PET与SAN/PAN复合膜界面的 FTIR-ATR研究

应用傅里叶衰减全反射红外光谱(FTIR-ATR)技术对聚对苯二甲酸乙二酯(PET)表面形成不同厚度的超薄苯乙烯-丙烯腈共聚物(SAN)和聚丙烯腈(PAN)的共混物膜及其SAN/PAN共混物膜的厚度、界面层PET亚甲基的构像变化等进行研究,结果表明PET表面共混物膜的厚度随共混物混合液中SAN含量的增加而增加,界面层成膜物质与基材的分子链段间发生了相互渗透和扩散,分子链的极性越相近,越容易成膜.对PET红外光谱吸收峰的A1340/A1410进行定量研究表明,在成膜过程中,PET分子链的亚甲基构像由反式向旁式转变,引起界面层PET的结晶度降低.FTIR-ATR是分析复合膜界面层结构信息的有效方法.     

活性胃蛋白酶在阳离子化PET 表面的自组装功能膜研究

利用分子沉积法在表面阳离子化的聚对苯二甲酸乙二酯基材上制备活性胃蛋白酶分子的自组装生物膜,并利用原子力显微镜和X-射线光电子能谱对基材和活性胃蛋白酶/PET-NH3^ 组装膜的表面形貌及组分进行了研究。     

茶叶中3类主要组分的近红外光谱分析作为茶叶质量的快速评定方法

应用近红外光谱法测定了与茶叶品质密切相关的茶多酚、氨基酸及咖啡碱三类化合物。用PLS计算法建立了表示上述组分的二阶导数近红外光谱与其含量间关系的分析模型。根据相关分析模型计算所得的组分含量的结果与用国家标准方法测得的对应组分的含量达到一致。所提出的方法可作为评定茶叶品质的快速方法。     

近红外光谱法测定绿茶中氨基酸、咖啡碱和茶多酚的含量

直接取茶叶完整叶进行傅里叶变换近红外 (FT- NIR)光谱分析测定绿茶中氨基酸、咖啡碱和茶多酚的含量。茶叶的近红外光谱划分为 3个波段 ( :1 0 0 0 0— 71 4 3cm-1 :71 4 3— 5 376 cm-1 :5 376—4 0 0 0 cm-1 ) ,偏最小二乘法建立每种成分的数学模型 ,对不同波段的近红外分析结果进行讨论。在进一步优化波长范围的基础上获得了较好的数学模型 ,氨基酸、咖啡碱和茶多酚的校正值与化学值之间的相关系数分别达到 0 .994 ,0 .92和 0 .96 ,预测均方根误差分别为 0 .1 5 ,0 .31和 1 .6 7。     

LBL自组装技术及自组装生物功能膜结构

主要介绍近几年发展的用于生物大分子自组装功能膜的三种逐层（LBL）自组装技术与制备方法,酰胺化反应自组装技术、生物分子的特异识别自组装技术、分子沉积自组装技术;同时总结了自组装功能膜的结构、特性的表征方法,主要有AFM、TEM、循环伏安法、石英晶体微天平（QCM）技术、UV/VIS、XPS方法等。     

固相萃取-高效液相色谱法测定面粉类食品中丙烯酰胺

建立了基于固相萃取-高效液相色谱法的面粉类食品中丙烯酰胺的检测方法,该方法的加标回收率在88.1%～93.8%之间,日内标准偏差小于2.7%,可以满足食品中丙烯酰胺测定的要求。采用该方法对市售饼干样品进行测定,结果表明,饼干中普遍存在丙烯酰胺,其含量约为WHO推荐饮用水中限值的200到800倍。     

脂肪酶在负离子化PET表面的单分子层自组装膜研究

研究了脂肪酶分子在表面负离子化聚对苯二甲酸乙二醇酯（PET）薄膜表面的分子自组装,由AFM和FTIR－ATR等方法研究脂肪酶单分子层膜的表面结构;活力测定表明：脂肪酶／PET自组装单分子层膜的酶活力表现率约为2.0左右。     

近红外光谱法快速测定水体有机污染物的方法研究

有机污染物是水体主要污染物之一,急需建立简单快速无污染的监测技术。本文将近红外光谱技术应用于水体有机污染物的测定,建立化学需氧量(COD)和生化需氧量(BOD5)的分析方法。结果表明,采用偏最小二乘算法、以近红外光谱的一阶导数谱建立的分析模型对水样COD和BOD5的测定均取得较好的效果。该分析模型对水样COD和BOD5的预测值和标准值之间的相关系数分别达到0.991和0.998,校正集的均方根偏差(RMSEC)相当于水样平均COD和BOD5值的4.3%和1.9%,满足日常监测的需要。分析模型对预测集样品的均方根偏差与RMSEC接近,表明该分析模型具有较好的适用性。采用近红外光谱法测定水体COD和BOD5等有机物指标结果可靠,为水体有机物污染的快速测定提供了一种可行的分析技术。     

大分子自组装成膜技术及膜结构的影响要素

综述了化学吸附,分子沉积,旋涂和接枝成膜等四种大分子自组装成膜技术,并详细介绍了成膜基材,大分子及其溶液性质和温度对大分子自组装膜结构的影响。     

花生油中过氧化物的近红外光谱分析

研究了采用近红外光谱测定花生油中过氧化物含量的方法.在9 214～4 559 cm-1波长范围内,应用傅里叶变换红外光谱仪,利用偏最小二乘法建立了预测过氧化物含量的数学分析模型,通过交互检验得到的主因子数为9,交互验证均方根误差(RMSECV)为6.88×10-4g/mL,模型预测花生油样品得校正值与预测值的相关系数为0.991,标准偏差为1.10×10-4g/mL.根据模型分析8种未知样品得到的分析结果与用国家标准方法测得的结果其平均相对误差为1.77%.