两个含对羧甲氧基肉桂酸锌(Ⅱ)/镉(Ⅱ)配合物的合成、晶体结构与抑菌活性

由对羧甲氧基肉桂酸(H_2CMOPAA)合成了2个锌(Ⅱ)/镉(Ⅱ)配合物[Zn(CMOPAA)(Phen)(H_2O)]n (1)和[Cd(CMOPAA)(Phen)]n (2)(Phen=菲咯啉)。通过元素分析、红外光谱、热重和X射线单晶衍射表征了其结构。配合物1属单斜晶系,P21/n空间群,晶胞参数为a=0.698 84(8) nm,b=1.751 16(19) nm,c=1.655 49(18) nm,β=95.165(10)°,V=2.017 7(4) nm~3。配合物1的不对称单元中有1个Zn~(2+)、1个CMOPAA~(2-)、1个Phen和1个配位水分子。Zn(Ⅱ)离子是六配位的扭曲八面体构型,CMOPAA~(2-)的羧基连接相邻的Zn(Ⅱ)形成了一条螺旋形的一维链。分子间氢键连接上下的一维链形成了一个二维氢键网络结构。配合物2属三斜晶系,P1空间群,晶胞参数为a=0.988 28(16) nm,b=1.040 08(17) nm,c=1.096 15(18) nm,α=72.213(2)°,β=74.439(2)°,γ=71.265(2)°,V=0.997 8(3)nm~3。配合物2的不对称单元中有1个Cd~(2+)、1个CMOPAA~(2-)和1个Phen。Cd(Ⅱ)离子是七配位的扭曲单帽三角棱柱体构型,CMOPAA~(2-)的羧基连接相邻的4个Cd(Ⅱ)形成了一个平行四边形的26元大环结构,CMOPAA~(2-)的羧基连接相邻的平行四边形结构形成了一条一维带状结构。研究了配合物1和2的热稳定性和抑菌活性。     

江西蔓藓科植物新记录

通过对江西蔓藓科植物４００余号标本的鉴定,发现细尖松萝藓,刺叶悬藓,南亚新悬藓淡江西分布的新记录。其中刺叶悬藓亦为中国分布的新记录。文中引证标本均收藏于植物标本室。     

折光法监测水溶性糖效果的研究

为了确立折光法在植物水溶性糖研究中的监控效果，将折光法与经典测糖法硫酸－苯酚法、硫酸－蒽酮法比较，考察其在各类纯糖溶液，以及在植物多糖提取工艺上的应用，并对三种方法彼此间进行了相关性分析等。表明：折光法测定纯糖溶液优于两种经典法（糖衍生法），测定植物多糖水提液，糖含量与折射指数值间存在着相关性，在工艺监测中起到与经典法较为一致的监控作用。折光法可用于糖类植物资源的初筛，水提工艺监控，样品糖浓度的估计等。该法省时，节约，但缺乏选择性。     

近红外技术在真菌生物量和真菌毒素检测中的研究与应用

几丁质、麦角甾醇和真菌毒素可以反应真菌侵染程度和危害性。对几丁质、麦角甾醇和真菌毒素进行监测,可有效控制霉变的发生。传统检测方法耗时、繁琐,而且不能及时有效地反映检测结果。近红外光谱技术以其简便、快捷等优越性广泛应用于不同领域,在品质检测中有巨大的应用潜力和前景。文章在介绍近红外技术(NIRS)的发展状况、特点及其在品质分析上的应用的基础上,着重阐述了近红外技术(NIRS)在真菌生物量(几丁质、麦角甾醇)和真菌毒素检测中的研究和进展,并对其应用前景进行了展望。随着不同模型的定标方程的建立和模型数据库的不断完善,NIRS将会在真菌研究领域发挥越来越大的作用。     

吹扫捕集气相色谱法分析土壤中熏蒸剂氰与氰化氢残留量

采用吹扫捕集气相色谱法建立了土壤中熏蒸剂氰和氰化氢的分析方法,对土壤中氰和氰化氢预处理的吹扫温度、吹扫时间和吹扫载气(N2)流速进行了优化。最佳吹扫参数为:以10%H2SO4溶液作溶剂、吹扫温度80℃、吹扫时间60 min和吹扫载气(N2)流速40 mL.min-1。氰和氰化氢在0.2～10 mg.L-1质量浓度范围内线性关系良好,相关系数(r2)分别为0.999 1和0.998 3。在优化条件下,土壤中氰和氰化氢的平均回收率分别为95%和96%,相对标准偏差分别为3.6%和5.2%,检出限(S/N=3)分别为0.012、0.021 mg.kg-1,定量下限(S/N=10)分别为0.040、0.070 mg.kg-1。用100 mg.kg-1氰熏蒸土壤48 h,氰及其降解产物氰化氢在土壤中的残留量分别为0.32 mg.kg-1和5.68 mg.kg-1。该方法简便快速,精密度与准确度均符合要求,适用于土壤中氰和氰化氢残留量的检测。     

表面增强拉曼光谱法快速检测脐橙果肉中三唑磷农药残留

采用表面增强拉曼光谱技术结合快速溶剂前处理方法检测脐橙果肉中三唑磷农药残留,应用化学计量学方法建立脐橙果肉中三唑磷农药残留的快速检测模型。以脐橙果肉提取液为基质,采用N-丙基乙二胺、C18和石墨化碳去除果肉中有机酸、色素等荧光物质,配制不同浓度的三唑磷农药溶液,应用不同预处理方法对光谱信号进行预处理,建立偏最小二乘模型。结果表明,以脐橙果肉提取液为基质的三唑磷溶液最低检测浓度低于0.5mg·L-1;归一化预处理后建立的模型预测性能最好,模型对预测集样本的均方根误差为1.38 mg·L-1,相关系数为0.976 6,相对分析误差为(RPD)4.66。预测回收率为95.97%～103.18%,相对误差绝对值在5%以下,表明模型具有较好的预测效果。对4个未知浓度样本进行配对t检验,预测值与真实值无显著差异,说明所建立的方法准确可靠。