流动注射-电化学氧化荧光法测定叶酸

提出了一种流动注射在线电化学氧化荧光分析新方法,并用于叶酸的测定。该方法将电化学氧化与流动注射荧光光度法很好的结合起来,通过在流路中的流通电氧化池将弱荧光物质叶酸氧化成为具有较强荧光的蝶呤-6-羧酸,并进行测定。在0.02 mol/L,pH 8的NaH2PO4-Na2HPO4缓冲溶液中,电解质NaCl浓度为0.01 mol/L,氧化电位为1.100 V时,氧化产物蝶呤-6-羧酸的最大λex和λem分别为370和460 nm。在此条件下,叶酸的浓度和荧光信号的增强强度在1.0×10-7~1.0×10-5g/mL的范围内有很好的线性关系,检出限为4.2×10-8g/mL(3σ)。已用于B族复合维生素及奶粉中叶酸的测定。     

基于红外光谱的苹果叶病害的快速诊断

基于傅里叶变换红外光谱技术,利用光谱检索的方法对苹果叶病害进行病害类型的鉴别研究。测试了正常苹果叶片和4种病害叶片共75份样本的红外光谱,光谱显示,各类样品的红外光谱非常相似,主要由纤维素、木质素、蛋白质和脂类的吸收带组成。利用omnic8.5软件依次建立了由每类样品的平均红外光谱、一阶导数光谱和二阶导数光谱组成的光谱库Lib1、Lib2、Lib3。各样品红外光谱分别与光谱库Lib1进行专家检索和绝对微分差算法检索,专家检索的正确率为80%,绝对微分差检索的正确率为82.7%。各样品红外光谱的一阶导数光谱和二阶导数光谱分别与光谱库Lib2、Lib3在全谱范围进行绝对微分差检索,基于一阶导数光谱的检索正确率为93.3%,二阶导数光谱的检索正确率为82.7%。结果表明:基于一阶导数红外光谱的绝对微分差算法的检索更适合于苹果叶病害的鉴别。基于红外光谱技术的光谱检索的方法能较好地鉴别苹果叶病害,有望成为简便、快捷、低成本的植物病害的鉴别方法。     

基于余弦相似计算原理的Webshell检测方法

常规Webshell检测方法一般基于代码特征库和基于通信特征. 代码混淆和虚假通信等反检测技术的出现, 提升了Webshell隐蔽度, 常规方法难于发现. 为了检测此类隐蔽度较高的Webshell, 采用了抽取程序代码多维Webshell特征, 用余弦相似计算原理度量代码文件间的相似度, 平均相似度极低的文件即为可疑Webshell文件. 实验表明, 正常代码文件间的平均相似度在10-1~10-2量级, 而Webshell文件和正常代码文件的平均相似度在10-4量级, 此方法可以有效地检测出Webshell.     

红外光谱和逐步判别分析法应用于油菜籽的研究

用傅里叶变换红外光谱(FTIR)和逐步判别分析法对油菜籽的品种和产地进行鉴别研究。测试了来自5个产地17个油菜籽品种188份油菜籽皮样品的红外光谱,按产地和品种选择训练样本,每个品种选择5份为训练样本,剩下的作为测试样本,选择1 800～950 cm-1范围的光谱信息,在SPSS20.0的判别分析模块中采用逐步法,Fisher线性判别准则,分别建立油菜籽品种和产地的鉴别模型来判别样品的品种和产地;比较了逐步判别分析中五种筛选建模信息的算法所建立的模型对实验样品品种和产地的鉴别效果。基于油菜籽皮红外光谱信息的品种判别分析,五种筛选变量的算法所建立的模型都能较好的识别油菜籽的品种,“Wilks’ Lambda”法所建模型的识别效果最好,判别正确率为97.9%。基于油菜籽皮红外光谱信息的产地判别分析,五种筛选变量的算法所建立的产地判别模型也都能较好的识别油菜籽的产地,“Unexplained variance”法所建模型的识别效果最好,判别正确率为98.4%。研究结果表明,基于油菜籽皮中红外光谱信息的品种和产地判别分析,有望成为油菜籽品种和产地鉴别的方法。     

红外光谱结合判别分析对三七道地性及产地的鉴别研究

利用傅里叶变换红外光谱结合判别分析对三七的道地性及产地进行鉴别研究。测试了11个县13个种植点的136株三七主根样品的红外光谱,利用Omnic8.0软件计算了每个样品红外光谱的二阶导数光谱。分别采用1 800~700cm-1光谱范围的红外光谱数据和二阶导数光谱数据,运用逐步判别分析法建立模型对三七的道地性进行判别研究,二阶导数光谱数据建立的模型对三七道地性的识别效果更好,回判正确率为100%,预测正确率为93.4%。采用交叉验证法检验了模型的稳定性,并对此方法进行了外推性验证。用二阶导数光谱数据结合相同的判别方法对三七的产地进行识别,比较了不同光谱范围和不同训练样本数建立的模型判别效果,每个种植点选择8个样本作为训练样本,采用1 500~1 200cm-1光谱范围的数据建立的模型判别效果较好,回判正确率为99.0%,预测正确率为76.5%。结果表明,红外光谱结合判别分析对三七道地性的识别效果好,有望成为实际中鉴别三七道地性的新方法;对三七产地的识别有一定的效果,可作为三七产地鉴别的一种新思路。     

