基于液相色谱-串联质谱法的肉类特征肽段鉴别及掺假测定

建立了液相色谱-串联质谱技术鉴别肉类特征肽段及定量检测羊肉中常见外源肉掺假的方法。样品经蛋白质提取、胰蛋白酶水解和固相萃取小柱净化后,利用超高效液相色谱-四极杆/静电场轨道阱高分辨质谱（UPLC-Q/Exactive-HRMS）和Proteinpilot软件,实现蛋白质和多肽的鉴定;再通过基本局部比对搜索工具（BLAST）与Uniprot数据库对比分析,筛选出羊肉、鸭肉、猪肉和鸡肉的20个物种特征性多肽标志物;最后利用高效液相色谱-三重四极杆质谱（UPLC-QqQ-MS）系统对羊肉、鸭肉、猪肉和鸡肉的特征性多肽进行了验证和多反应监测（MRM）定量研究。将鸭肉、猪肉和鸡肉分别按照质量分数为1%、5%、10%、20%、50%的比例掺加到羊肉中,得到鸭肉最低掺假检出限为0.25%、猪肉最低掺假检出限为0.17%、鸡肉最低掺假检出限为0.10%。     

超高效液相色谱-四极杆-飞行时间质谱法定性筛查保健食品中西地那非及其相关功效类非法添加化合物

建立了超高效液相色谱-四极杆-飞行时间质谱（UPLC-Q-TOF-MS）定性筛查102种西地那非及其相关功效化合物的方法。甲醇超声提取样品;采用Agilent Poroshell 120 SB-C18色谱柱（75 mm×3.0 mm,2.7 μm）,以0.1%（v/v）甲酸水溶液-乙腈为流动相梯度洗脱,流速0.4 mL/min;采用电喷雾离子（ESI）源,Q-TOF-MS作检测器,正离子模式检测;与对照品保留时间、母离子及碎片离子精确相对分子质量、元素组成比对,准确定性。西地那非等100种化合物在10种基质中的检出限为0.1~50 mg/kg或0.1~50 mg/L。并分类归纳了文中涉及的98种磷酸二酯酶5抑制剂质谱碎片裂解规律,为可疑物的识别和鉴定提供参考。该方法已应用于实际样品的测定,检出19种化合物,有效打击了非法添加行为。     

Pr_(1.8)M_(0.2)CoO_4催化剂的性质及对NO+CO催化性能研究

采用分解无定形柠檬酸和乙二胺四乙酸聚合体法,合成了Pr_(1.8)M_(0.2)CoO_4(M = K,Mg,Ca,Sr,Ba)催化材料,以CO + NO为探针反应,运用XRD、BET、TPR等手段进行表征.结果表明:碱(土)金属掺杂后的Pr_(1.8)M_(0.2)CoO_4复合氧化物在950℃焙烧8 h均能形成类钙钛矿型结构;掺入不同碱(土)金属的PrMCoO_4复合氧化物在粒子大小、比表面积、B位正三价离子、氧空穴、催化活性等方面存在差异,其中掺入碱土金属Ba的化合物Pr_(1.8)M_(0.2)CoO_4表现出较好的催化性能.     

RANDOM PENALTIES AND RENEWABLE RESOURCES: A MECHANISM TO REACH OPTIMAL LANDINGS IN FISHERIES

Abstract Recent literature considers illegal landings a moral hazard problem that arises because individual landings are unobservable. The literature proposes incentive schemes to solve the information problem. However, most of the proposed schemes raise huge information requirements and social budget balance is not secured. In this paper, we suggest a random penalty mechanism that reduces the information requirements and secures budget balance in the case of a given number of licensed vessels. In the random penalty mechanism, aggregate landings are measured through stock sizes and the natural growth function. If aggregate landings are below optimal landings, each fisherman receives a subsidy. If aggregate catches are above optimal landings, the mechanism works such that either the fisherman is randomly selected and pays a fine or the fisherman is not selected and receives a subsidy. The fine and subsidy can be designed such that budget balance is secured. Provided risk aversion is sufficiently large and the fine is high enough, the random penalty mechanism will generate optimal individual landings. The budget balance combined with risk aversion drives the result for this advanced tax/subsidy system that does not exhaust the resource rents. The budget balance creates interdependence between fishermen that secure optimality.     

非正常食用油鉴别新方法(一): 三种辣椒碱残留量的液相色谱-质谱分析

非正常食用油(俗称地沟油)是我国食品安全领域亟须解决的问题。准确可行的地沟油检测方法被分析工作者广泛关注。由于国人的饮食习惯,辣味调料在餐饮业应用广泛,而辣椒碱是引起辣味的主要化学物质,因此可作为鉴别地沟油的潜在指标。本文采用固相萃取-液相色谱-串联质谱技术,建立了食用油中3种微量辣椒碱(辣椒素、二氢辣椒素及壬酸香草酰胺)的检测方法。首先用20 g/L氢氧化钠水溶液提取油样中的辣椒碱,再将提取液用C18小柱富集净化后进行液相色谱-质谱检测。用该法对国家食品安全风险评估中心提供的67个盲样进行了分析,结果表明辣椒碱是一个良好的地沟油特征指示物。凭借这3种辣椒碱指标,阳性样品正确识别率达到75%,阴性样品正确识别率达到100%。目前本方法已经成为国家卫生部最新公布的4种地沟油仪器检测方法之一。     

