气相色谱法测定食品中己二酸

建立了气相色谱/氢火焰离子化检测器同时测定6种食品中己二酸含量的方法.该方法通过加酸助溶,采用乙酸乙酯提取食品样品中的己二酸,浓缩后再用硅烷化试剂进行衍生化处理.考察了温度、时间及衍生化试剂用量对己二酸硅烷化衍生效果的影响.以庚二酸内标法定量测定,定量限为5 mg/kg,在5～600 μg/mL范围内呈良好线性关系,相...     

拉曼光谱法快速检测掺入梨汁的浓缩苹果汁

应用便携式拉曼光谱仪结合化学计量学技术建立了浓缩苹果汁掺入梨汁的快速检测方法.实验表明,苹果汁和梨汁的拉曼特征频率相同,给出了特征频率及其对应的分子振动模式.发现苹果汁和梨汁在866 cm-1和1 126 cm-1处的拉曼光谱有微小差别,这可能由于苹果汁和梨汁中果糖异构体含量不同所致.用支持向量分类机(SVC)中的4个核函数对19个苹果汁、梨汁样本进行有效鉴别,准确率达100%,并使用支持向量回归机(SVR)对掺入不同含量梨汁的苹果汁样本进行建模预测,大部分样品相对误差在10%以内.     

在线富集离子色谱-质谱联用法同时测定饲料添加剂中的16种有机酸

建立了在线富集方式结合离子色谱-质谱(IC-MS)快速分离分析16种有机酸的方法。离子色谱配备自制富集柱和分离柱对有机酸进行在线富集和分离;质谱采用大气压化学电离源负离子电离方式(APCI^-),在选择离子监控(SIM)模式下对有机酸进行定性和定量分析。采用200 μL大体积进样,在线富集时间为3 min,以NaOH溶液作为淋洗液,梯度洗脱。结果表明,富集柱和分离柱对有机酸有很好的富集分离能力;16种有机酸在30 min内完全洗脱,并在一定浓度范围内线性关系良好;方法检出限(LODs)为0.01~0.22 mg/L;加标回收率为70.6%~110.8%,相对标准偏差(RSD)≤6.3%。该方法样品前处理简单,分离速度快,有机酸检测灵敏度高,适用于多种饲料添加剂样品中有机酸添加剂的检测。     

固体超酸二氧化锆催化合成1-芳基-2-甲基-3-乙酰基-5-间硝基苯基吡咯的研究

1-芳基取代吡咯中有许多具有明显的生理效应.我们曾以1-对氯苯基-3-乙酰基-1,4-戊二酮,1,4-二苯基-2-苯甲酰基-1,4-丁二酮,与各种芳香族伯胺在冰醋酸催化下环合制得了相应的1-芳香多取代吡咯.但用冰醋酸作催化剂时,产品的分离精制常会遇到困难.我们按文献[3]合成的固体超酸二氧化锆用于催化酯化反应,效果良好.本文进一步在固体超酸二氧化锆的催化下将1-间硝基苯基-3-乙酰基-1,4-戊二酮     

便携式三聚氰胺快速检测仪的研制与应用

自主研发了便携式三聚氰胺速检仪,利用纳米增敏表面增强拉曼光谱法,定量检出限为0.5 mg/kg;采用相对测量方式可有效克服测量不稳定性.用于原奶、消毒奶、酸奶、奶粉中三聚氰胺检测,线性关系良好.样品前处理步骤简单.通常情况,平均单样检测时间小于2 min,仪器检测时间小于30 s,尤其适用于现场快速分析.除了可应用于乳...     

二氧化钛、二氧化锆的合成及其催化酯化反应

M.Hino和K.Arata于1979-1980年曾报道将四氯化钛、二氯氧锆分别用氨水水解,用0.5mol硫酸处理,然后在空气中煅烧所得的二氧化钛、二氧化锆,可以催化烷烃的异构化反应。我们参考文献合成了TiO_2和ZrO_2,并发现当热处理温度为425℃(TiO_2),575℃(ZrO_2)时,它们对醋酸和脂肪醇的酯化反应,具有催化作用。     

食品中46种禁限用合成色素的分级提取净化体系研究

建立了46种禁限用合成色素的分级提取净化体系,采用反相液相色谱多波长检测对该体系的效果进行了评价。提取净化体系的第一级采用正己烷振荡提取、凝胶渗透色谱净化,实现了对苏丹类染料的有效提取分离,回收率均大于80%;第二级采用水振荡提取,乙腈辅助提取的手段,实现了对大多数水溶性合成色素及工业染料的提取分离,回收率均大于60%;第三级采用甲醇-氨水振荡提取,可实现对少数极性较强染料的提取分离,回收率均大于55%。经过第二、三级提取后的样品,无需再净化,即可直接进行高效液相色谱分析,提高了分析效率。采用此体系对样品进行合成色素的测定分析,结果表明,本方法对含蛋白质、脂肪类食品基质具有较强的适用性。     

紫外分光光度法快速测定小麦胚芽脂肪氧化酶活力

小麦胚芽(WG)中的脂肪氧化酶(LOX)能催化氧化WG中的亚油酸,使WG短期内酸败变质.为延长保质期,常采用加热处理钝化LOX.为了最大限度地保护WG营养,加热温度和时间的选择尤为重要.而LOX 活性的准确测定则是进行麦胚稳定化理论研究的基础.研究表明,底物溶液的透明度、反应缓冲体系pH 、反应温度、底物及Tween浓度等因素均会影响测定结果.现有的测定方法的酶纯化过程繁琐.     

用遗传区间偏最小二乘法建立苹果糖度近红外光谱模型

为了简化苹果糖度预测模型和提高模型的精度,用遗传区间偏最小二乘法(GA-iPLS)建立苹果近红外光谱预测模型。应用结果表明,整个光谱划分为40个子区间, GA-iPLS选择其中的第4,6,8,11,18号共5个子区间联合建立苹果糖度模型。遗传区间偏最小二乘法所建的模型,其校正时的相关系数r_c和交互验证均方根误差RMSECV分别为0.962和0.334 6,预测时的相关系数r_p和预测均方根误差RMSEP分别为0.932和0.384 2。与全光谱模型相比,该方法建立的模型不论对校正集还是预测集,模型的预测能力都提高了许多,且模型得到了很大的简化：其实际采用的波数点个数比全光谱模型采用的波数点个数大大减少,主因子数也比全光谱少,由此建立的模型更加简洁、数据运算量也更少。