基于改进免疫遗传算法的近红外光谱变量选择方法

该文在免疫遗传算法（IGA）的基础上,提出一种改进免疫遗传算法（iIGA）用于近红外光谱波长变量的选择。该算法舍去了原算法中固定抗体相似度阈值的思想,取而代之的是抗体相似度阈值自适应,同时引入精英保留策略和贪心算法思想,使得算法朝着正确的方向进行局部性探优。将该算法在玉米的淀粉和蛋白质含量数据集上进行实验测试,建立偏最小二乘（PLS）分析模型,并与IGA、遗传算法（GA）以及全谱方法进行了对比。结果表明,在玉米淀粉含量的预测上,iIGA相较于原IGA算法,预测集均方根误差（RMSEP）从0.312 0降至0.298 0,预测集预测精度提升4.5%;在玉米蛋白质含量的预测上,RMSEP从0.124 4降至0.110 3,预测集预测精度提升11.3%。分别对预测淀粉和蛋白质模型的RMSEP值进行显著性检验,F值分别为165.22和182.05,P值分别为9.5 × 10－23和4.5 × 10－24,P值均小于0.05,因此,iIGA能显著提升模型预测精度。     

基于高光谱的黑色签字笔墨水种类鉴别方法研究

该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像,对每支签字笔笔迹的高光谱图像选取18个感兴趣区域,共提取648个平均光谱作为样本集。对450～950 nm的原始光谱进行Savitzky－Golay平滑、Z－Score标准化和两种组合方法光谱预处理,使用线性判别分析（LDA）和随机子空间－线性判别分析（RSM－LDA）分别构建黑色签字笔墨水种类鉴别模型。实验结果表明：不同预处理方法对RSM－LDA模型的鉴别准确率影响较小,而对于LDA模型,组合预处理具有更优的鉴别准确率;相比LDA模型,RSM－LDA模型分类效果更佳,训练集的平均分类准确率达100%,交叉验证平均分类准确率达99.09%,测试集的平均分类准确率达90.70%,每类样本的准确率、精准率、召回率均高于LDA模型分类结果,模型的接受者操作特征曲线下方面积（AUC值）达0.998 3,模型性能良好。因此,采用高光谱成像技术结合RSM－LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。     

基于人血浆荧光光谱与CARS-PLS-LDA的结直肠癌早期检测

该文利用竞争性自适应加权算法（CARS）筛选重要的人血浆荧光光谱变量,并结合偏最小二乘法判别分析（PLS－LDA）建立了结直肠癌患者与非癌患者的分类模型,同时与全波长模型和基于平行因子分析（PARAFAC）建立的模型进行比较。从模型评价指标看,CARS－PLS－LDA的性能显著优于全波长模型和基于PARAFAC的模型。高波未稀释组和低波稀释组的荧光光谱结合CARS－PLS－LDA分类模型的AUC（Area under curve）值均高于0.9,可有效地识别结直肠癌患者。结果表明,CARS变量筛选能够明显改善结直肠癌分类模型的性能,有助于后续癌症临床诊断工具的开发与研究。     

ZIF-8衍生的具有可控氧空位的ZnO对光催化去除NO的增强及毒性NO2形成的抑制

氧化锌作为一种半导体材料,具有合适的能带结构位置,高催化效率,低成本和环境可持续性,因而广泛用于光催化领域.然而,由于氧化锌的宽带隙,可见光吸收能力差以及光生电子-空穴对的快速复合,极大地影响了其光催化效率.通过引入氧空位调控光催化剂的结构被证明是一种可以改善光生载流子的分离,从而提高光催化性能的有效方法.本文以ZIF-8为前驱体,采用两步煅烧法合成了具有不同浓度氧空位分布的ZnO纳米光催化剂,通过X射线衍射(XRD)、扫描电镜(SEM)、透射电镜(TEM)、紫外-可见漫反射光谱(UV-Vis DRS)、X射线光电子能谱(XPS)、电子顺磁共振(EPR)、荧光光谱仪(PL)等手段系统地分析了合成的光催化剂的理化性质,并评价了它们在可见光下光催化氧化去除NO反应性能.EPR结果表明,样品中氧空位的浓度取决于温度处理的过程.通过两步煅烧法得到氧化锌中氧空位的含量高于一步直接煅烧法所得的样品.此外,随着煅烧温度升高,合成的氧化锌晶格越完好,其氧空位含量越少.UV-Vis DRS结果表明,两步煅烧法合成的ZnO与商业的ZnO及一步法直接煅烧合成的ZnO相比,其吸光范围从紫外光拓展到了可见光,表现出了更加优异的吸光性能.光催化反应结果表明,与商业氧化锌和一步直接煅烧法所得样品相比,两步煅烧法合成的样品表现出了更优异的光催化去除NO性能,并抑制了中间产物毒性NO2的产生,促进了NO的深度氧化.具体反应路径为:在光照过程中,光生电子很容易被氧空位俘获,与O2反应产生更多的超氧自由基(·O2^-),从而将NO氧化成最终的产物硝酸盐.尤其有趣的是,先在350 ℃煅烧2小时再400℃煅烧1小时的两步法样品Z 350-400的NO去除效率分别比一步法样品Z 400(400℃煅烧)和商用ZnO高出1.5和4.6倍.这表明以MOF材料衍生的具有适当量氧空位的金属氧化物为一种高效去除NO的光催化剂具有很好的应用前景.     

