动态表面增强拉曼光谱在敌瘟磷快速定量分析中的应用

动态表面增强拉曼光谱是在干态与湿态表面增强拉曼光谱(SERS)检测的基础上发展而来的,不仅具有极好的信号增强,还具有良好的重复性与稳定性。提出了一种基于动态SERS与多元分析方法的敌瘟磷快速定量分析方法。实验中,首先测量100,50,10,5,1,0.5和0.1 mg·L-1敌瘟磷动态SERS谱图,并使用多项式校正方法去除光谱基线漂移。然后,处理后的全范围(600~1 800 cm-1)与特征范围(674~713,890~1 195,1 341~1 399和1 549~1 612 cm-1)光谱分别利用支持向量机回归(SVR)构建定量模型,实现对敌瘟磷的定量分析。同时,实验还评估了主成分分析(PCA)对定量分析结果的影响。实验结果表明特征范围光谱所建立的模型预测误差较小,而数据经过PCA处理后预测误差得到进一步下降。最优回归模型是由特征范围光谱经PCA处理后所构建的模型(RMSECV=0.065 7 mg·L-1),模型能够准确地预测敌瘟磷溶液浓度。为了测试实际检测中的效果,该方法被用来对苹果表面的敌瘟磷残留进行检测,并通过气相色谱法进行验证。结果表明该方法对于同一样本多次检测值波动较小,且检测均值与气相色谱检测值相差较小,相对误差最大仅为5.13%。此外,动态SERS检测可在2 min内完成,且后续数据处理也可在数秒内完成,同时整个过程的试剂消耗仅在2 μL左右。因此,所提出的方法在敌瘟磷快速准确检测具有极大优势。     

脐橙表皮两种混合农药残留的表面增强拉曼光谱定量检测

针对水果生产中的农药残留问题,利用表面增强拉曼光谱技术(SERS),把害虫防治使用较多的有机磷农药亚胺硫磷与毒死蜱作为研究对象,探索性研究了将金胶用作增强基底检测以脐橙为载体的混合农药残留快速检测。采集混合农药样品的SERS光谱,通过对比农药的特征峰可以对混合农药进行定性分析。同时利用化学计量学方法,建立混合农药的定量数学模型,并通过对比不同的预处理方法和建模波段对混合农药样品拉曼光谱的处理结果,选择出最优预处理方法与算法的组合。在拉曼光谱范围200～2 300 cm-1内,利用PLS算法处理经一阶微分预处理后的光谱数据,建立的脐橙表皮混合农药残留回归模型效果较好,预测相关系数(R_p)为0.912,预测均方根误差(RMSEP)为3.601 mg·L-1。经过波段筛选后并对光谱处理结果对比,发现光谱在200～620,830～1 040及1 250～2 300 cm-1范围内,利用PLS算法处理经一阶微分预处理后的光谱数据,建立的回归模型效果较好,R_p为0.909,RMSEP为3.338 mg·L-1。研究表明使用SERS技术,可以对脐橙表皮上残留的混合农药进行定性与定量的分析。     

近红外透射光谱法检测三组分食用调和油含量的研究

以大豆油、花生油和玉米油三组分食用调和油为研究对象,采集样品在10 000～4 200 cm-1范围内的近红外透射光谱,对光谱进行不同预处理后结合偏最小二乘法分别建立调和油中三组分的定量分析模型,并检验模型预测的准确度和精密度。结果显示,一阶导数结合多元散射校正(FD+MSC),一阶导数结合减去一条直线(FD+SLS)以及一阶导数(FD)进行光谱预处理,可以得到大豆油、花生油以及玉米油含量的最优定标模型,分别是在5 450.1～4 597.7 cm-1,7 521.3～6 098.1 cm-1和9 993.7～7 498.2 cm-1谱区范围内获得的。各预测模型的相关系数R2和预测均方根RMSEP分别为99.89%,1.09%;99.88%,1.17%;99.76%,1.48%;配对t检验值在0.371 9～0.007 9之间;预测相对标准偏差RSD均小于1.50%。表明傅里叶变换近红外透射光谱分析技术可以快速准确可靠地检测三组分食用调和油中大豆油、花生油、玉米油的含量。     

