基于SERS与PCA-SLR实现乙基对氧磷定量检测

利用表面增强拉曼光谱(SERS),结合主成分分析(PCA)与分段线性回归(SLR)算法实现乙基对氧磷的定量检测。首先采集820～1 630 cm-1乙基对氧磷溶液SERS,并对820～1 630 cm-1(全范围)与845～875 cm-1(特征范围)光谱分别进行标准正态变换(SNV)、多元散射校正(MSC)、一阶导数绝对值、二阶导数等预处理;然后经PCA降维后利用SLR建立乙基对氧磷溶液浓度预测模型。通过对比不同模型的预测准确度,发现特征范围光谱采用MSC预处理后所建立的模型为最优,总体预测均方误差值(RMSEP)为0.33,满足乙基对氧磷定量检测的需要。     

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。     

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。     

应用表面增强拉曼光谱法检测鸭肉中萘夫西林残留的研究

采用金胶颗粒作为活性基底,氯化钠溶液作为活性剂,并采用表面增强拉曼光谱(SERS)技术建立一种检测鸭肉中萘夫西林残留的检测方法。首先分析了奈夫西林水溶液的SERS特征峰及其归属。然后分析了奈夫西林在鸭肉提取液中的SERS特征峰,确定了鉴定鸭肉中奈夫西林残留的拉曼特征峰,并选取521与1 449 cm-1处的拉曼峰强度进行条件的优化。最后应用内标法对鸭肉提取液中萘夫西林的残留量进行定量分析。结果表明,鸭肉提取液中萘夫西林的质量浓度范围在0.2~10 mg·L-1 时,应用拉曼峰强度比值所建立的四种标定曲线均具有良好的线性关系,决定系数均大于0.95。其中三种标定曲线具有较高的准确度,其回收率介于88%~144%。由此可见,应用SERS检测鸭肉中萘夫西林的残留是可行的,该方法简便、快速,为检测禽肉类食品中萘夫西林的残留提供了技术支持。     

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。     

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。     

SERS技术用于苹果表面有机磷农药残留的检测

传统农药残留检测方法比较繁琐、耗时、破坏样品,快速、无损、实时在线是农残检测的发展方向。本文利用表面增强拉曼光谱技术,以苹果为载体,有机磷农药甲拌磷和倍硫磷为研究对象,初步探讨了苹果表面甲拌磷和倍硫磷农药的快速无损检测方法。结果表明,运用表面增强拉曼光谱技术,可使两种有机磷农药的特征频率较易识别,并选取甲拌磷的728 cm-1和倍硫磷的1 512 cm-1 处的拉曼信号作为定量分析目标峰,采用内标法建立甲拌磷、倍硫磷的线性回归模型,可以作为定量分析甲拌磷、倍硫磷的参考依据。     

有机磷类农药的密度泛函理论计算及拉曼光谱研究

有机磷类农药常被用于防治植物病、虫、害,但对人、畜的急性毒性很强,能抑制乙酰胆碱酯酶。三种有机磷类农药分子(乐果、敌百虫和伏杀硫磷)的分子构型用GaussView3.07构造,理论计算采用密度泛函理论(density functional theory, DFT)的B3LYP/6-31G(d, p)基组,并将实验拉曼光谱、理论计算拉曼光谱和表面增强拉曼光谱(SERS)进行比较。结果表明,三种有机磷类农药分子的实验值与理论方法计算值具有很好的匹配性,并对三种有机磷类农药分子(乐果、敌百虫和伏杀硫磷)在400～1 800 cm-1范围内的振动频率进行了全面地归属,找到了这三种有机磷类农药的特征峰。有机磷类农药分子的振动峰中会出现相近的波数,PO基团引起的波数在1 140～1 320 cm-1之间,PS的伸缩振动的谱带在535～750 cm-1范围,含有P—O—C基团的有机磷类农药在920～1 088 cm-1范围产生一个谱带。对比分析三种农药的实验拉曼光谱和表面增强拉曼光谱,找到了这三种有机磷农药分子各自主要的表面增强拉曼特征峰,这些表明利用SERS技术可以用来鉴定有机磷农药。研究结果为有机磷农药的定性定量分析提供了理论基础。     