蜂蜜中外源性γ-淀粉酶残留量的测定

采用液相色谱-同位素质谱联用法(LC-IRMS)建立了测定蜂蜜中外源性γ-淀粉酶残留量的方法。先采用凝胶色谱柱对蜂蜜样品进行预分离,将样品中所含的酶与糖分离开。根据γ-淀粉酶可将底物麦芽糖酶解为葡萄糖的原理,在55 ℃、pH 4.5的0.03 mol/L磷酸盐缓冲液中将γ-淀粉酶与麦芽糖反应48 h后,采用LC分离麦芽糖和葡萄糖,以IRMS测定酶解产物葡萄糖的含量来确定γ-淀粉酶的残留量。本方法的线性范围为5～200 U/kg,定量限为5 U/kg,回收率为89.6%～108.2%,相对标准偏差为3.3%～4.9%。采用本方法对市售蜂蜜和大米糖浆共38个样本进行了考察,γ-淀粉酶的检出率为76.3%。为了进一步验证本方法的检测能力,测定了掺入15%(质量分数)大米糖浆的蜂蜜样品,测得γ-淀粉酶的含量为10.2 U/kg。本方法能够有效地从酶学的角度鉴定蜂蜜中是否含有大米糖浆。     

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。     

车载便携式智能桩考训练装置的设计与实现

针对目前部队大型车辆及地方B照以上大中型车辆桩考无人值守训练的实际需求,设计了一种基于接近式开关采集违规信号、单片机控制及语音告警组成的车载便携式智能桩考训练装置;阐述了系统硬件与软件的设计实现;给出了违规信号获取与编码、违规位置自动识别和语音告警等关键技术的具体解决方法;并对系统核心电路控制单元进行验证,输入编码20 H时,软件自动识别后输出6个告警控制脉冲,并判决为右侧违规,与编码设计完全拟合;由此表明该装置设计合理,满足部队训练需求,为部队执行多样化任务提供有力保障。     

基于高光谱技术的蛋白粉掺假检测研究

蛋白粉是健身者必备的营养补剂,市场需求在不断增加,一些不法商家为了谋取利益,在蛋白粉中加入廉价的粉末售卖。传统的蛋白粉掺杂的检测方法费时、费力,操作复杂,且成本昂贵。高光谱技术具有易于操作、在不损害实验样本的情况下可快速检测等优点,因此,提出使用高光谱技术以实现蛋白粉掺假检测。在蛋白粉中分别加入质量百分数5%～60%,浓度间隔5%的三类掺假物（玉米粉、大米粉和小麦粉）,并采集所有样本的光谱信息。在对蛋白粉中的玉米粉、大米粉和小麦粉三类掺假物进行定性判别时,首先分别采用卷积平滑（SG）、标准化（Normalize）、多元散射校正法（MSC）、基线校正（Baseline）和标准正态变换（SNV）的预处理方法对光谱数据进行处理,然后建立基于主成分回归（PCR）、反向传播神经网络（BPNN）和随机森林（RF）的模型,其中基于全波段光谱MSC预处理方法下建立的RF模型最优,其整体准确率达到了100%,其对应的R_P和RMSEP分别为0.997 9和0.018 9。在对蛋白粉中不同掺假物浓度进行定量分析时,对三类掺假样本的光谱分别进行SG,Normalize,MSC,Baseline和SNV的预处理,并建立LSSVM模型;比较不同预处理方法下的各模型之间的性能,在蛋白粉中掺玉米粉、大米粉和小麦粉的LSSVM预测模型最佳预处理方法分别是无、Baseline和Normalize,然后,采用连续投影算法（SPA）和竞争性自适应重加权算法（CARS）对其筛选,并建立LSSVM模型,三类掺假样本的SPA-LSSVM模型对应的R_P为0.989 0,0.986 0和0.997 9,CARS-LSSVM模型对应的R_P为0.991 0,0.994 6和0.999 1,故三类掺假样本的CARS-LSSVM模型预测效果更佳。研究表明：高光谱技术可以实现对蛋白粉掺假的定性、定量的检测,并且操作简单、检测快速和无损。     

Identification of volatile markers for the detection of adulterants in red ginseng (Panax ginseng) juice using headspace stir‐bar sorptive extraction coupled with gas chromatography and mass spectrometry

Red ginseng (Panax ginseng) products are frequently adulterated by manufacturers with cheaper medicinal plant products including deodeok (Codonopsis lanceolata) and doraji (Platycodon grandiflorum) to increase profits. To identify possible volatile markers for the adulteration of red ginseng juices with deodeok or doraji, a headspace stir‐bar sorptive extraction method was developed. Gas chromatography with mass spectrometry and untargeted metabolomics analysis revealed that 1‐hexanol, cis‐3‐hexen‐1‐ol, and trans‐2‐hexen‐1‐ol are abundantly present in deodeok and doraji but not red ginseng. The peak area ratios in gas chromatograms of these compounds in red ginseng juices mixed with deodeok or doraji indicate that these volatile chemicals can be used as markers to detect the adulteration of red ginseng juice.