表面增强拉曼光谱准确检测玉米中杀螟硫磷农药残留

杀螟硫磷是一种在农作物上广泛使用的有机磷杀虫剂,常用于玉米上害虫的防治。过量或者不合理施用导致的残留积累关系到食品安全和人体健康。常规检测杀螟硫磷的方法有气相色谱-质谱法、高效液相色谱法,其准确性虽好,但存在需要专业人员介入、样品前处理复杂、检测时间长等缺点。表面增强拉曼光谱(SERS)法具有分析速度快、检测灵敏度高和特异性好等优点,被广泛应用于农产品中痕量残留的快速检测。利用表面增强拉曼光谱结合化学计量学方法实现玉米中杀螟硫磷残留的准确检测。以两步种子生长法合成的纳米金棒作为拉曼增强基底,测量600～1 800 cm-1范围内的拉曼光谱。对比杀螟硫磷乙醇溶液和金棒的光谱,确定杀螟硫磷的特征峰在650,830,1 082,1 241,1 344和1 581 cm-1处。采用简单预处理方法快速提取玉米中的杀螟硫磷残留。将受污染的玉米样品粉碎后,利用乙醇溶剂对残留进行两次提取,每次获取的提取液经离心获得上清液,将上清液合并混匀,在水浴中蒸发浓缩,浓缩后的上清液用于采集SERS光谱。每个浓度制备50个平行样本。各浓度残留提取液中的残留参考值采用色质联用方法测定。对比残留提取液的光谱,1 082,1 241和1 581 cm-1处特征峰强度随残留浓度的降低而迅速变弱甚至消失,650,830和1 344 cm-1处的特征峰直至残留浓度为0.48 μg·mL-1时依然可见。当浓度低至0.37 μg·mL-1时,所测光谱与空白提取液光谱相似。采用主成分分析(PCA)提取不同浓度杀螟硫磷残留光谱的主体信息,其中残留为0.37 μg·mL-1和空白提取液光谱的主成分得分重叠,进而判断SERS方法对玉米中杀螟硫磷残留的检测限可达到0.48 μg·mL-1,低于国家规定的农作物中最大残留限,体现出SERS检测的高灵敏性。选取浓度为14.25 μg·mL-1的50个样本分析其650,830和1344 cm-1处的特征峰强度变化可知,所采集的光谱呈现出较好的重复性,相对标准偏差(RSD)值仅为3.12%。对杀螟硫磷残留的定量分析采用支持向量机回归(SVR)实现,Savitzky-Golay卷积平滑和小波变换(WT)用于本次光谱数据的预处理。校正集和预测集样本的划分采用Kennard-Stone算法实现,模型的性能采用校正均方根误差(RMSEC)、校正集决定系数(R2_c)、预测均方根误差(RMSEP)和预测集决定系数(R2_p)评估。最优模型为SVR结合WT所构建的,具有最小的预测误差,其中校正集的RMSEC=0.103 2 μg·mL-1,R2_ｃ=0.999 74,预测集的RMSEP=0.134 1 μg·mL-1,R2_p=0.999 60。同时,最优模型的预测值与色质联用法所测值基本一致,其预测回收率为95.31%～100.66%。以上表明,SERS结合化学计量学方法检测玉米中杀螟硫磷残留是准确可行的,且有望推广到农作物中多种农药残留的检测,为农产品的安全检测提供一种新思路。     

农药二嗪农的表面增强拉曼光谱研究及定量分析

本研究采集了甲醇中二嗪农溶液在银胶中的表面增强拉曼光谱,解析了其光谱内容,并对甲醇中含不同梯度浓度二嗪农样本溶液进行定量探索。结果表明,农药二嗪农在430cm-1,561cm-1,602cm-1,816cm-1,893cm-1,1125cm-1,1275cm-1,1309cm-1,1372cm-1处有明显的表面增强拉曼特征峰,其中561cm-1,602cm-1,816cm-1三处的特征峰可以用于农药二嗪农的定性分析,检出限为0.006mg/mL。在此基础上,利用偏最小二乘法(PLS)和主成分回归法(PCR)建立了甲醇中二嗪农溶液的定量分析数学模型,对校正集和预测集进行了定量分析。其中,基于偏最小二乘法(PLS)的校正模型分析结果为:相关系数R2为0.99926,RMSEC为0.0120,预测集RMSEP为0.0419;基于主成分回归法(PCR)的数学模型分析结果为:校正集相关系数R2为0.99970,RMSEC为0.0260,预测集RMSEP为0.0388。结果表明,共焦显微光谱仪结合表面增强拉曼散射(SERS)技术检测农药二嗪农含量准确性较高,可用于农药二嗪农的定性及定量检测。     