基于底物内标的蜂蜜中硝基呋喃妥因拉曼信号校正方法

针对表面增强拉曼光谱信号重复性欠佳的问题,利用实验室自行搭建的拉曼点检测系统,以蜂蜜中硝基呋喃妥因兽药为检测对象,探讨了基于蜂蜜固有内标的硝基呋喃妥因表面增强拉曼峰强校正方法。首先通过含不同浓度硝基呋喃妥因蜂蜜样品及硝基呋喃妥因标准品的拉曼光谱对比分析,确定739 cm-1处蜂蜜拉曼特征位移作为底物蜂蜜的内标峰,用比值法校正硝基呋喃妥因1 353和1 612 cm-1处拉曼特征峰强用于蜂蜜中硝基呋喃妥因定量分析。相同条件下分别采集了浓度为20 mg·kg-1的硝基呋喃妥因蜂蜜样品表面增强拉曼光谱30次,1 353和1 612 cm-1处硝基呋喃妥因特征峰强相对标准偏差（RSD）分别为11.515 6%和11.162 5%,利用739 cm-1处蜂蜜拉曼特征峰强作为内标分别校正1 353和1 612 cm-1处硝基呋喃妥因拉曼特征峰强后相对标准偏差分别降为4.852 6%和4.733 2%,显著提升了表面增强拉曼特征峰强的重复性和稳定性。因为仪器系统误差及表面增强过程中不可控因素引起的人为误差等对样品表面增强光谱中739 cm-1处蜂蜜特征峰强和1 353和1 612 cm-1处硝基呋喃妥因特征峰强的影响是完全相同的,所以通过内标比值法可以有效消除和减少拉曼信号稳定性和重复性差的问题。最后采集硝基呋喃妥因浓度范围为0.4~20 mg·kg-1的69个蜂蜜样品,基于硝基呋喃妥因1 353和1 612 cm-1处拉曼特征峰强和蜂蜜739 cm-1处拉曼特征峰强比值,分别建立了一元线性回归预测模型和多元线性回归模型,其中基于蜂蜜739 cm-1处内标校正硝基呋喃妥因1 612 cm-1处拉曼特征峰强的一元线性回归模型效果最佳,与校正前相比具有更高的精度和预测能力。该模型校正集决定系数（R2_C）和验证集决定系数（R2_Ｖ）分别为0.971 2和0.969 6,校正集均方根误差（RMSEC）和验证集均方根误差（RMSEP） 分别为1.115 1和1.242 2,相对分析误差（RPD）为4.306 0。结果表明,被测底物本身持有固有内标的样品可无需加入额外的内标物,简单用内标比值法可以有效消除仪器的系统误差以及表面增强剂与样品的混合时间等对拉曼信号强度的影响,显著提高了拉曼特征信号的重复性和稳定性,为表面增强拉曼光谱定量分析提供了技术参考。     

