少到看不見
有時被測物確實在那裡，可量小到儀器沒法把它和背景噪聲區分開。一種污染物，也許只以十億分之幾的水平待在河裡——像一撮鹽撒進一整個泳池。稀釋只會讓事情更糟。你需要的是相反的一招：預富集——刻意把被測物從一大份樣品裡聚攏到一個小得多的最終體積中，讓它的濃度爬到儀器視力閾值之上。
如果你把被測物從一升河水裡截留下來，再釋放到一毫升裡，你就在沒有添加它哪怕一個分子的前提下，把它的濃度提高了一千倍。這恰恰是上一篇裡固相萃取那份隱藏的饋贈：它一個動作裡同時淨化和濃縮。其他途徑也做著同樣的事——慢慢蒸掉溶劑、把水凍成冰析出、或用化學方法把被測物結合到一小團樹脂上。統一的想法很簡單：縮小體積，抬高濃度。
最陰險的問題：基體效應
現在說那個微妙的。假設你有一份漂亮乾淨的液體、一台校準得完美的儀器，可同樣多的被測物，在你的樣品裡給出的讀數，卻與在純水裡不同。元兇是基體效應：隨被測物一同前來的基體，悄悄改變了信號的大小，儘管它本身並不是被測的對象。基體不是在假扮被測物——它是在改變真正的被測物「說話的音量」。
它為什麼這麼危險？因為它隱形。一種額外貢獻自身信號的干擾物，至少還會以「多出來的東西」露面；而基體效應只是把被測物自身的信號整體放大或縮小——比如溶解的鹽讓樣品噴進火焰的效率變低，於是每個讀數都偏低15%。看上去什麼都沒錯。這數字精確、可重複、卻帶偏倚，而這偏倚就藏在一個能通過所有顯而易見檢查的結果裡。
兩種解法：匹配基體，或直接立在樣品上
第一種解法是以火攻火：基體匹配。如果基體會掰彎被測物的信號，那就把你的校準標準配在一個與樣品相像的基體裡——同樣的鹽、同樣的酸、同樣的背景。這樣基體把標準掰彎的幅度，與它把樣品掰彎的幅度相同，兩邊的失真彼此抵消，比較就又公平了。你不再試圖去除基體效應，而是確保它對標準和樣品的打擊是同等的。
可有時基體複雜到你根本無法重建——每個病人的血都略有不同。這時你就用更聰明的那種解法：標準加入法。你不在另一個燒杯裡去校準，而是把已知的額外量被測物，直接加進真實樣品本身的幾份裡，看每加一份「加標」信號上升多少。因為每一次測量都發生在真正的基體裡，基體效應被同等地烤進了它們全部之中，於是你可以通過往回外推，讀出原本的含量。
證明什麼都沒丟：回收率
在那一通消解、萃取、淨化、濃縮之後，一個公道的擔心仍然留著：我一路上有沒有丟掉一些被測物、或又沾上了一些？誠實的檢驗是回收率。你取一份樣品，往裡加入已知量的被測物，再把整套流程從頭到尾跑一遍，然後問：我加進去的那些，找回了多少？這種「加進去再核對」的做法叫加標回收，而加進去的被測物叫加標量。
如果你加進去100個單位、找回98個，那你的回收率是98%——這套流程是忠實的。如果你只找回60個，那就有40%的被測物在某處消失了——黏在了濾紙上、灰化時順著「煙囪」走了、留在了某一層萃取液裡——而那些真實樣品也在偏低讀數。回收率把一份看不見的損失，變成了一個你能看見的數字；而一套在真實樣品旁邊一併跑加標的常規做法，能在一個出毛病的流程發出錯誤結果之前，早早把它揪出來。
整條鏈，老老實實地
退一步，看看整道階梯。一個可信的結果，要穿過一根很長的針：一份代表性樣品，無偏地混合和縮分，保存得沒有變質，溶解時沒丟被測物，淨化時沒把它扔掉，信號微弱時被濃縮，並以一種能抵消基體效應的方式去測量——再由回收率來證明沒有任何東西從縫隙裡溜走。儀器，不過是最後那一小步。
如果說整道階梯只留給你一個習慣，那就是：對「輕易得來的答案」保持懷疑。當一個數字出來時，問：樣品有代表性嗎？保存中有什麼變了嗎？基體會不會在掰彎信號？回收率怎麼說？一個好的分析員，不是擁有最高級儀器的那個——而是那個在儀器還沒開機之前，就一直在追問「哪裡可能出了錯」的人。