棉籽油分含量近红外无损检测分析模型与应用

棉花是一种重要的油料作物。建立快速、无损检测棉花种子含油量的方法,对于棉花油分育种工作中的材料鉴定、筛选具有重要意义。利用近红外光谱仪采集118份不同油分含量棉花种籽的近红外漫反射光谱,结合化学方法测定验证,建立了棉籽油分含量快速无损检测的近红外模型。光谱预处理方法采用一阶导数＋多元散射校正(MSC),光谱范围5 446～8 848 cm-1,主成分维数为5,以基本覆盖陆地棉棉籽含油量范围的106份试验材料为校正样品集,利用偏最小二乘法(PLS)建立了棉籽仁油分含量近红外反射光谱(NIR)校正模型。校正模型决定系数R2=0.975,校正标准差SEC=0.67。用外部验证样品集进行外部验证,对所建模型的实际预测能力进行检验。结果表明,油分含量预测值与化学值相关系数r=0.978,预测结果误差范围0.1%～1.7%,建立的模型具有很好的预测性。利用建立的模型对784份育种材料进行了油分含量预测,结果显示,该模型应用可以加快棉花育种材料的油分鉴定。     

用近红外漫反射光谱无损检测血糖的初步研究

利用近红外漫反射光谱技术研究了无损定量监测血糖的方法。使用BRUKERVECTOR 2 2傅里叶变换光谱仪和GRACEⅡ型血糖仪对一组健康自愿受试者 (两名年轻男子和两名年轻女子 )测试后 ,获得了不同的状态条件下 2 6个样本的光谱及其血糖值 ,选择一部分有代表性的样本作为建立模型使用 ,而被预测的样本来自不参加建模的数据。选择不同的谱区、预处理方法对数据进行处理得到以下结果 :1)谱区选在 90 0 0～12 0 0 0cm- 1 选择MIN MAX归一化预处理方法建模、预测 ,预测结果差值在 36mg·dL- 1 以上 ,选择平滑和二阶导数 ,则建模结果≤ 16mg·dL- 1 ,预测结果≤ 2 5mg·dL- 1 ;另选谱区 4 0 0 0～ 5 0 0 0cm- 1 ,选择平滑和一阶导数 ,建模与预测结果的差值在 2 5mg·dL- 1 以上。 2 )选择 4 0 0 0～ 90 0 0cm- 1 谱区 ,经平滑和二阶导数处理并在此区建模并预测 ,其中建模中预测差值≤ 15mg·dL- 1 ,预测≤ 31mg·dL- 1 ;由OPU 3 0 1自动挑选的谱区6 0 0 0～ 75 0 0cm- 1 和 4 2 0 0～ 4 70 0cm- 1 ,采用平滑、一阶导数和矢量归一化在此区建模和预测 ,其中建模中预测差值≤ 11mg·dL- 1 ,预测≤ 2 2mg·dL- 1 。 3)采用个体自我建模方法 ,在 90 0 0～ 12 0 0 0cm- 1 选择平滑和二阶导数进行预处理 ,建模结果≤ 15mg     

基于近红外漫反射光谱的香梨类别定性分析

基于近红外(near infrared, NIR)漫反射光谱分析技术对库尔勒香梨中的脱萼果和宿萼果进行了自动化判别试验研究。用对不同波段范围、不同光谱预处理方法(MSC、SNV、微分光谱)和不同主成分因子数对香梨类别判别结果的影响进行了对比分析,建立了香梨类别的定性判别模型。研究结果表明：用判别分析(discrimant analysis,DA)方法在9 091～4 000 cm-1范围结合原始光谱建立的DA判别模型最优,该方法对校正集正确分类率达100%,预测集正确分类率为95%。     