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。     

基于表面增强拉曼的鸡尾酒中苯甲酸钠和山梨酸钾的同时快速检测

基于实验室自行搭建的拉曼点扫描系统,以市售鸡尾酒为研究对象柠檬酸钠还原硝酸银配制的银溶胶作为表面增强剂,探讨了鸡尾酒中苯甲酸钠和山梨酸钾两种防腐剂的同时快速检测方法。首先确定鸡尾酒中苯甲酸钠拉曼特征峰为846.1,1 007和1 605 cm-1,山梨酸钾拉曼特征峰为1 164,1 389和1 651 cm-1,进而对它们拉曼特征位移强度稳定性及鸡尾酒中两种防腐剂对拉曼特征位移强度的相互影响进行了分析。结果表明,利用该方法采集的鸡尾酒中苯甲酸钠和山梨酸钾表面增强拉曼特征位移强度具有较高的稳定性,而且鸡尾酒中苯甲酸钠和山梨酸钾的拉曼特征位移强度相互影响并不大,具有较高的稳定性。分别制备苯甲酸钠浓度范围为0.154 3~1.5 g·kg-1的42个鸡尾酒样品及山梨酸钾浓度范围为0.062~1.5 g·kg-1的45个鸡尾酒样品,分别建立了苯甲酸钠和山梨酸钾的线性回归模型。选用最佳的苯甲酸钠1 007和1 605 cm-1二元线性回归预测模型与山梨酸钾的1 164和1 651 cm-1二元线性回归预测模型,对不同浓度苯甲酸钠和山梨酸钾43个鸡尾酒样品进行了苯甲酸钠和山梨酸钾同时预测验证。结果显示,鸡尾酒中苯甲酸钠和山梨酸钾预测值与实际值相关系数(r)分别为0.949 3和0.921 8,均方根误差(RMSE)分别为0.088 2和0.142 9 g·kg-1。基于银溶胶表面增强拉曼完全可以实现鸡尾酒中苯甲酸钠和山梨酸钾两种防腐剂的快速同时检测,为液态食品中防腐剂的同时快速监测提供了技术支撑。     

基于表面增强拉曼光谱检测技术的肺癌早期诊断研究

表面增强拉曼光谱技术是近年来快速发展的一种痕量特征标记性物质检测技术,以提高检测灵敏度为目的的表面增强拉曼光谱技术非常适合于生命科学研究。本文利用表面增强拉曼光谱技术对肺癌患者及正常人的唾液样本进行检测,并进行光谱分析,建立了肺癌患者唾液样本的实验模型,对该模型系统分析可为肺癌诊断提供辅助依据。统计学分析效果良好,并发现了分类比较明确的特异性波段1015cm-1～1070cm-1和1250cm-1～1280cm-1。在找出的12个特征峰的基础上应用K-均值方法验证了其判别准确性,结果提示提取的12个特征峰有一定的代表性,能够代表近2000个波数的拉曼光谱图,灵敏度较特异度高,说明该方法适合预防性筛查工作。     

基于表面增强拉曼的饮料中山梨酸钾快速定量检测方法

基于实验室自行搭建的拉曼光谱点扫描系统,利用表面增强拉曼技术对橙味饮料中山梨酸钾的含量进行了定量快速检测研究。通过与山梨酸钾标准品拉曼光谱及其水溶液表面增强拉曼光谱等比较分析,确定了山梨酸钾1 648.4,1 389.3和1 161.8 cm-1处的表面增强特征拉曼位移。通过山梨酸钾橙味饮料平行样品的拉曼位移峰强重现性实验并计算其峰强的相对标准偏差证实了该表面增强拉曼方法具有较好的重复性。采集了山梨酸钾浓度范围为1.706～0.180 7 g·kg-1的33个橙味饮料样品的表面增强拉曼光谱,所有原始光谱经S-G 5点平滑及Baseline基线去除荧光背景预处理后分别用一元线性回归分析、多元线性回归分析和偏最小二乘回归分析方法,建立了山梨酸钾的定量预测模型。经比较,选取三个山梨酸钾拉曼特征位移1 161.8,1 389.3和1 648.4 cm-1所建立的多元线性回归模型校正集的相关系数(R2_C)和均方根误差(RMSEC)分别为0.983 7和0.051 7 g·kg-1,验证集的相关系数(R2_P)和均方根误差(RMSEP)分别为和0.969 9和0.052 8 g·kg-1,比一元线性回归模型和偏最小二乘回归模型误差小、精度高。基于表面增强拉曼完全可以实现橙味饮料中山梨酸钾的定量快速预测,为各类食品中山梨酸钾含量的快速监测奠定了技术基础。     

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。