5,6-二氢-(9H)-吡唑[3,4-c]-1,2,4-三唑[4,3-a]吡啶类抑制剂的HQSAR研究

应用分子全息定量构效关系(HQSAR)分析方法,以5,6-二氢-(9H)-吡唑[3,4-c]-1,2,4-三唑[4,3-a]吡啶类抑制剂为研究对象,建立了一组对磷酸二酯酶4有抑制活性的化合物HQSAR模型,分析化合物活性与分子结构之间的关系.探讨了分子全息长度、分子碎片大小以及碎片区分参数对模型质量的影响.最优模型的交叉验证相关系数q2=0.628,非交叉验证相关系数r2=0.930,标准偏差SE=0.277.该模型具有较好的预测能力,对该类化合物性质的预测及进一步合成工作有指导意义.     

温度限制串联相关网络-近红外光谱法用于药物甲硝唑的质量控制

近红外漫反射光谱是一种简便、快速的有机物分析方法,样品不需处理即可直接测量,易于实现固态样非破坏测定.近红外漫反射光谱分析技术广泛应用于农业、食品、化妆品、烟草和石油等方面的组分分用近红外漫反射光谱法进行药品的非破坏性分析正成为国际热门课题.但近红外漫反射光谱的光谱范宽,吸收强度很弱,且组分间光谱严重重叠,给非破坏性分析带来了困难.而近红外漫反射光谱法与化量学相结合,能有效地解决光谱重叠带来的问题[1～3].     

自模型曲线分辨法校正电感耦合等离子体原子发射光谱中严重谱线重叠干扰

对严重重叠的光谱干扰校正,采用较小间隔的光谱扫描测量,并用间隔扫描点的数据计算,可减小计算结果的误差,提高结果的准确性。本方法用于校正Nd359.259nm对Sm359.260nm和V328.939nm对Yb328.937nm谱线重叠干扰,得到了满意的结果。     

电感耦合等离子体原子发射光谱分析信息系统的开发 Ⅱ.系统设计与系统评价

讨论了系统设计和系统评价。首先，根据ＩＣＰ－ＡＥＳ中有关信息在计算机中的流动、 转换、储存和处理情况设计了计算机流程图，然后根据数据库规范化的要求对数据库的概念 结构、逻辑结构和物理结构的设计作了讨论。该数据库包括了２８０００余条ＩＣＰ发射谱线的有 关数据。运行结果表明，该系统设计合理，信息量大，且具有方便、实用的用户界面。     

MCR-BANDS用于高光谱成像分辨中旋转模糊度的评估

自建模曲线分辨用来将双线性光谱数据矩阵分解成具有明确物理或化学意义的曲线,一方面反映了复杂体系中各个主成分对应的纯光谱,同时也能够解析得到其对应的相对浓度。这一方法在高光谱解析中充分发挥了其优势,成为了高光谱分析中的重要方法之一。然而,双线性结构数据多元分辨模型在约束不充分的条件下往往不能获得唯一解,这一问题是由顺序模糊、尺度模糊和旋转模糊引起,其中旋转模糊最难消除。在高光谱成像中,如果不能明确浓度分布情况,将导致在成像领域难以确认目标的准确位置或形貌。为了充分了解旋转模糊带来的影响,评估非唯一解情况下可行解的范围,并进一步为实际应用中需要解析获得的每个主成分的纯光谱或波谱信号,以及其对应的浓度信息提供客观的评估依据,在以往的研究中,研究人员分别使用网格法、蒙特卡洛法进行抽样,以计算曲线分辨结果中可行解的范围,也有科研人员使用了几何多边形内部和外围面积的形式表示结果,但是这些结果往往面临运算时间过长,或者无法实现高维可视化而不适用于大于四个主成分的数据等问题,而且通常这些方法很难将曲线分辨过程中施加的除非负约束之外的其他约束方法加以利用,导致可行解范围计算不准确。为了解决以上问题,采用MCR-BANDS对MCR-ALS（多元曲线分辨-交替最小二乘）分辨获得的结果进行了旋转模糊程度的评估,并将其应用到遥感高光谱成像的解析中。首先以美国地质勘探局矿物光谱库中的纯光谱为基础的模拟数据集对MCR-ALS和MCR-BANDS的结果进行了评测,在模拟数据中能够方便地控制噪声的影响,控制选取主成分之间的纯光谱差异、仿照真实环境中浓度渐变特征等因素,考查了特定条件下MCR结果中旋转模糊的水平。随后为了证实所用方法的可行性,进一步采用MCR-ALS分析了机载可见/红外成像光谱仪（AVIRIS）获得的遥感高光谱图像数据,并首次采用MCR-BANDS对MCR-ALS的分辨结果的旋转模糊进行了分析,实现了对遥感高光谱数据成像浓度分布的受到旋转模糊影响的可视化表示。可以发现真实解和MCR-ALS获得的可行解均在MCR-BANDS计算得到的可行解范围之内。结果表明,MCR-BANDS方法基于最大和最小的信号贡献对旋转模糊的范围进行计算,能够适用于不同主成分的体系中,并且完美对接MCR-ALS中使用到的诸如非负、单峰、封闭和选择性约束等。MCR-BANDS的分析结果可以为MCR-ALS的解析结果提供相应的旋转模糊水平估计,有利于对MCR-ALS结果的解释;在充分约束条件下,能够有效减少甚至消除旋转模糊对MCR-ALS分辨结果的影响,为精确确定遥感高光谱中解析得到的目标物位置提供了客观的范围。     

