甲状腺癌组织的傅里叶变换拉曼光谱研究

利用傅里叶变换拉曼光谱仪得到了甲状腺癌和甲状腺正常组织样品的拉曼光谱,这2种组织样本的拉曼特征峰主要出现在400～3 500 cm-1的波长范围内。在甲状腺正常组织的拉曼光谱中位于503和758 cm-1处有两个特征峰,758 cm-1处峰指认为苯环的环振动,503 cm-1处的拉曼峰经分析初步指认为C—Ⅰ伸缩振动,这2个特征峰在甲状腺癌的拉曼光谱中均消失。在甲状腺正常组织的拉曼光谱中位于3 062和1 003 cm-1处酪氨酸的特征峰,在甲状腺癌组织的拉曼光谱中,这2处峰的相对强度明显降低。因此,拉曼光谱法有望成为甲状腺癌诊断的有效方法。     

还原态烟酰胺腺嘌呤二核苷酸拉曼光谱研究

还原态烟酰胺腺嘌呤二核苷酸(NADH)在维持细胞生长、分化、能量代谢以及细胞保护方面起着非常重要的作用,NADH的无创在体检测具有非常重要的意义。运用激光拉曼散射实验和密度泛函理论(DFT)计算研究了200～3 300 cm-1光谱范围内NADH分子的振动模式特性。DFT计算采用了B3LYP杂化方法,并选用了极化6-311+G(d,p)基组。为了准确的分析NADH分子的振动模式和频率,首先运用B3LYP/6-311+G(d,p)理论对NADH分子的基态结构进行了几何优化,并计算了基态结构NADH分子的各个键长和键角。同时考虑到DFT计算中的非谐性,运用波数线性标度方法对所有计算所得振动模式波数重新进行了标度。重新标度后,DFT计算所得的振动模式波数与激光拉曼散射实验观测到的拉曼峰波数吻合的很好：在200～3 300 cm-1整个光谱范围内,计算与实验结果具有非常好的线性相关性,而且大部分振动模式的计算与实验之间的偏差都小于5 cm-1。此外,讨论了实验观察所得拉曼光谱的分子振动模式归属,分析了NADH分子中腺嘌呤、烟酰胺、及二核苷酸的特征振动模式,并初步提出了运用拉曼光谱实现NADH快速准确无创在体检测的方法。位于732 cm-1处的拉曼峰是腺嘌呤的特征振动模式,而且可以选为检测NADH分子的最特征拉曼峰。位于1 690 cm-1处的拉曼峰是烟酰胺的特征振动模式,可以选为进一步准确检测NADH分子的另一个特征拉曼峰。位于1 086和1 339 cm-1两处拉曼峰的组合可以作为二核苷酸的特征振动模式,用于进一步更准确的检测NADH分子。所以在运用拉曼光谱法实现NADH快速准确无创在体检测时,可以首先运用位于732 cm-1处NADH分子的最特征振动模式进行快速检测,然后再运用位于1 690 cm-1及1 086和1 339 cm-1组合等特征振动模式进行准确分析。     

拉曼光谱定性和定量检测青蒿素研究

青蒿素是从中药青蒿中提取的含有过氧基团的倍半萜内酯药物,具有良好的抗疟特性,是治疗疟疾的特效药。运用激光拉曼光谱分析了100～3 500 cm-1光谱范围内青蒿素的声子振动特性。指出位于724 cm-1的拉曼峰为与青蒿素中过氧基团直接相关的一个特性声子振动模式,可用于检测过氧桥键的存在。位于1 734 cm-1的拉曼峰为与青蒿素中内酯基团直接相关的一个特性声子振动模式,可用于进一步检测分析青蒿素。由于这两个特征拉曼峰对应于青蒿素分子中特征化学键的振动,而且在实验上较容易观察分析,因而它们可以很好的用于拉曼光谱法快速初步定性检测青蒿素。同时,通过分析比较不同纯度青蒿素样品中724和1 734 cm-1处特征拉曼峰的平均散射信号强度比,拉曼光谱法可以用于定量检测青蒿素样品的纯度。与常用的高效液相色谱法相比,拉曼光谱法更快速方便,检测精度更高,而且可以检测青蒿素样品纯度的均匀性。拉曼光谱法定性和定量检测青蒿素纯度的功能对分析检测中药青蒿的品质也有重要意义。     