羊肉挥发性盐基氮的高光谱图像快速检测研究

挥发性盐基氮(TVB-N)通常被作为评价羊肉新鲜度的理化参考指标。为了揭示高光谱图像技术(HSI)快速检测羊肉新鲜度的可行性,采集了71个新鲜度具有代表性的羊肉样品的漫反射高光谱图像(400～1 000 nm),并利用半微量定氮法测定了其挥发性盐基氮(TVB-N)的化学值。选择感兴趣区域(ROIs)提取样品的代表性光谱,采用含量梯度法划分校正集和预测集,比较不同的光谱预处理方法,比较逐步多元线性回归(SMLR)、偏最小二乘(PLSR)和主成分分析(PCR)建模方法,建立并验证了TVB-N的校正模型。结果表明,利用多元散射校正(MSC)、一阶导数、Savitzky-Golay(S-G)平滑及中心化处理结合的预处理方法,PLSR和PCR模型都可以实现对羊肉TVB-N的定量检测。对于建立的PLSR模型,采用的预处理方法为MSC、15点2次S-G平滑、1阶导数和中心化相结合的方法,选择的潜变量因子数为11,获得的校正集的相关系数(R)和校正均方根误差(RMSEC)分别为0.92和3.00 mg·(100 g)-1,预测集的相关系数(r)、预测均方根误差(RMSEP)和相对分析误差(RPD)分别为0.92,3.46 mg·(100 g)-1和2.35。研究表明,高光谱图像技术可用于准确快速地检测分析羊肉中新鲜度关键指标TVB-N的含量。该研究为采用高光谱图像技术进一步分析羊肉新鲜度其他指标、改善TVB-N的建模效果及在实际生产中应用该技术提供了基础。     

近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别

采用近红外光谱分析技术结合化学计量学方法研究对不同品牌的豆浆粉以及假冒的豆浆粉鉴别的可行性。采集不同品牌豆浆粉以及假冒豆浆粉在12 500～4 000 cm-1范围内光谱,并进行不同的预处理。采用偏最小二乘-判别分析(partial least squares-discriminant analysis, PLS-DA)对不同预处理的光谱进行建模比较,去趋势算法(De-trending)预处理光谱与多元散射校正(multiplicative scatter correction, MSC)结合De-trending(MSC+De-trending)预处理光谱的PLS-DA模型预测集判别正确率最高, 均为100%。采用x-loading weights方法分别基于De-trending和MSC-De-trending预处理光谱选择了6个和7个特征波数,并以特征波数分别建立了线性判别分析(linear discriminant analysis, LDA)和误差反向传播神经网络(back-propagation neural network, BPNN)的判别分析模型。结果表明,以所选出的不同的特征波数建立的BPNN判别分析模型取得了最佳的判别效果,建模集和预测集的判别正确率均为100%。采用近红外光谱分析技术可以准确的判别豆浆粉品牌以及假冒豆浆粉产品。     

基于金纳米杆/PMMA基底SERS特性的高灵敏肿瘤标志物无标记检测

高品质贵金属纳米结构基底的制备是应用表面增强拉曼散射(SERS)技术进行高灵敏生物检测的关键。采用改进的Langmuir-Blodgett方法,通过在金纳米杆(Au NRs)溶胶注入乙醇,使得Au NRs迁移至溶胶与甲苯的交界面,并用聚甲基丙烯酸甲酯(PMMA)固定交界面处的Au NRs,形成大面积分布、均匀致密排列的二维畴状Au NRs/PMMA纳米结构薄膜基底。然后,采用等离子体清洗技术处理制备的基底,使得金纳米杆(Au NRs)的表面裸露,以增强基底的SERS特性。实验表明,Au NRs/PMMA基底具有优良的SERS特性,在785 nm波长的激光照射下,增强因子可以达到5.49×106。此外,利用制备的Au NRs/PMMA基底,开展前列腺癌症肿瘤标志物--前列腺特异性抗原(PSA)的高灵敏无标记定量检测研究。在PSA的无标记检测过程中,首先对PSA标准溶液和新生牛血清进行SERS光谱的直接检测,得到PSA分别位于823, 1 080, 1 385, 1 586和1 640 cm-1处的主要的拉曼特征峰;其次,通过对PSA标准溶液、临床男性血清样本及女性血清样本的SERS光谱进行测量和分析,筛选出在PSA的SERS光谱中与血清中PSA含量相关的拉曼特征峰,它们是分别位于649,680以及1 640 cm-1处的拉曼特征峰。进一步,通过对与PSA同属糖蛋白的肿瘤标志物甲胎蛋白(AFP)以及与PSA同源的人腺体激肽释放酶2(hK2)进行SERS光谱检测和分析,发现位于1 640 cm-1处的拉曼特征峰对于PSA具有高的特异性,将其作为临床血清样本中PSA无标记定量检测的具有特异性的拉曼特征峰,并以此为依据,对不同PSA浓度的标准溶液进行检测,得到位于1 640 cm-1处的拉曼特征峰强度与PSA样本溶液中PSA的浓度相关的剂量-响应曲线。最后,开展临床血清样本的应用检测。结果表明,基于Au NRs/PMMA基底的SERS检测结果与化学发光免疫分析(CLIA)方法的检测结果一致,且具有比CLIA更高的检测灵敏度,最低检测极限为0.06 ng·mL-1,且无标记检测范围为0.1 mg·mL-1～0.1 ng·mL-1。因此,基于Au NRs/PMMA SERS基底的高灵敏肿瘤标志物无标记检测具有重要应用前景。     