鲁米诺-过渡金属超常氧化态配合物化学发光体系测定氨基糖苷类抗生素

研究发现过渡金属超常氧化态配合物(二羟基二过碘酸根合铜(Ⅲ)配离子(DPC)、二羟基二过碘酸根合银(Ⅲ)配离子(DPA)和二羟基二过碘酸根合镍(Ⅳ)配离子(DPN))在碱性条件下可以氧化鲁米诺而产生化学发光,氨基糖苷类抗生素对该化学发光体系有增敏作用。以DPC为例研究了氨基糖苷类抗生素——托普霉素对该体系的增敏作用,建立了测定血清中托普霉素含量的新方法。考察了溶液酸碱度和化学发光试剂对化学发光强度的影响,在最佳实验条件下,托普霉素浓度在6.0×10-8~2.0×10-6g/mL范围内与化学发光强度呈良好的线性关系,方法的检出限(3σ)为1.5×10-8g/mL,对浓度为5.0×10-7g/mL的托普霉素溶液连续测定7次,相对标准偏差为2.7%。该方法用于血清中托普霉素含量的测定,结果令人满意。     

流动注射-化学发光法测定猪饲料中的吡喹酮

基于吡喹酮对Luminol-NaIO_4化学发光体系有较强的抑制作用,并结合流动注射分析技术,建立了测定吡喹酮的流动注射-化学发光(FI-CL)新方法。在最佳实验条件下,吡喹酮在4.0×10~(-8)～1.0×10~(-6) mol/L浓度范围内与相对化学发光强度呈良好的线性关系,该方法对测定吡喹酮显示出较高的灵敏度,检出限(LOD,3σ)为9.9×10~(-9) mol/L。对2.0×10~(-7) mol/L的吡喹酮平行测定11次,其相对标准偏差(RSD)为1.4%。采用该方法对猪饲料样品进行加标实验,回收率为98.5%～100%。该方法已经成功用于猪饲料样品中吡喹酮的测定。     

基于红外光谱的石斛品种判别分析

测试了30个品种206株石斛茎的红外光谱,光谱显示,石斛的主要物质成分为纤维素等多糖物质。用石斛的傅里叶变换红外光谱结合Wilks’Lambda逐步判别分析法对石斛品种进行识别研究,比较分析了不同的光谱范围和不同的训练样本数对识别结果的影响。对1 800~1 250cm-1光谱范围的287个变量进行品种判别分析,每个品种的训练样本分别为2,3,4,5,6个时,对训练样本的回判正确率都是100%;以余下的样本作为测试样本进行品种预测的正确率分别为79.4%,91.3%,93.0%,98.2%,100%。同时对1 800~1 500,1 500~1 250,1 250~600,1 250~950,950~600cm-1等不同光谱范围,按五种不同的训练样本情况,相同的判别分析方法进行判别分析比较,1 800~1 250,1 800~1 500和950~600cm-1光谱范围的变量更适宜进行石斛品种的判别分析;每个品种的训练样本达到3个及以上时,建立的模型判别分析结果较好。结果表明,傅里叶变换红外光谱结合逐步判别分析法对不同品种的石斛进行鉴别,能够较好的识别石斛的品种,为石斛品种的鉴别提供了一种简便、易行的新方法。     

红外光谱和逐步判别分析应用于金银花品种和产地的鉴别

基于傅里叶变换红外光谱技术,利用逐步判别分析法对金银花品种和产地进行鉴别研究。采集、测试了5个产地9个品种150份金银花样本的红外光谱,并计算了各样品红外光谱的一阶导数光谱和二阶导数光谱。分别选用不同的样本组成训练集和检验集,以1800～900 cm~(-1)、1500～700 cm~(-1)和1200～700 cm~(-1)波数范围的红外光谱、一阶导数光谱和二阶导数光谱数据为判别变量建立判别模型对金银花的品种和产地进行鉴别。判别结果显示,以1800～900 cm~(-1)波数范围的二阶导数光谱数据为判别变量建立的模型鉴别效果相对较好,对品种和产地的鉴别正确率依次达93.20%和96.13%。研究结果表明,采用逐步判别模式识别可以很好地鉴别不同品种和产地的金银花,方法可行有效,可为金银花品种和产地朔源提供方法。     

固相萃取-气相色谱法定量分析橄榄油中饱和烃矿物油和芳香烃矿物油

建立了固相萃取(SPE)净化、程序升温进样结合气相色谱-氢火焰离子化检测器(PTV-GC-FID)定量分析橄榄油中饱和烃矿物油(MOSH)和芳香烃矿物油(MOAH)污染残留的方法。样品经正己烷溶解后,利用环氧化反应结合自制的分子筛SPE柱和0.3%AgNO_3硅胶SPE柱交替净化方式,消除了样品中脂质、蜡酯、烯烃、天然烷烃等干扰,并实现MOSH和MOAH的有效分离,氮吹浓缩后,经程序升温进样口大体积进样注入GC-FID分析,外标法定量。优化了环氧化试剂用量、环氧化反应时间、固相萃取洗脱体积等实验参数。结果表明,矿物油标准参考物Gravex 913润滑油在2.0~500.0 mg/L范围内呈良好线性关系,MOSH和MOAH的检出限分别为1.0和0.3 mg/kg,定量限分别为3.0和1.0 mg/kg,加标回收率分别为93.2%~103.7%和78.5%~81.3%,相对标准偏差分别为2.7%~5.0%和2.9%~4.0%。本方法净化效果好、试剂用量少、操作简单、检出限低,能有效分离植物油中MOSH和MOAH,适用于橄榄油中矿物油的定量检测。