激光拉曼光谱法无损鉴别人参及其伪品

利用激光拉曼光谱技术并结合二阶导数拉曼光谱,对人参及其拟伪品峨参、北沙参、桔梗进行了鉴别。人参及其伪品均在拉曼光谱中出现了1 460,1 130,1 086,942,483cm-1等拉曼振动峰,根据这些拉曼位移可以判断出在人参及其伪品中都含有糖类物质。北沙参的拉曼谱图中出现了不同于其他三种药材的2 206cm-1的拉曼特征峰。峨参中出现了1 050和1 869cm-1相对应的链状酯类化合物的拉曼振动峰。桔梗中出现了1 227,600,691cm-1等明显不同于其他三种药材的拉曼振动峰。利用这些拉曼振动峰的差异可将人参及其伪品进行很好的区分。再利用二阶导数拉曼光谱图对人参及其伪品的鉴别结果进行进一步的补充说明。此鉴别方法与常规的光谱法相比具有更直接、快速,并且具有不破坏样品的原性质的特点。     

绿松石的激光拉曼光谱研究

对湖北、安徽地区绿松石进行了激光拉曼光谱测试分析。结果表明,绿松石中H₂O,OH-及PO3-₄的基团振动是导致其激光拉曼光谱形成的主要原因。3 510～3 440 cm-1的谱峰是由ν(OH)伸缩振动所致,其中ν(OH)振动导致的强拉曼特征谱峰在3 470 cm-1附近,ν(H₂O)伸缩振动致拉曼谱峰位于3 290～3 070 cm-1附近的较为宽缓的弱谱峰处;由ν₃(PO₄)伸缩振动致强拉曼特征谱峰在1 200～1 030 cm-1之间,其中ν₃(PO₄)振动导致的强拉曼特征谱峰在1 039 cm-1附近,ν₄(PO₄)弯曲振动位于650～540 cm-1范围,ν₂(PO₄)的弯曲振动谱峰位于500～410 cm-1处;不同产地、不同结晶类型的绿松石表现出的拉曼谱峰特征基本一致。     

灵芝红外光谱的特征峰研究

利用红外光谱法及双指标序列法对不同产地和不同品种灵芝进行红外光谱的特征峰研究,结果表明：不同产地和不同品种的绝大多数灵芝红外光谱具有相似的特征峰, 其共有峰率可达到91.67%以上,但菌丝体品种其共有峰率达到52.94%～58.82%之间,变异峰率可达29.41%～66.67%之间,主要变异峰在指纹图谱区域1 460.9～1 423.7 cm-1之间出现阶梯峰。灵芝红外光谱明显的特征峰主要显示为多糖的特征峰型并伴有蛋白质谱带。在3 377.8～3 396.5 cm-1处有明显的宽而强的吸收峰, 在2 924.2～2 925.1 cm-1有小肩峰, 在1 635.8～1 650.3 cm-1处有中等强度的吸收峰, 在1 372.5～1 375.2 cm-1处有中等强度的吸收峰, 在1 074.8～1 075.3和1 043.2～1 045.2 cm-1处有很强的吸收分叉尖峰, 在指纹图谱区域891.0～894.8 cm-1处有明显的弱峰。在指纹图谱区域563.10～574.7 cm-1有中等强度的吸收峰。     

便携式拉曼光谱仪快速测定磷酸浓度

用便携式激光拉曼光谱仪测定磷酸浓度,利用P—O键对称伸缩振动峰(893—911cm-1)的峰值,以硝酸根特征峰为内标,建立了激光拉曼光谱法测定磷酸含量的模型,并对拉曼位移与磷酸浓度的关系进行了拟合。两种方法用于实际样品检测的结果准确度和精密度良好,均能够满足水体中磷酸含量测定的要求。     