基于SERS技术的食源性致病菌芽孢拉曼光谱特征结构分析及快速识别

为了探究食源性致病菌芽孢的拉曼特征指纹图谱,实现快速识别,该研究以产气荚膜梭菌（C. perfringens）、艰难梭菌（C. difficile）和蜡样芽孢杆菌（B. cereus）的芽孢为研究对象,以柠檬酸钠还原法制备的AgNPs溶胶为基底材料,用SERS技术对芽孢进行拉曼光谱检测,解析食源性致病菌芽孢的分子结构、不同芽孢之间的异同之处。将3种食源性致病菌芽孢的SERS光谱与主成分分析（PCA）和系统聚类分析（HCA）相结合并进行对比分析,实现不同种属食源性致病菌芽孢的定性识别。结果表明,不同食源性致病菌芽孢的SERS光谱的特异性和重现性良好。芽孢光谱中Ca2+-DPA的拉曼振动峰数量和峰强度占主要地位,其拉曼振动峰位置在657～663,818～820,1 017,1 389～1 393,1 441～1 449和1 572～1 576 cm-1波段。C. difficile spores SERS光谱中Ca2+-DPA的六个特征峰峰强度均高于C. perfringens spores和B. cereus spores,C. perfringens spores次之。Ca2+-DPA在1 017 cm-1（Ca2+-DPA）处拉曼峰强度在3种芽孢的SERS光谱中均最高且差异明显,是Ca2+-DPA的主要特征峰,也是3种芽孢的主要特征峰。此外,C. perfringens spores在936 cm-1（磷脂N—C拉伸）、1 294 cm-1（脂质中的CH₂变形振动）、1 609 cm-1（蛋白质中的酪氨酸）和1 649 cm-1（蛋白质中的酰胺I）显示特有拉曼振动峰;C. difficile spores在890 cm-1（═COC═拉伸）显示特有拉曼振动峰。PCA分析结果显示PC1和PC2方差贡献率分别为51.1%和39.7%,累积贡献率达90.8%,可以将所有样本有效区分。HCA分析可以看出3种芽孢的SERS光谱被分为三个聚类,3种芽孢各自聚类无交叉干扰。结合多元统计分析不仅有效实现了3种芽孢之间的区分,也实现了梭菌属芽孢和杆菌属芽孢的区分,为食品安全控制提供有效手段。     

