乌骨鸡磷脂侧链脂肪酸的GC-MS分析

用氯仿:甲醇(2:1)超声提取乌骨鸡总磷脂,丙酮脱油精制后,经皂化、甲酯化处理,应用GC-MS联用技术对其侧链脂肪酸组成进行分析,并以面积归一法,计算各脂肪酸的相对百分含量.结果显示,乌骨鸡总磷脂中含有硬脂酸27.46%、花生四烯酸21.39%、油酸18.22%、亚油酸16.67%、棕榈酸12.13%、二十二碳六烯酸(DHA) 2.26%、二十碳三烯酸1.71%、棕榈油酸0.16%.不饱和脂肪酸和多不饱和脂肪酸的含量分别为60.41%和42.03%.乌骨鸡磷脂侧链脂肪酸中高比例的多不饱和脂肪酸和花生四烯酸含量是乌骨鸡磷脂的显著特征.     

高效液相色谱法测定花生中黄曲霉毒素

本文报导了用高效液相色谱－荧光检测法测定了花生中黄曲霉毒素的方法，并做了回收验证。实验证明本法具有灵敏度高，分离能力强，测试结果准确可靠，色谱条件，ＲＰ１８柱，甲醇四氢呋喃水溶液作流动相，流速１ｍＬ／ｍｉｎ。     

吲哚衍生物与花生酸混合LB膜的制备及结构研究

本文将3-三氰基乙烯基-N-十六烷基吲哚与花生酸混合制成单分子膜。不同摩尔比混合膜的π-A曲线均出现平台,表明膜压缩过程中分子排列相态发生变化。混合LB膜的紫外吸收光谱证明吲哚分子形成聚集体,X-射线衍射结果说明这种聚集体被夹带在花生酸的框架结构中。     

花生中多菌灵残留量的高效液相色谱分析方法的研究

建立了测定花生中多菌灵残留量的高效液相色谱法，以乙酸乙酯提取，乙腈萃取分离，石油醚去酯，乙醇＋水（４＋１）沉淀蛋白质，在Ｒａｄｉｌ＿ＰａｋＣ１８柱上，甲醇＋水（５５＋４５）为流动相，采用外标法进行定量检测，相对标准偏差为０１８％，回收率在８００％～９８０％，最低检测限为０２ｍｇ／Ｌ。     

硫化物纳米级粒子化膜的形成与气相性质的影响

采用偏振光反光度、紫外及可见光谱、电子显微镜形貌观察、粒子大小测定及电子衍射等方法加以系统研究硫化锌纳米级粒子化膜的制备与气相性质的影响．     

长链脂肪酸LB膜的X射线衍射研究

利用Langmuir-Blodgett技术制备了硬脂酸、花生酸及其混合酸的多层LB膜。用低角X射线衍射研究了它们的周期结构,硬脂酸和花生酸的LB膜在2θ=0.8°～23°的范围内分别出现13个和12个布拉格衍射峰,由此计算了它们的等同周期。用模型计算了它们衍射峰的强度,得到了与实验一致的衍射强度奇偶起伏的结果。在混合酸的LB膜中,可以观察到等同周期随混合比变化的规律。     

卡玛古籽油中脂肪酸成份分析

用气相色谱(GC)与气相色谱-质谱(GC-MS)联用技术对卡玛古籽油中的脂肪酸成份进行了定性与定量分析,共鉴定出七种脂肪酸.其各种脂肪酸的含量分别为:棕榈酸(C16)2.50%、亚油酸(C18:2)16.65%、油酸(Z)(C18：1)12.38%,油酸(E)(C18 : 1)10.03%、16-甲基-十七烷酸(C18:0)8.08%、二十碳烯-11-酸(C201)0.84%、花生酸(C20：0)48.43%.     

高光谱图像识别霉变花生的光谱特征分析与指数模型构建

霉变花生极有可能含强致癌物质-黄曲霉素，快速识别并分离霉变花生可从源头上阻止其进入食物链，并降低人类摄入黄曲霉素的风险。利用可见光-近红外高光谱数据，通过光谱分析确定能有效识别霉变花生的光谱特征或指数模型。共获取霉变花生样本253个，健康花生247个，并取其霉变(或健康)部位的均值光谱。在对光谱进行连续统去除后，首先对其求取了不同步长的一阶微分，并在可分性较优的光谱区域计算了Area_500～650指数；其次，用连续小波变换提取了光谱的形状和位置信息，并利用Index_cwt指数识别霉变花生样本。结果显示，指数Area_500～650的J-M距离为1.95，Index_cwt模型的J-M距离为1.99，表明霉变和健康花生在构建的指数模型Area_500～650和Index_cwt的特征空间可分性均较优。     

超高效液相色谱-串联质谱法检测花生中36种农药及其代谢物残留

建立了花生中36种农药及其代谢物残留的超高效液相色谱-串联质谱(UHPLC-MS/MS)快速检测技术。采用乙腈提取,增强型脂质去除净化剂(EMR-Lipid)净化,正离子多反应监测(MRM)模式测定。结果表明,所有农药的线性相关系数均大于0.994,在0.005,0.01,0.10 mg/kg 3个加标水平下,36种农药的平均回收率为70.4%~119%,相对标准偏差(RSDs)为1.3%~19.4%,方法的定量下限为0.002 5~0.05 mg/kg。该方法简便、快速,灵敏度高、净化效果好,适用于花生中农药多残留的快速检测分析。     

花生蛋白组分及其亚基含量近红外分析检测方法

花生球蛋白、伴花生球蛋白及亚基含量显著影响蛋白质的凝胶性和溶解性等功能特性,进而影响其在肉制品、植物蛋白饮料中的应用效果。目前常采用提取蛋白质后再用电泳及光密度法测定球蛋白、伴球蛋白及亚基含量的方法,操作步骤繁琐,样品损失量大。为此收集了178个花生品种,分别提取蛋白,采用电泳法测定球蛋白、伴球蛋白、23.5和37.5 kDa亚基含量并获得大量数据的基础上,利用近红外光谱技术进行整粒花生样品的光谱扫描,将其与传统方法测定的化学值进行拟合,采用偏最小二乘回归（PLSR）化学计量法构建数学模型。通过比较单一和复合光谱预处理方式,对比模型相关系数和误差评估预测模型性能。确定球蛋白模型最佳预处理方法为2nd-der with Detrend,校正集相关系数为0.92,标准差为1.41;伴球蛋白模型最佳预处理方法为Detrend with 1st-der,校正集相关系数为0.85,标准差为1.46;23.5 kDa亚基含量模型最佳预处理方法为Normalization with 2nd-der,校正集相关系数为0.91,标准差为0.53;37.5 kDa模型最佳预处理方法为Detrend with Baseline,校正集相关系数为0.91,标准差为0.89。外部验证结果表明,球蛋白预测均方根误差（square errors of prediction, SEP）为1.25,伴球蛋白SEP为0.73,23.5 kDa模型SEP为0.47,37.5 kDa模型SEP为0.75。本研究基于近红外光谱技术实现了对整粒花生进行球蛋白、伴球蛋白、23.5 kDa和37.5 kDa亚基含量的同步、快速和无损检测,为育种专家加工专用品种选育和蛋白加工企业原料选用提供了根据。