内分泌干扰物三苯基锡的激光拉曼光谱分析

三苯基锡(TPhT)是目前已知的内分泌干扰物中唯一的两种金属化合物之一,被广泛应用于工业、农业和交通领域,其大量使用会对土壤、海洋和内陆淡水环境造成不同程度的影响。本实验采用激光共聚焦拉曼光谱采集固体TPhT的拉曼光谱信号,尝试将该方法用于TPhT检测,探索该方法的可行性,并进行检测参数的优化选择。将拉曼光谱分析检测方法与TPhT的物性研究相结合,根据TPhT分子中不同官能团振动模式的不同,将拉曼谱图分为高、中、低3个波数区(1 500～3 200,900～1 500和100～900 cm-1)进行拉曼谱峰的归属与分析,得到了TPhT的特征振动模式和拉曼特征峰,并建立一套TPhT的标准拉曼图谱库,光谱范围在100～3 200 cm-1之间。结果表明,当激光功率选择为衰减到原激光功率(500 mW)的0.5%、曝光10 s、累积2次时,得到的拉曼谱图信噪比高且检测时间短。在212,332,657,997和1 577 cm-1处出现的信号强度较高的拉曼峰,可作为固体TPhT拉曼检测的特征峰,657和997 cm-1处拉曼特征峰的同时出现即可认为复杂的环境样品中存在TPhT。实验结果给出了辨别TPhT存在的标志,这些结果将为拉曼光谱用于实际环境样品中TPhT的残留检测提供理论依据和数据基础。     

蒜氨酸和甲基蒜氨酸的红外及拉曼光谱研究

利用傅里叶红外光谱和共聚焦显微拉曼光谱技术,比较分析了大蒜主要功能活性成分前体蒜氨酸和甲基蒜氨酸粉末纯品的红外和拉曼谱。在3 200～2 800 cm-1和1 700～200 cm-1波段检测到显著的红外和拉曼吸收峰,其中蒜氨酸在3 080,1 617,1 582,1 496,1 418,1 342,1 301,919 cm-1处有8个较强的红外吸收峰,以及在3 088,1 636,1 404,1 290,1 051,790,745,693,588 cm-1处有9个较强的拉曼振动峰,可作为蒜氨酸的特征峰;甲基蒜氨酸在1 644,1 481,1 395,1 370,1 233,1 068,1 004,892 cm-1处有8个较强的红外吸收峰,以及在1 644,1 310,1 073,1 011,998,893,846,702,676 cm-1处有9个较强的拉曼振动峰,可作为甲基蒜氨酸的特征峰。蒜氨酸和同系物甲基蒜氨酸的红外及拉曼光谱具有明显差异,红外及拉曼光谱技术为蒜氨酸及其同系物的快速、 简便的分析提供了方法。     

粤北灵芝的红外光谱宏观三级鉴定研究

采用红外光谱的宏观三级鉴定法分析鉴别了赤芝、黑芝、松杉灵芝和树舌灵芝。在一维红外光谱中,根据灵芝的1 153和1 078 cm-1的糖苷类化合物的吸收峰的相对强度,可得出这4种灵芝的糖苷类化合物的相对含量依次为： 赤芝＞黑芝＞松杉灵芝＞树舌灵芝。在高分辨率二阶导数谱中,四者在1 600～1 720 cm-1波段处的吸收峰的峰位置、峰形状均有很大差别,说明四者本身所含的氨基酸多肽类物质是不一致的。观测二维相关红外光谱,四者都存在1 100 cm-1的糖苷类化合物的自动峰,不同的是赤芝共有4个自动峰且1 040 cm-1自动峰强度最大,黑芝共有5个自动峰且1 040和1 139 cm-1自动峰的强度最大,松杉灵芝共有4个自动峰且1 140 cm-1的自动峰强度最大,树舌灵芝共有5个自动峰且1 134 cm-1的自动峰强度最大。谱图的三级鉴定验证了赤芝、黑芝、松杉灵芝和树舌灵芝在糖苷类化合物和氨基酸多肽类化合物的相对含量上都是不一致的。结果表明,运用红外光谱法可以快速有效地分析和鉴定赤芝、黑芝、松杉灵芝和树舌灵芝。     

