以2,3-二苯基吡嗪或2,3-二苯基喹喔啉为配体的单核和双核金属铂配合物的晶体结构与光物理性质

以2,3-二苯基吡嗪(H_2dpp)、5-甲基-2,3-二苯基吡嗪(H2mdpp)和2,3-二苯基喹喔啉(H_2dpq)为配体,乙酰丙酮(Hacac)为辅助配体,合成了一类单核和双核金属铂配合物[Pt(Hdpp)(acac)](1)、[Pt2(dpp)(acac)2](2)、[Pt(Hmdpp)(acac)](3)和[Pt(Hdpq)(acac)](4),并且得到了配合物2、3和4的晶体结构数据。通过对单核配合物1的类似物配合物3和双核配合物2的配位平面、分子扭曲程度等的晶体结构分析,我们合理地推断以2,3-二苯基吡嗪为配体的双核配合物2具有比相应的单核配合物1更加扭曲的分子平面。通过对配合物1和2的紫外-可见吸收光谱和激发光谱的比较,发现由于双核配合物2在激发态的构型变化造成了激发光谱中最低能带比相应的最低能量吸收带光谱红移了18 nm。因此,尽管双核配合物2具有与单核配合物1类似的紫外-可见吸收光谱,最低能吸收带仅比单核配合物1红移5 nm,但是双核配合物2的最大发射峰值λmax为609 nm,比单核配合物1(λmax=546 nm)红移了63 nm。双核配合物2的发射光谱红移现象与配合物的分子构型直接相关。分子扭曲程度更大的双核配合物2在激发态可能发生了一个向平面性更好的构型转变过程,从而进一步降低了激发态能量,造成了发射光谱的红移。     

多种分子光谱快速分析黄芩中的黄芩苷含量

为考察根据不同类型光谱信息进行黄芩质量快速分析的适应性,采用高效液相色谱(HPLC)法测定了73批黄芩样品中的黄芩苷含量并作为y值,以各样品的近红外、紫外-可见光谱及包含紫外、可见及近红外的多源复合光谱信息作为x值;根据各类光谱信息分别采用偏最小二乘回归(PLSR)与K最近邻样本保形映射(KNN-KSR)方法进行样品中黄芩苷的预测,根据验证集样本真实值与预测值的均方根偏差(RMSEP)、平均相对误差(MRE)与相关系数(R)评价预测精度。结果表明,采用KNN-KSR方法根据各类光谱信息预测黄芩苷时,各项指标均优于PLSR方法的结果;其中基于近红外光谱对黄芩苷的分析结果最好,紫外-可见光谱次之,基于多源复合光谱信息对黄芩苷的预测误差最大,但其MRE仍在6%以下,可满足工业分析的精度要求。由于多源复合光谱仪具有体积小、重量轻、成本低及便携等优点,通过优化仪器波长范围及建模方法,有望改进该仪器的分析精度,使之适应更多药材现场采购的快速检测及后续产品的质量分析与监控需求。     

一种面向多组分定量的通用谱图解析方法

在一个多组分系统中各组分的定量分析是非常重要的。现代光谱如拉曼光谱(RS)、傅里叶变换红外(FT-IR)光谱、紫外-可见(UV-Vis)光谱、核磁共振(NMR)、质谱(MS)等,可通过获取丰富峰信号的谱图对样品进行各角度的详尽描述。然而,由于谱图的复杂性及其解析工作的繁重,使得仅通过样品谱图来同时量化混合物中的每个组分成为很具挑战性的工作。在这项研究中,我们首次介绍了一个名为定量主成分分析(q PCA)的可靠策略,快速计算混合物中每个成分的比例,而不需要任何手动解谱。通过使用纯组分的谱图作为参考,多组分系统的谱图可以通过PCA自动分辨并解析,然后就可以使用我们的计算方法来计算每个组分的比例。计算机建模实验和RS、FT-IR、UV-Vis、NMR、MS实验都证明了这一策略胜任多组分系统的快速定量工作。     

光谱法鉴别油茶籽油的真伪

采用紫外光谱法、荧光光谱法、表面增强拉曼光谱对油茶籽油、掺玉米油油茶籽油等进行分析测试。结果表明,紫外光谱法对油茶籽油的掺假比较难以鉴别,荧光光谱法能够一定程度上对掺假油茶籽油进行鉴别;不同掺假比例的油茶籽油与纯油茶籽油的表面增强拉曼光谱可明显区分,且掺假比例越大,掺假样品与纯油茶籽油的鉴别效果越好,因此表面增强拉曼光谱可作为一种简单、可靠的方法用于鉴别油茶籽油。     

表面增强拉曼光谱对西地那非类药物的快速检测

采用表面增强拉曼光谱(SERS)技术并结合简单的前处理流程,对保健品样品中11种西地那非类药物进行了非定向快速筛查研究.结果表明,11种西地那非类药物可根据结构分为5类,类别之间SERS谱图差异显著;类别内SERS谱图具有共性特征,特征峰相对强度差异明显.实际样品的检测中,西地那非类药物的最低检出浓度约为0.05 mg/kg;前处理和测试的总时长约为3~5 min,且与检测目标物和样品无关.本方法高灵敏度、快速和非定向检测的设计理念为快速检测保健品中违禁添加药物提供了新思路和新方法.     