表面增强拉曼光谱对鱼肉中组胺的快速定量分析

基于表面增强拉曼光谱（SERS）拟建立一种适用于水产鱼制品中组胺含量的快速检测方法。采用银纳米颗粒（Ag NPs）作为活性基底和氯化钠溶液作为聚集剂获取组胺的SERS特征峰,并结合线性回归算法对鱼肉中的组胺含量进行测定分析。首先对固体组胺、组胺水溶液以及鱼肉提取液中组胺的SERS特征峰及归属进行表征分析,然后对以Ag NPs的浓缩倍数与氯化钠溶液的浓度作为SERS基底的反应条件进行优化,最后在该优化条件下对鱼肉中组胺进行定量分析。结果表明,Ag NPs在400 nm处有最大吸光度,通过透射电子显微镜观察颗粒的形状主要为球形,均匀尺寸为30 nm左右。利用4-巯基苯甲酸作为探针分子对其进行拉曼测试,所得拉曼峰具有良好的重复性,且拉曼强度很高。因此该活性基底的合成方法不仅用时少、易操作,且合成的Ag NPs可作为可靠的增强基底应用于SERS试验中。此外通过紫外-可见分光光度计检测得出氯化钠溶液使Ag NPs在溶液中发生团聚,形成热点,可实现SERS信号增强。固体组胺的拉曼光谱图反映出1 167 cm-1处出现的特征峰主要是由N-H面内弯曲引起的;1 236 cm-1处的特征峰主要是咪唑中C-H平面内弯曲和环呼吸引起的;1 291 cm-1处主要与环伸展有关;1 474 cm-1处的特征峰主要是由咪唑N-H面内弯曲振动和环伸展引起的。优化反应条件在Ag NPs的浓缩倍数为15倍、氯化钠溶液浓度为1 mol·L-1时表现出最高的增强效应,并在该优化条件下检测了浓度为5～250 mg·L-1的组胺水溶液,得出在该优化条件下检测到组胺水溶液的最低浓度为5 mg·L-1。同时在该优化条件下采集了10～100 mg·L-1范围的鱼肉提取液中组胺的SERS光谱,并建立组胺溶液的特征拉曼位移峰强度与浓度之间的线性回归模型。得出在1 180,1 258和1 425 cm-1处的特征峰与对应的拉曼峰强度值所建立的标准曲线有良好的线性关系(R2=0.918 1～0.947 3),通过比较得出在1 258 cm-1处特征拉曼位移峰强度的R2值最大,且在鱼肉中组胺的最低检测浓度为10 mg·L-1, 远低于国标中水产品中组胺最大限量检测限50 mg·L-1。因此选择1 258 cm-1处的标准曲线进行进一步的组胺检测。最后通过对鱼肉提取液中添加组胺对该标准曲线进行检测验证,得到回收率在100%～111%之间。且通过高效液相色谱法验证该方法具有适用性。由此表明选取银纳米颗粒作为活性基底、氯化钠溶液作为聚集剂的表面增强拉曼光谱技术结合线性回归法建立标准曲线用于快速检测鱼肉中的组胺是可行且准确,这为在鱼肉中的组胺含量的快速定量分析提供了参考依据。     

蜂蜜中乐果农药残留的表面增强拉曼光谱定量分析

应用表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)技术,结合线性回归算法,开展蜂蜜乐果中农药残留快速定量分析方法研究。含乐果农药残留的益母草蜂蜜样品30个作为被测对象,划分成建模集(20个)和预测集(10个)。采用具有规则倒四角锥体结构的Klarite基底作为增强基底,提高特征拉曼位移峰的相对强度。通过含乐果农药残留蜂蜜样品的SERS光谱与乐果标准品的常规拉曼光谱间的对比分析,找到了蜂蜜中乐果农药残留对应的四个特征拉曼位移峰867,1 065,1 317和1 453 cm-1。采用线性回归方法,建立了蜂蜜中乐果农药残留对应的四个特征拉曼位移峰强与乐果浓度间的线性回归模型。10个未参与建模的预测集样品,评价了模型的预测能力。经比较,采用867 cm-1处特征拉曼位移峰强建立的线性回归模型预测结果最优,模型预测相关系数为0.984,预测均方根误差为0.663 ppm。检测限达到2 ppm,接近我国农药残留最大限量标准的检测限。实验结果表明采用表面增强拉曼光谱技术结合线性回归算法实现蜂蜜中乐果农药残留的快速定量分析是可行的。可为其他农产品的农药残留快速定量分析提供参考依据。     

基于2D-COS红外光谱的附子炮制过程时序段解析研究

采用傅里叶变换红外光谱技术,获得蒸制过程中附子红外光谱及二维相关谱(Tow-dimensional correlation, 2D-COS),研究附子炮制过程特征。分别比较原始红外光谱、二阶导数谱及二维相关谱,结果表明红外原始光谱图十分相似,结合二阶导数光谱分析1 634.87 cm-1为羰基峰;1 603.18,1 571.58,1 485.09和1 413.08 cm-1为苯环的骨架振动峰,851.41和759.24 cm-1 为苯环C-H键的振动峰;1 153.73,1 081.84和1 021.35 cm-1为生物碱中酯键和醇羟基的特征峰。二维相关谱结果揭示附子在炮制过程中发生的2个过程时序段,分别为2～3和8～9 h。研究数据有助于临床根据适应证选择适宜的煎煮时间,避免煎煮不足导致中毒或煎煮太过影响疗效。     