傅里叶变换近红外光谱结合RVM与新聚类算法鉴别灵芝孢子油多样掺假类别

食品掺假种类众多,手段隐蔽,成为食品安全检测一个重要难题。为摆脱传统模型识别食品中是否存在新掺假类别的局限性,实验以纯净的灵芝孢子油和掺杂不同比例花生油、玉米油、薏仁油、地沟油的五种类别为研究对象,采用傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy, FT-NIR)收集12 400～4 000 cm-1范围内的近红外光谱。假设掺杂地沟油为新掺假类别,利用前四种类别的校正集样本构建相关向量机(RVM)多分类器,分别对建模的预测集样本和掺杂地沟油样本进行判别,并借助新聚类算法对判别为纯净的灵芝孢子油的样本做进一步分析验证。研究表明,RVM分类器对于建模的预测集样本判别准确率高达93.75%,说明模型有较强的判别能力,但由于模型局限性,掺杂地沟油样品被误判为纯净的灵芝孢子油;在新聚类算法的决策图上,纯净灵芝孢子油校正集和预测集混合样本的聚类中心数为1,而纯净灵芝孢子油校正集和掺杂了地沟油混合样本聚类中心数为2,直观验证判别结果的准确性。结果表明利用FT-NIR技术结合RVM分类器与新聚类算法对于灵芝孢子油掺假能够有效识别,并且能够定性识别新型掺假类型,为解决食品掺假多样化问题提供一种新思路。     

Quantitative detection of adulterated olive oil by Raman spectroscopy and chemometrics

Commercially available extra virgin olive oils are often adulterated with some other cheaper edible oils with similar chemical compositions. A set of extra virgin olive oil samples adulterated with soybean oil, corn oil and sunflower seed oil were characterized by Raman spectra in the region 1000–1800 cm⁻¹. Based on the intensity of the Raman spectra with vibrational bands normalized by the band at 1441 cm⁻¹ (CH₂), external standard method (ESM) was employed for the quantitative analysis, which was compared with the results achieved by support vector machine (SVM) methods. By plotting the adulterant content of extra virgin olive oil versus its corresponding band intensity in the Raman spectrum at 1265 cm⁻¹, the calibration curve was obtained. Coefficient of determination (R²) of each curve was 0.9956, 0.9915 and 0.9905 for extra virgin olive oil samples adulterated with soybean oil, corn oil and sunflower seed oil, respectively. The mean absolute relative errors were calculated as 7.41, 7.78 and 9.45%, respectively, with ESM, while they were 5.10, 6.96 and 4.55, in the SVM model, respectively. The prediction accuracy shows that the ESM based on Raman spectroscopy is a promising technique for the authentication of extra virgin olive oil. The method also has the advantages of simplicity, time savings and non‐requirement of sample preprocessing; especially, a portable Raman system is suitable for on‐site testing and quality control in field applications. Copyright © 2011 John Wiley & Sons, Ltd.     

Visible Raman spectroscopy for the discrimination of olive oils from different vegetable oils and the detection of adulteration