甘油氧化的光谱电化学傅里叶变换衰减全反射谱红外光谱薄膜流动池中硼酸镍层厚度的优化

在碱性甘油电氧化反应中,利用电化学傅里叶变换衰减全反射谱红外光谱法,研究了薄膜流动池中滴注硼酸镍催化剂负载量对玻碳电极性能的影响.连续操作的径向流动池包括一个位于内反射元件上方50μm的钻孔电极,可实现红外光谱分析.这是在确定条件下对电催化剂进行简便和可重复筛选的一个适合的方法,同时还提供了对复杂反应(如甘油氧化)产物选择性的检测.通过对泵送电解液进行更耗时的定量高效液相色谱分析,结果表明,衰减全反射红外光谱法可快速鉴定产物.在层流条件下,水中使用0.1 M甘油和1 M KOH,流速为5μL min-1时,甘油转化率较高.转化率和选择性取决于催化剂的负载量,负载量又决定了催化剂层的厚度和粗糙度.由于在更粗糙的膜中停留时间更长有利于再吸附和C-C键断裂,因此当负载量最高达210μg cm-2时,甘油转化率为73％且甲酸选择性接近80％.当最低负载量为13μg cm-2时,甘油转化率达到63％,甲酸选择性降至60％,相应地,C2物种(如乙醇酸盐)选择性较高,为8％.因此,只有催化剂负载量较低时才能形成几微米厚度范围内的薄膜,此时才适合进行优质催化剂的筛选.     

应用镍超微电极的电化学表面增强拉曼光谱技术研究

镍（Ni）电极在电化学中应用广泛。原位表征Ni电极表面的吸附物种有益于帮助理解电极反应历程、指导发展高效电催化剂。应用超微电极作为工作电极的电化学表面增强拉曼光谱技术结合了超微电极表面的传质特性和分子水平的高灵敏度表征,是研究Ni电化学的有力手段。本文所述的研究工作通过在金（Au）超微电极表面电吸附具有SERS活性的Au纳米粒子并恒电流沉积金属Ni薄层,制备并表征了具有SERS活性的Ni超微电极。在氢氧化钠溶液中的循环伏安实验和以4-甲基苯硫酚分子作为探针分子的SERS实验结果表明,沉积速率和沉积电量是影响超微电极表面Ni的覆盖度和SERS活性的关键因素。在吸附了直径为55 nm Au纳米粒子的、直径为10 μm Au的超微电极表面,以100 μA·cm^-2电流密度电沉积厚度约为5个原子层Ni的条件下,可获得Ni覆盖完好的、具有最强SERS活性的Ni超微电极。     

单颗粒光散射显微成像技术在生化医药分析中的应用

等离子体纳米颗粒(PNPs)具有体积小、易表面修饰、生物相容性好、毒性低等优点,在生物传感、生物成像、疾病诊断、肿瘤治疗、材料科学等领域得到了广泛的应用。PNPs的光散射光学性质可以通过调节其大小、组成、形貌和微环境来控制,可用于生化和药物分析。此外,由于单粒子散射显微技术具有高空间分辨率和高灵敏度,借助PNPs具有的独特局域表面等离子体共振(LSPR)特性,可在单颗粒水平进行实时成像。根据PNPs的大小、组成、形态、微环境或耦合变化引起的信号变化,研究人员发展了多种显微成像分析方法,主要分为4种,包括散射光谱的波长位移、单粒子散射强度的变化、高通量RGB分析和计数方法。基于纳米颗粒LSPR散射光谱位移变化的方法准确、灵敏,但需要昂贵的单颗粒散射光谱仪和复杂的操作。基于纳米颗粒散射强度变化的方法简单可行,但易受纳米颗粒粒径和曝光时间等因素的影响。高通量RGB分析方法灵敏度高、成本低,但不适用于颜色变化不明显的单颗粒分析,且重复性差。单粒子计数法灵敏度高,但有时粒子分布不均匀,背景杂质的干扰限制了方法的准确度。因此,这4种定量方法各有优缺点。此外,近年来逐渐发展了一些新的定量方法。例如,研究人员开发了新的时间分辨分析定量方法,并将暗场显微镜与偏振器、滤光片等光学器件相结合以消除背景干扰,以及与电化学、拉曼等仪器相结合以扩大应用范围。此外,为提高分析方法的准确度和灵敏度,暗场显微镜与深度学习、云计算、人工智能等现代计算机科学技术的结合,越来越受到人们的欢迎。基于以上原因,该文重点介绍了单粒子光散射显微镜在生化和药物分析领域的应用,总结了近年来的最新研究进展,讨论了单粒子光散射显微镜在定量分析中的几种主要定量方法,提出了未来的发展趋势,以期为相关研究领域的新人提供一定的学术参考。