化学支持“新农科”建设的思路、进展与未来重点

分析提出了“新农科”建设背景下化学学科支持化学专业和非化学专业建设的思路,对当前化学支持“新农科”专业建设、课程体系、课程思政、教学方式方法改革、实践体系和师资队伍建设等方面的进展进行了全面总结和评述,解析了现有建设过程中尤其在学科建设、院际协同和深化课程思政等方面存在的问题,提出了化学支持“新农科”建设的未来重点,为新农科的建设提供了参考。     

高光谱成像技术鉴别菠菜叶片农药残留种类

利用高光谱成像技术无损鉴别菠菜叶片农药残留种类。采用高光谱成像仪采集900~1 700 nm波段内的光谱数据，采用多元散射校正对光谱数据进行预处理。利用主成分分析对不同种类菠菜样品的光谱数据进行分析，结果表明主成分分析能在可视化层面对不同种类的农药残留菠菜样品进行有效判别。另外，将卡方检验特征选择算法分别与支持向量机、朴素贝叶斯、决策树和线性判别分析算法结合，并采用10-fold交叉验证评价方法，筛选出最佳波段和最优判别模型（线性判别模型）。筛选出的8个特征波长为1 439.3，1 442.5，1 445.8，1 449，1 452.3，1 455.5，1 458.7，1 462 nm，模型的预测准确率达到0.993且10次交叉验证的标准差为0.009。结果表明，基于高光谱成像技术能准确地识别菠菜叶片上的农药残留种类。     

基于光谱分析技术的肉桂醛与玉米醇溶蛋白作用机理的研究

通过荧光光谱、紫外光谱、圆二色谱、红外光谱、核磁共振光谱研究肉桂醛与玉米醇溶蛋白间的作用机理，为改善玉米醇溶蛋白膜的机械性能及抗菌性和抗氧化性提供研究依据。通过三维荧光光谱检测，发现肉桂醛对玉米醇溶蛋白有明显的荧光猝灭作用，而且溶剂乙醇对猝灭现象有影响。用紫外差谱观察到玉米醇溶蛋白在紫外区278 nm的吸收强度随肉桂醛浓度增大而加大，但增加的幅度与浓度改变不成比例，氨基酸残基的特征吸收峰的位置没有变化。加入肉桂醛前后，圆二色谱显示的两条曲线近乎重合。利用全反射ATR附件测定傅里叶变换红外光谱，发现加入肉桂醛之后，1 650和1 538 cm-1的吸收峰峰位没有发生明显的变化，但1 625 cm-1处出现了明显的肩峰，体现了肉桂醛碳碳双键的吸收，指纹区879.44 cm-1处的峰消失，973.46 cm-1处出现新峰，显示出肉桂醛反式双键的吸收，说明玉米醇溶蛋白与肉桂醛发生了非键合作用。对酰胺Ⅰ带进行自去卷积计算，发现玉米醇溶蛋白的二级结构中α螺旋结构变化甚微，β转角发生显著改变。通过核磁共振氢谱，分析4个位置的质子H的化学位移，仅改变了0.01，而且加入肉桂醛1和4 h之后，化学位移改变量相等，证明肉桂醛与玉米醇溶蛋白的结合反应发生在蛋白表面。对体系的热力学参数进行计算，可知肉桂醛与玉米醇溶蛋白之间发生的是结合比为1∶1的自发结合反应；在肉桂醛低浓度时，猝灭常数随温度的升高而降低，但变化不显著；结合常数很大，数量级达到105，且随温度的升高而降低。在有无肉桂醛的条件下，对玉米醇溶蛋白荧光寿命的测定，进一步确认二者之间发生的是静态猝灭。综合多种光谱分析结果，说明肉桂醛与玉米醇溶蛋白主要在芳香区的外部发生π-π堆积，以静电力结合，是静态猝灭机制，与作用时间的长短无关。结果表明玉米醇溶蛋白中加入肉桂醛，对其二级结构不会造成明显的影响。     