We have investigated the potential of Raman spectroscopy with excitation in the visible spectral range (VIS Raman) as a tool for the classification of different vegetable oils and the quantification of adulteration of virgin olive oil as an example. For the classification, principal component analysis (PCA) was applied, where 96% of the spectral variation was characterized by the first two components. A significant similarity between sunflower oil and extra‐virgin olive oil was found using this approach. Therefore, sunflower oil is a potential candidate for adulteration in most commercially available olive oils. Beside the classification of the different vegetable oils, we have successfully applied Raman spectroscopy in combination with partial least‐squares (PLS) regression analysis for very fast monitoring of adulteration of extra‐virgin olive oil with sunflower oil. Different mixtures of extra‐virgin olive oil with three different sunflower oil types were prepared between 5 and 100% (v/v) in 5% increments of sunflower oil. While in the present context the adulteration usually refers to the addition of reasonable amounts of the adulterant (given the similarity with the basic product), we show that the technique proposed can also be used for trace analysis of the adulterant. Without using techniques like surface‐enhanced Raman scattering (SERS), a quantitative detection limit down to 500 ppm (0.05%) could be achieved, a limit irrelevant for adulteration in commercial terms but significant for trace analysis. The qualitative detection limit even was at considerably lower concentration values. Based on PCA, a clear discrimination between pure extra‐virgin olive oil and olive oil adulterated with sunflower oil was achieved. The adulterant content was successfully determined using PLS regression with a high correlation coefficient and small root mean‐square error for both prediction and validation. Copyright © 2009 John Wiley & Sons, Ltd.     

基于拉曼光谱和最小二乘支持向量机的橄榄油掺伪检测方法研究

为实现橄榄油中掺伪油类型的识别和掺伪量预测,对掺入葵花籽油、大豆油、玉米油的橄榄油共117个样品进行拉曼光谱检测,并用基于多重迭代优化的最小二乘支持向量机模型对掺入油的类型进行识别,综合识别率为97%。同时分别采用最小二乘支持向量机、人工神经网络模型、偏最小二乘回归建立橄榄油中葵花籽油、大豆油、玉米油含量的拉曼光谱定标模型,结果显示最小二乘支持向量机具有最优的预测效果,其预测均方根误差(RMSEP)在0.007 4～0.014 2之间。拉曼光谱结合最小二乘支持向量机可为橄榄油掺伪检测提供一种精确、快速、简便、无损的方法。     

近红外光谱-BP神经网络-PLS法用于橄榄油掺杂分析

橄榄油兼有食用和保健的作用,价值与价格远远高于其他食用油,所以橄榄油中以劣充好的现象十分普遍。可采用近红外光谱法测定初榨橄榄油中掺杂芝麻油、大豆油和葵花籽油的光谱数据,运用改进的BP算法——Levenberg-Marquardt方法,建立PCA-BP人工神经网络方法对其进行定性判别。同时采用偏最小二乘法(PLS)建立了初榨橄榄油中芝麻油、大豆油、葵花籽油含量的近红外光谱定标模型,用交互验证法进行验证。结果表明,BP人工神经网络有很好的定性鉴别能力,PLS建立的芝麻油、大豆油、葵花籽油定标模型的相关系数分别为98.77,99.37,99.44,交叉验证的均方根误差分别为1.3,1.1,1.04。该方法无损、快速、简便,为橄榄油掺杂的检测提供了一种新的途径。     

The Use of Raman Spectroscopy and Methods of Quantum Chemistry for Assessing the Relative Concentration of Triglycerides of Oleic and Linoleic Acids in a Mixture of Olive Oil and Sunflower Seed Oil

The Raman spectra of five samples of sunflower seed oil and five samples of cold-pressed olive oil of various brands are recorded in the range of 500–2000 cm^–1. Within the framework of the B3LYP/6-31G(d)/6-31G(d,p)/6-31+G(d,p)/6-311G(d)/6-311G(d, p)/6-311+G(d,p) methods, the structural models of eight fatty acids (oleic, linoleic, palmitic, stearic, α-linolenic, arachidonic, eicosapentaenoic, and docosahexaenoic) are constructed, and also within the framework of the B3LYP/6-31G(d) method, the structural models of triglycerides of the first four of the above acids are obtained. The vibrational wavenumbers and intensities in the IR and Raman spectra are calculated. The Raman spectra of olive oil and sunflower seed oil were simulated by using the supermolecular approach. We investigated the dependence of the relative intensity of the vibrational bands ν_exp = 1660 and 1445 cm^–1 on the concentration of triglycerides in oils of oleic and linoleic acids and the dependence of the intensity of these bands on the degree of saturation of fatty acids. Experimental and empirical dependences are constructed to estimate the relative concentration of triglycerides of oleic and linoleic acids in a mixture of olive oil and sunflower seed oil. The applicability of the density functional theory together with the vibrational spectroscopy for the identification of mixtures of vegetable oils is discussed.     

