2,6-二氯靛酚钠动力学分光光度法测定西红柿及草莓中的抗坏血酸

本文提出用2，6－二氯靛酚纳（以下简写DIS）作氧化剂动力学分光光度测定L－抗坏血酸的新方法。DIS与L－抗坏血酸混合．在固定时间间隔于611nm处测得吸光度A值的变化（△A／△t）与抗坏血酸含量成线性关系。线性范围为0～12mg／L。在样品处理时采用偏磷酸作为提取剂，以减缓抗坏血酸被氧化的速度结果表明，该方法有较高灵敏度，且操作简便，试剂易得，容易推广，是测定水果和蔬菜中L-抗坏血酸的好方法。     

草莓型SiO2/PMMA纳米复合微球的制备

在纳米二氧化硅水分散体系中,借助于碱性辅助单体1-乙烯基咪唑(1-VID)与未改性纳米二氧化硅表面羟基之间的酸-碱作用,通过1-VID与甲基丙烯酸甲酯(MMA)的自由基共聚合,制备了草莓型的SiO2/PMMA复合微球.整个反应过程中,纳米二氧化硅无需表面处理,体系中无需另外加入乳化剂或助乳化剂,微球表面吸附的纳米二氧化硅对颗粒起稳定作用.用动态光散射粒度分布仪测得复合微球粒径在120-330nm之间,热重分析结果表明,复合微球中二氧化硅含量介于15%-20%之间.透射电镜和扫描电镜显示所得复合微球具有草莓型结构,二氧化硅富集在表面.     

芹菜、草莓基质对甲胺磷等4种有机磷农药测定的影响

研究芹菜、草莓基质对甲胺磷、乙酰甲胺磷、氧化乐果、毒死蜱4种有机磷农药检测的影响。利用样品基质溶液配制标准样品,对比草莓、芹菜样品、丙酮溶液中4种农药的保留时间、峰形、峰面积。结果发现DB–5MS色谱柱上,丙酮溶液、芹菜基质、草莓基质中甲胺磷、乙酰甲胺磷、氧化乐果色谱峰出峰时间不完全重合,保留时间最大漂移0.1 min。丙酮溶剂、芹菜基质较草莓基质中的甲胺磷、乙酰甲胺磷、氧化乐果更容易出现峰拖尾现象,且芹菜基质溶液中相同浓度的甲胺磷、乙酰甲胺磷峰面积分别约是草莓基质溶液中的75%,90%。毒死蜱的保留时间、峰形、响应面积在草莓基质、芹菜基质、丙酮溶液中基本一样。     

谢晓亮院士研发出单细胞测序新技术

人类、草莓、蜜蜂、鸡和大鼠等许多生物体都已经进行过DNA测序。如果说测序个别物种具有挑战性,那么测序单个细胞的DNA无疑更难。为了获得足够的DNA进行测序,通常需要数以千计或甚至数以百万计的细胞。而找出哪种突变存在于哪种细胞     

聚合物纳米微粒静电组装行为及其表征

使用2,2′-偶氮二异丁基脒二盐酸盐自由基引发剂,改变甲基丙烯酰氧乙基十六烷基二甲基溴化铵阳离子功能单体的量与苯乙烯进行乳液聚合获得不同粒径的阳离子乳胶粒,使用十二烷基硫酸钠为乳化剂和过硫酸钾为引发剂制备阴离子聚合物乳胶粒.采用基于静电相互作用的异凝聚法将以上2种带有相反电荷的乳胶粒组装,获得了表面粗糙程度不同的复合微粒.对异凝聚过程中复合液透光率和微粒大小及分布进行跟踪测试,并用透射电子显微镜表征了阳离子微粒、阴离子微粒以及复合微粒的形态和大小.结果表明,在一定范围内可以通过控制阴离子乳胶粒与阳离子乳胶粒的复合比例改变单个复合微粒表面阳离子小微粒的数目.     

小红帽的大逆袭

正1今天,小镇衣帽店里,那顶最美丽、最闪亮的小红帽被人买走了。买小红帽的是一位妈妈,她要把小红帽当做生日礼物送给女儿。从此,这位戴着小红帽的女孩就被大家叫做"小红帽"。     

非离子乳化剂细乳液聚合制备草莓型PSt/SiO2纳米复合微球

通过细乳液聚合,使用非离子乳化体系辛基酚聚氧乙烯醚(CA-897),在纳米二氧化硅水分散介质中,以1-乙烯基咪唑(1-VID)作为辅助单体制备了苯乙烯为核,纳米二氧化硅为壳的草莓型PSt/SiO2有机-无机复合微球.实验范围内得到的复合微球的平均粒径和最终SiO2含量分别介于140～180 nm和19 wt%-31wt...     

三种含笑属植物花挥发物的原位显微拉曼光谱检测

用油细胞原位拉曼光谱检测方法,直接获得了白兰花、深山含笑、黄花含笑油细胞的拉曼光谱,通过分析研究得出其主要挥发物。白兰花盛花油细胞中的主要挥发物为:芳樟醇、β-蒎烯、没药醇、香芹酮、α-松油烯、β-榄香烯。深山含笑盛花、花蕾油细胞中的主要挥发物为:甲氧基肉桂酸乙酯、对伞花烃、香茅醇。黄花含笑小花蕾、花蕾、盛花油细胞中的主要挥发物为:香芹酮、α-蒎烯、β-蒎烯、反式-反式-金合欢醇;对伞花烃、甲氧基肉桂酸乙酯、反式-反式-金合欢醇;甲氧基肉桂酸乙酯、反式-反式-金合欢醇。     

疯狂栽树

正地球上的滥砍滥伐让胡图博士非常痛心。他决定尽自己所能帮地球重新穿上绿衣。这不,胡图博士用自己的聪明才智把9棵树栽成了10行,而且每行都有3棵。他到底是怎么办到的呢?动动脑子,     

应用CARS和SPA算法对草莓SSC含量NIR光谱预测模型中变量及样本筛选

采用光谱技术对水果进行定量或定性分析,如何获得一个简单、有效的校正模型对后续模型的应用和维护都非常关键。以草莓内部品质近红外光谱预测为例,从关键变量和特征样本优选两方面进行研究。采用竞争性自适应重加权CARS算法对光谱变量进行初次选择,随后采用连续投影算法SPA对校正集样本进行优选,获得98个特征样本,针对优选后的变量/样本子集利用SPA算法作二次关键变量提取,获得25个关键变量。为了验证CARS算法的性能,蒙特卡罗无信息变量消除MC-UVE和连续投影算法SPA用于比较研究。CARS算法在消除无信息变量的同时可以对共线性信息进行去除。同样,为了评估SPA算法在特征样本选择中的性能,经典的Kennard-Stone算法也用于比较分析。SPA算法能够用于校正集特征样本的优选。针对最终优选后的变量/样本(25/98)子集建立PLS和MLR模型对草莓内部可溶性固形物含量SSC含量进行定量预测。结果表明,两个模型利用原始变量/样本的0.59%/65.33%的信息均能够获得比基于原始变量/样本所建模型更好的性能,且MLR模型比PLS模型性能略优,r2_pre,RMSEP和RPD分别为0.909 7,0.348 4和3.327 8。