阿特拉津与DNA作用共振光散射光谱的研究及其应用

首次报道了阿特拉津与ctDNA作用的共振光散射光谱 (RLS)特征和利用小分子农药阿特拉津作为探针测定痕量脱氧核糖核酸的方法。在 pH=1.41的酸度条件下 ,阿特拉津 -ctDNA在319.8nm处有一增强的共振光散射光谱峰 ,且增强的共振光散射强度与ctDNA的浓度成线性关系。在实验确定的优化条件下 ,方法的线性范围为0.05～34μg·mL -1 ,检出限为11.9ng·mL -1(3δ) ,该方法成功地用于人工混合样品中ctDNA的测定     

十二烷基硫酸钠敏化联苯胺共振光散射技术测定脱氧核糖核酸

研究了在十二烷基硫酸钠作用下联苯胺与小牛胸腺脱氧核糖核酸 (ctDNA)作用的共振光散射光谱(RLS)的特征。痕量核酸对联苯胺 十二烷基硫酸钠的RLS有增强作用 ,且增强的程度与核酸的浓度成线性关系。在优化条件下确定了RLS强度与核酸浓度的线性范围为 0 3～ 4mg·L-1,线性方程为I =37 17c(ctDNA ,mg·L-1) +2 0 8 9,相关系数r =0 9992。方法的检出限为 0 17mg·L-1(3δ) ,相对标准偏差3 5 %。该方法成功地用于人工混合样品和转基因烟草中的DNA含量测定     

柠檬黄与玉米醇溶蛋白的相互作用研究

为了对玉米醇溶蛋白的改性研究及柠檬黄色素的安全使用评估提供理论依据,借助于荧光光谱法、紫外光谱法、全内反射-傅里叶红外光谱(ATR-FTIR)自去卷积计算及核磁共振氢谱研究了人工合成色素柠檬黄对玉米醇溶蛋白构象的影响。结果表明,柠檬黄对玉米醇溶蛋白有明显的荧光猝灭作用,猝灭机理较复杂。柠檬黄可以与玉米醇溶蛋白结合,分子间主要以疏水作用力结合,利用Stern-Volmer方程和Van't Hoff公式计算获得结合比为1∶1,结合常数K_a值较大。通过FTIR的自去卷积计算分析,这种结合反应导致玉米蛋白二级结构中α螺旋结构、β折叠和β转角均发生显著改变。核磁共振氢谱分析表明由于玉米醇溶蛋白具有两亲性,当溶剂为二甲基亚砜时,混合溶液为低极性环境,化学位移略向高磁场移动;当溶剂为重水D_2O时,化学位移明显地向低磁场移动,而且这种作用与反应时间长短无关。进一步说明在极性和低极性的环境下柠檬黄都会引起玉米醇溶蛋白构象的改变。     

