない m/z 87は，組成式では m/z 88から水素が一つ減った二次イオンだが，異なる化学構造 のフラグメントから発生したものである． G-SIMS でエネルギー差を拡大する指標として用いられる g-index の値が大きいほど低エネルギー（低温）で発生する 二次イオンと考えられる．したがって，Fig. 5 に示すよう に ， そ の 二 次 イ オ ン の 強 度 が 最 も 高 く な る g-index の 値 （gMax）に注目すると，同じ基本構造の二次イオンで比較す る と，m/z 113[(C2H4O)2C2H]＋と m/z 157[(C2H4O)3C2 H]＋ではより高質量の m/z 157の方が g Maxが大きい． さらに，gMaxに基づいてクロマトグラフィーのように各 二次イオンの変化を表す手法（g-ogram)11,17)を用いると， Fig. 6に示すように，水素が付加した PEG 分子イオンは gMaxが 5 以 上 と な り ， Na が 付 加 し た PEG 分 子 イ オ ン は gMaxが 5 以下となった．Na 付加による二次イオン発生機構 が分子イオンや水素付加二次イオンの発生機構と異なるため と考えられる．このように，異なる由来を持つ二次イオンを gMaxに基づいて明確に区別することができた．この手法は 未知分子の分子イオン検索に非常に有効と期待される． . 結 言 近年 TOF-SIMS は生体試料や高機能材料など複雑な試料 への応用が著しく増加しているが，TOF-SIMS スペクトル の解釈の難しさから，得られた情報が必ずしも有効に利用さ れているとは限らない．ここで示したように，多変量解析を はじめとするデータ解析手法を用いることにより，TOF-SIMSデータが潜在的にもつ情報をより多く引き出せること が示されている．データ解析を適用する場合には，データの 前処理や，解析結果の解釈にも注意が必要だが，一般的なプ ロトコールが確立しつつあり18)，今後さらなる発展が期待 されている． 〔文 献〕
1) J. L. S. Lee and I. S. Gilmore: Surface Analysis ( John Wiley & Sons, Ltd., Ed. by J. C. Vickerman and I. S. Gilmore, 2nd Ed., 2009) p. 563.
2) J. L. S. Lee, I. S. Gilmore, I. W. Fletcher and M. P. Seah: Surf. Interface Anal.,41 (2009) 653.
3) B. J. Tyler, G. Rayal and D. G. Castner: Biomaterials, 28 (2008) 2414.
4) M. R. Keenan and P. G. Kotula: Surf. Interface Anal., 36 (2004) 203.
5) J. Jaumot, R. Gargallo, A. de Juan and R. Tauler: Chemometr. Intell. Lab. Syst.,76 (2005) 101.
6) M. S. Wagner and D. G. Castner: Langmuir,17 (2001) 4649. 7) S. Aoyagi, M. Okamoto, N. Kato and M. Kudo: J. Surf. Anal.,
17 (2011) 220.
8) I. S. Gilmore and M. P. Seah: Appl. Surf. Sci.,161 (2000) 465. 9) F. M. Green, E. J. Dell, I. S. Gilmore and M. P. Seah: Int. J.
Mass Spec., 272 (2008) 38.
10) M. P. Seah, F. M. Green and I. S. Gilmore: J. Phys. Chem.,114 (2010) 5351.
5 143
5 143
―( )― Vol. 55, No. 4, 2012
11) R. Ogaki, I. S. Gilmore, M. R. Alexander, F. M. Green, M. C. Davies and J. L. S. Lee: Anal. Chem.,83 (2011) 3627. 12) S. Aoyagi, I. Mihara and M. Kudo: J. Surf. Sci. Soc. Jpn,32
(2011) 337.
13) C. J. Huberty: Applied Discriminant Analysis (Wiley & Sons Inc. NY, 1994).
14) http: / / www.npl.co.uk / nanoscience / surface-nanoanalysis / research / mass-spectrometry-for-surface-and-interface-analysis / g-sims
15) S. Aoyagi, T. Matsuzaki, N. Kato and M. Kudo: J. Surf. Anal., 17 (2011) 346.
16) S. Aoyagi, T. Matsuzaki, M. Takahashi, Y. Sakurai and M. Kudo: Surf. Interface Anal., in press.
17) S. Aoyagi, I. Mihara and M. Kudo: Surf. Interface Anal., in press.