自然老化谷类种子的二维红外光谱研究

种粮老化影响种子活力及粮食品质。利用傅里叶变换红外光谱(FT-IR),二阶导数红外光谱(SD-IR)和二维相关红外光谱(2D-IR)方法对不同储藏年份的大麦,小麦,稻谷,玉米和高粱种子进行区分研究。结果显示,原始光谱中几个峰强比有差异;在二阶导数红外光谱中,不同储藏年份种子在1 800～800 cm-1范围内的吸收峰强度和形状显示出差异。二维相关红外光谱结果显示：大麦在1 350～1 800 cm-1,小麦,稻谷,玉米和高粱在860～1 690 cm-1范围内有明显差异,随储藏年份增加,自动峰和交叉峰的数目减少,强度减弱。结果表明,应用傅里叶变换红外光谱结合二维相关红外光谱能有效快速地区分不同储藏年份的谷类种子。     

表面增强拉曼光谱法快速检测猪肉中氟尼辛葡甲胺残留

氟尼辛葡甲胺（FM）是动物专用的非甾体类消炎药,是兽医临床上最常用的消炎镇痛类药物。近年来,随着其应用范围的扩大,其不良反应逐渐显现,其在兽肉中的残留引起了人们的重视。目前猪肉中FM残留的主要检测方法为色谱法、色谱质谱联用法。设备昂贵、笨重、操作复杂等缺点极大的限制了这类方法在现场快速检测中的应用,表面增强拉曼（SERS）具有指纹识别、迅速检测、便携等优势,能克服色谱技术在现场检测中带来的不便,因而近年来被广泛应用于兽药残留的快速筛查检测。因此,为实现猪肉中FM的现场快速检测,建立了猪肉中FM的SERS检测方法。用柠檬酸钠还原氯金酸钾的方法制备金溶胶,通过单因素实验确定在样品与金胶体积比为1∶3,样品pH为6,不添加促凝剂,为检测条件。用密度泛函理论计算理论光谱,结合固体拉曼光谱,对各峰进行振动模式归属。其中731 cm-1处为吡啶环、苯环摇摆,1 085和1 376 cm-1处均为苯环上C—H振动。之后通过优化萃取前处理方法与萃取剂的选取,建立了猪肉中FM的定性定量检测方法。在该方法中,FM在猪肉基质中的特征峰为731,1 085和1 376 cm-1。选取731 cm-1作为定性定量峰,该处拉曼强度与FM浓度在1～250 mg·L-1内有良好的线性关系,R2为0.99。对加标样品的实际浓度进行检测,其检测限为1 mg·L-1,回收率在89.61%～95.63%,RSD在1.80%～3.30%内。该法稳定、快速、简单,可实现FM在猪肉中的现场快速筛查检测。     

一种新型基底上右旋肉碱的表面增强拉曼光谱研究

在聚乙烯吡咯烷酮(PVP)存在下,用多元醇还原硝酸银,Cu(NO₃)₂作为保护剂,快速有效的合成大量银纳米线,并优化了反应条件,得到结构均一、分散性较好的银纳米线。以罗丹明B为探针分子检测了该银纳米基底的表面增强效应,结果表明该基底对罗丹明B的表面增强效果明显,其表面增强因子可达6.4×105。文中利用这种基底得到了右旋肉碱的表面增强拉曼光谱(SERS),与其固体常规拉曼光谱(NRS)和10-3 mol·L-1水溶液的拉曼光谱对比,并对各自的峰位进行了归属。右旋肉碱固体在3 100～2800和1 700～200 cm-1处有明显拉曼振动峰,在右旋肉碱的表面增强拉曼光谱中,1700～200 cm-1处的峰得到了明显的增强。经分析,右旋肉碱分子与银纳米基底呈180°。本文还用合成的纳米银基底得到了不同浓度右旋肉碱溶液的表面增强拉曼光谱,其最低检测浓度为10-6 mol·L-1。右旋肉碱是一种重要的心血管药物,本文为其研究提供了较全面的拉曼光谱信息,为右旋肉碱的快速、特征、痕量监测提供了有力依据,也为进一步研究右旋肉碱的药理学提供了重要参考。