基于高光谱成像技术的不同产地小米判别分析

高光谱成像技术被广泛应用于农产品的检测。基于高光谱成像技术结合机器学习算法无损鉴别不同地区的小米样本。将来源7个省份共计23份样品的小米样本根据地理区域划分为东北地区、河北、陕西、山东和山西共5大类，其中东北地区共6份样品，山西地区5份样品，河北、陕西和山东各4份样品。将每份样品均分为10等份并利用高光谱成像仪采集900～1 700 nm波段内小米的高光谱数据。为了减少光照不均匀和暗电流对实验的影响，对采集到的高光谱数据进行黑白校正。利用ENVI软件选取小米高光谱图像的感兴趣区域(ROI)，每份小米样品选取9个ROI。计算ROI内的平均光谱值，以此平均值作为该样本的一条光谱记录，最后共收集到2 070条光谱曲线，其中东北类540条，山西类450条，其他河北类、山东类、陕西类各360条。为了减少样品表面的不平整性引起的散射现象，进而影响小米的真实光谱信息，对收集到的原始光谱进行多元散射校正预处理(MSC)。采用随机划分法对校正过后的光谱数据划分训练集和测试集，测试集占的比例为0.3。利用线性判别分析(LDA)对不同产地小米的光谱数据进行可视化分析，将测试集代入训练好的LDA模型，做出预测结果的混淆矩阵(Confusion Matrix)，结果表明LDA对于陕西和山西类的预测准确率为0.84和0.99，对于东北、河北和山东的预测准确率仅为0.68，0.68和0.40。进而采用递归特征消除(RFE)对小米的光谱信息进行特征选择，去除冗余的信息，提高模型的预测准确率。将RFE分别与支持向量机(SVM)和逻辑回归(LR)结合，对不同产地小米的判别进行对比分析。将小米光谱数据的训练集分别代入SVM-RFE和LR-RFE模型并结合3折交叉验证技术，以模型F值的微平均(Micro-averaging)最优选择出相应的特征子集。结果表明，LR-RFE选择的波长数为74个，其模型的Micro_F为0.59；SVM-RFE选择的波长数为220，其模型的Micro_F为0.66。将选择后的特征子集应用到测试集并将测试集分别代入SVM和LR模型，采用模型预测结果的混淆矩阵和模型的受试者工作特征曲线(ROC)作为评价方法。结果表明SVM-RFE对东北地区、河北、陕西、山东和山西的预测准确率分别为1，0.37，0.72，0和1，其ROC曲线下面积(AUC)分别为0.82，0.92，0.93，0.70和0.99。LR-RFE的预测准确率分别为0.92，0，0.97，0和0.80，其AUC分别为0.72，0.74，0.94，0.66和0.88。从预测结果可以看出SVM-RFE模型的综合分类性能优于LR-RFE，而对陕西类的判别LR-RFE要优于SVM-RFE，对于河北类和山东类两个模型都不能有效判别。这两个模型的预测准确率相比LDA有了一定的提升。     

共振光散射法研究甲萘威与DNA的作用及其应用

通过共振光散射光谱(RLS)和电子吸收光谱的特征,探求了甲萘威与ctDNA的结合方式,实验表明在pH1.97的条件下,甲萘威与ctDNA既有表面聚集又有嵌入式结合的双重作用,结合形式与二者之间的浓度比有关。在此条件下,甲萘威与ctDNA作用的RLS强度与ctDNA的浓度呈线性关系,据此建立了一种简单快速测定ctDNA的新方法。ctDNA的浓度在0.02～3μg.mL-1的范围内与RLS强度呈良好的线性关系,线性方程为I=200.77c(μg.mL-1) 118.91,相关系数r=0.9989。该方法已成功地用于人工混合样品的测定。     

用MSC-ANN方法建立冬小麦叶片叶绿素与反射光谱的定量分析模型研究

采用多元散射校正(MSC)预处理方法对冬小麦叶片反射光谱进行预处理,有效地减小物理因素对光谱的影响,之后用非线性迭代偏最小二乘法(NIPALS)提取经MSC处理后的反射光谱的主成分,主成分个数由交叉证实法(Cross Validation)确定,将提取的主成分作为人工神经网络(ANN)的输入,建立人工神经网络分析模型(MSC-ANN),用冬小麦叶片的反射光谱来预测冬小麦叶片叶绿素含量。校准集的化学值与预测值的相关系数r达到0.960 4,预测标准偏差SD为0.187,相对标准偏差RSD为5.18%。检验集的化学值与预测值的相关系数r达到0.960 0,预测标准偏差SD为0.145,相对标准偏差RSD为4.21%。结果表明,MSC-ANN方法能在较大程度上消除了野外物理因素的影响,使用具有代表性的光谱数据点建立模型,能够建立准确的冬小麦叶绿素含量预测模型,可代替经典分析方法,满足冬小麦叶片叶绿素快速分析的需要。     

硅对农作物生长的影响

硅元素在地壳中含量排位第2，作为非金属材料已广为熟知，它与农作物的生长密切相关。回顾了硅元素的研究历程，介绍了硅元素的性质、在土壤中的分布特点和存在形态。综述了硅在提高农作物抗逆能力如抗旱、抗倒伏、耐盐碱、耐高温等方面的研究进展，评述了硅在协调并促进农作物对营养物质的吸收，缓解重金属离子的毒害作用，抵御病虫害的侵袭方面的作用规律和机制。分析了硅元素调节农作物生长的机理和条件，从基因角度分析农作物对硅元素的吸收和转运。探讨了硅肥和有机硅表面活性剂在促进农业可持续发展过程中的重要作用。