支持向量机与紫外光谱法用于鉴别清开灵注射液六混中间体

采用一阶导数对紫外可见光谱数据进行预处理,消除光谱中的斜坡背景,用支持向量机(SVM)进行建模,分别对4个批次的中药清开灵注射液六混中间体以及其混和批次共147个样本进行了鉴别。对建模参数的影响作了系统的研究,在优化参数条件下,正确率分别可达100%,95.4%,97.3%,100%和97.3%。结果表明SVM鉴别准确率高,模型的泛化能力强。此方法也为中药注射液生产过程的质量控制提供了一条有效的途径。     

偏最小二乘法和THz-TDS在正品大黄鉴别中的应用

太赫兹技术的发展近年来受到广泛的关注并被应用于热点。中草药大黄的品质鉴定对于中药制剂的质量控制具有重要的意义。利用大黄的太赫兹时域光谱结合偏最小二乘法（PLS）模型对基于41个正品和非正品大黄的中草药鉴别模型进行了研究。首先采集大黄样品的太赫兹时域光谱（THz-TDS）信号,然后将化学计量学方法用于这些大黄样品太赫兹光谱的信号处理与建模,再建立基于太赫兹光谱的大黄品质鉴定的偏最小二乘模型方法。应用S-G一阶导数、去趋势、标准正态变换、自标度化、均值中心化等方法对原始时域谱预处理再与未经预处理的结果相比,偏最小二乘（PLS）模型的预测正确率从80%明显提高到90%。在模型建立和模型检验中,采用留一法（LOO）选取训练集和检验集样本。利用留一法交叉验证确定了PLS模型的最佳主因子数。结果表明,当采用均值中心化方法时,PLS模型的RMSECV和RMSEP的值均达到了最小,分别为0.076 6和0.169 0。研究结果表明,THz-TDS技术结合化学计量学方法能够快速、准确的对大黄的真伪进行鉴别,直接使用太赫兹时域光谱而不使用计算后的吸收谱有两个优点： （1）在分频测定和光谱信号处理时无需考虑样品的厚度;（2）使光谱信号处理过程得到简化。该技术也可以对其他中草药进行鉴别和质量控制。该法快速、简单、无污染、无需样品预处理,是一种有发展前景的中草药无损检测方法。     

基于纳米金显色反应的阵列传感器结合化学计量学检测重金属离子

实验设计了一种灵敏度高、操作简单、价格低廉的阵列传感器可同时测定多种金属离子和金属含氧酸根。该方法基于纳米金显色反应的原理,结合化学计量学方法,利用230~800nm波段的光谱代替传统的单变量(A620/A520)分析方法建立PLS定量分析模型和PLS-DA分类模型,得到了满意的结果。我们利用氨基酸可以防止纳米金溶胶在高浓度氯化钠溶液中聚沉的性质设计一个基于氨基酸、纳米金颗粒和待测物之间竞争反应为基础的阵列传感器检测金属离子和金属含氧酸根。基于Cd~(2+),Ba~(2+),Mn~(2+),Ni ~(2+),Cu~(2+),Fe~(3+),Cr~(3+),Cr_2O_7~(2-),Sn~(4+),Pb~(2+)诱导氨基酸-AuNPs聚沉体系的紫外-可见光谱具有明显差异。PLS-DA模型成功地识别了水溶液中的九种金属阳离子和一个含氧酸根,分类准确率达到100%。利用化学计量学方法和上述阵列传感器同时定量分析了二元和三元体系(Cr~(3+)/Cr_2O_7~(2-),Fe~(3+)/Cd~(2+),Fe~(3+)/Cr~(3+)/Cr_2O_7~(2-))中的金属离子和金属含氧酸根。传感单元的增加进一步提高了该方法的准确性和可靠性,为复杂体系中金属离子和金属含氧酸根的定量分析提供了可能性。     

绿豆种子萌发进程的显微拉曼成像研究

种子萌发不同阶段内化合物的变化一直是代谢组学的研究热点。本实验基于拉曼高光谱成像研究了绿豆种子萌发过程中子叶、胚芽和胚根的变化,对绿豆萌发不同阶段的三种器官切片进行拉曼成像测试,采用多元曲线分辨交替最小二乘(MCR-ALS),得了每个主成分对应的相对浓度及其纯光谱。在对成像数据的处理中,提出主成分选择重构这一可以去除噪声的方法。结果表明,对萌发不同阶段的的绿豆子叶拉曼成像进行MCR-ALS得到的主成分可解释原光谱的比例均超过0.99,揭示了显微拉曼成像技术作为一种活体无损的检测方式对于绿豆萌发进程中代谢物研究的可行性。     

人工神经网络结合近红外光谱用于木材树种识别

测量了不同产地及品种的89个木材样品的近红外光谱,并分别使用反向传播人工神经网络(back propagation artificial neural networks,BPANN)与广义回归神经网络(generalized regression neural network,GRNN)建立了NIRS树种识别模型。通过方差分析分别选择两种神经网络所用参数,并采用最优参数进行网络训练。考虑到样品光谱的差异,对含不同水平白噪声与不同水平偏置的光谱进行模拟,并使用建立的模型对模拟光谱进行预测。发现两种神经网络模型均有较好的预测结果,其中BPANN模型,对含偏置水平不高于2％、噪声水平不高于4％的模拟光谱识别正确率在97％以上;GRNN模型,对含偏置水平不高于2％、噪声水平不高于4％的模拟光谱识别正确率在99％以上。