PDMS-Au复合基底上多环芳烃分子的表面增强拉曼光谱

利用聚二甲基硅氧烷(PDMS)对有机物的富集功能,通过在金纳米粒子单层膜(Au MLF)表面旋涂薄层PDMS膜制备PDMS-Au MLF复合表面增强拉曼光谱(SERS)基底.研究了SERS增强性能与旋涂液浓度及稀释溶剂间的关系,考察了复合基底增强活性的均匀性.研究发现,采用叔丁醇为稀释溶剂,浓度为2%(质量分数)的旋涂液时所得复合基底表面多环芳烃(PAHs)的SERS信号强度最高,且此基底SERS信号强度偏差小于10%.分别以PDMS-Au MLF复合材料和Au MLF作为基底,对比研究了对萘、蒽、菲和芘4种多环芳烃的SERS检测能力.结果表明,PDMS-Au MLF复合基底对以上4种有机物的检出限分别为10~(-6),10~(-7),10~(-8)及10~(-7)mol/L,相比于单一Au MLF基底,其检测限至少降低了1个数量级,这主要源自于PDMS对PAHs的富集作用,且此类复合基底可用于多种多环芳烃混合物的特征识别.     

采用X射线吸收光谱表征单原子催化剂:至关重要与持久挑战

X射线吸收光谱(XAS)可为负载型单中心(单原子或单核金属络合物)催化剂的结构和电子特性提供重要信息.虽然XAS技术可表征真实反应条件下、无需长程有序结构的催化剂,并且可提供对于负载型单中心催化剂非常重要的金属-载体界面信息;但是它给出的信息是包括与催化有关或无关的所有负载型金属物种的平均信息.负载型催化剂的准确表征具有长期挑战性,也限制了我们准确地理解催化剂的构效关系.为了更好地利用XAS表征技术,深入研究催化剂的构效关系,并最终用其指导设计开发出高效的催化剂,制备具有均一结构活性位的负载型单中心催化剂,并采用XAS及相关技术对其表征至关重要.本文列举了一些实例以说明XAS在表征具有均一结构活性位的负载型单中心催化剂方面的能力,以及XAS如何与其他技术(如扫描透射电子显微镜和红外光谱)互补,为以分子筛和金属-有机骨架材料为载体而制得的具有均一结构活性位的负载型单中心催化剂提供原子尺度的信息.     

支持向量机结台主成分分析辅助激光诱导击穿光谱技术识别鲜肉品种

为提高激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy,LIBS)对鲜肉品种的识别率,采用支持向量机结合主成分分析算法辅助LIBS技术对鲜肉品种进行识别.对鲜肉切片用载玻片压平,采用LIBS技术对鲜肉组织(猪肉、牛肉和鸡肉)表面进行光谱数据的采集,每种鲜肉采集150幅光谱并进行随机排列,取前75幅光谱作为训练集建立模型,后75幅作为测试集测试建模结果.研究选取K、Ca、Na、Mg、Al、H、O等元素的49条归一化谱线数据进行主成分分析,并用所得数据建立支持向量机分类模型.结果表明,通过主成分分析降维,输入变量从49个优化减少到18个,模型建模速度从88.91 s降至55.52 s,提高了支持向量机的建模效率;并使预测集的平均识别率提高到89.11%.本研究为激光诱导击穿光谱技术在鲜肉品种快速分类领域提供了方法和数据参考.     

碰撞气体的种类和压力对离子阱质谱性能的影响

基于数字离子阱技术,研究了离子阱质谱分析实验过程使用的碰撞气体种类及压力对离子阱质谱性能,如质量分辨能力、信号强度、串级质谱分析,以及低质量截止效应等的影响.实验过程中,在离子的激发和碰撞诱导解离阶段,分别采用质量数不等的氦气(质量数=4 amu)、氮气(质量数=28 amu)、氩气(质量数=40 amu)等作为碰撞气体,以及不同的气体压力,研究了它们对质谱性能的影响.结果表明,当采用质量数较大的氩气作为碰撞气体时,可以有效改善低质量数截止效应和提高离子碰撞过程中的能量转移效率,同时提高离子捕获和解离效率,但是质量分辨率会明显降低.在获得较高质量分辨率方面,氦气作为碰撞气体时效果最好.在气压相同的情况下,质量数大的碰撞气体有利于提高串级质谱分析效率,即获得更多碎片离子峰和更多有关母体离子结构的信息.     

基于光子晶体带边效应的表面增强拉曼基底

将光子晶体的带边效应与金纳米粒子的拉曼散射增强作用相结合,制备了一种新型光子晶体表面增强拉曼散射基底(PC-AuNPs),利用罗丹明B(RhB)作为报告分子,对所得基底性能进行检测.PC-AuNPs基底的制备包括3个步骤:在SiO2微球表面修饰氨基,再通过垂直沉降自组装得到蛋白石结构光子晶体(PC), 最后, 在光子晶体表面负载金纳米粒子(AuNPs).结果表明,光子晶体的带隙范围及AuNPs的负载量直接影响了PC-AuNPs基底的检测效果;以所得的PC-AuNPs基底测定RhB分子,其拉曼散射特征峰强度与浓度对数值呈现良好的线性关系,线性方程为I=1711lg[RhB(mol/L)]+15244,线性相关系数R2=0.9994,检出限为1×10-8 mol/L,表明此PC-AuNPs基底可用于目标物的定性及定量检测.本方法提高了传统拉曼散射光谱检测灵敏度,操作简单,具有良好的重现性,可为其它新型检测基底的制备提供.