应用拉曼光谱分析变压器油中溶解乙酸含量

乙酸是变压器油纸绝缘老化所生成酸类物质的主要成分;分析变压器油中溶解乙酸含量对准确评估运行变压器的老化状态具有重要意义。拉曼光谱技术是基于拉曼效应的一种分子分析技术,能很好地用于物质的非接触式原位检测。论文开展了变压器油中溶解乙酸含量拉曼光谱检测方法研究： 利用Gaussian 09W软件分析了乙酸分子的拉曼振动特性,对实测乙酸拉曼谱峰的振动模式进行了指认;基于实验室搭建的激光拉曼光谱液体检测平台,对不同乙酸含量的变压器油样进行了原位检测;选定891 cm-1作为变压器油中溶解乙酸分子的拉曼特征峰,基于乙酸891 cm-1与变压器油932 cm-1特征峰面积比值和最小二乘法建立了乙酸的定量分析方法,检测限可达0.08 mg·mL-1。实验结果表明： 激光拉曼光谱可应用于油中溶解乙酸含量原位检测并具有良好的检测稳定性和重复性,为变压器油中溶解乙酸含量的快速、无损检测提供了一种新方法。     

基于FTIR的芝麻油真伪鉴别和掺伪定量分析模型

把低价油掺入到高价油是食用油脂中的常见掺伪现象,芝麻油由于品质好价格高,市场上时有假冒伪劣产品,因此应用FTIR并结合化学计量学,建立了芝麻油的真伪和掺伪的快速分析方法。首先分析了芝麻油与大豆油、葵花籽油在4 000～650 cm-1范围的FTIR谱图,由于食用植物油都是不同脂肪酸甘油三酯的混合物,其谱图极为相似,很难发现芝麻油与其他油脂的明显差异。但是不同食用油的脂肪酸组成不同,其1 800～650 cm-1红外指纹特征区也有所不同,因此可以选择该区域,对红外光谱数据用化学计量学方法进行分类识别。通过建立主成分分析(PCA)和簇类独立软模式识别(SIMCA)模型,进行了芝麻油的真伪鉴别,该模型聚类效果较为理想,识别正确率达到了100％;采用标准正态化校正(SNV)和偏最小二乘法(PLS),经过PCA分析计算,芝麻油中掺入大豆油、葵花籽油的掺伪检测限均为10%;利用FTIR和PLS,建立了芝麻油掺的定量分析模型,该模型预测值与实际值有着良好的对应关系,预测相对误差为-6.87％～8.07％之间,说明定量模型可行。本方法能够实现芝麻油的快速真伪鉴别和掺伪定量分析,其优点是模型一旦建立,分析简便、快速,可以满足大量样品的日常监测。     

近红外光谱和化学计量学方法用于橄榄油品质分析与掺杂量检测

基于橄榄油的近红外光谱数据,用判别分析(Discriminant analysis)方法把20个样品成功地分为特级初榨橄榄油和普通橄榄油两类,正确率为100％。同时测定了纯橄榄油中分别掺入菜籽油、玉米油、花生油、山茶油、葵花籽油、罂粟油的混合油的近红外光谱,掺杂油体积百分数范围为0～100%。选择最佳的光谱波段组合用偏最小二乘(PLS)法分别建立定量分析模型,预测相对误差范围在-5.67%～5.61%之间。研究结果表明,基于化学计量学方法和近红外光谱数据可为橄榄油的品质鉴定和掺杂量检测提供了一种简便、快捷、准确的方法。