拉曼光谱同时测定乙醇与葡萄糖的方法研究

以共焦拉曼光谱技术为基础,结合96孔板,对比利用一元线性回归法、多元线性回归法、主成分回归法和偏最小二乘法建立定量分析模型,探索同时定量检测乙醇和葡萄糖的快捷方法。对同一组乙醇和葡萄糖混合标准溶液进行定量检测,并用木薯淀粉发酵液进一步验证。结果表明,偏最小二乘法定量结果的平均标准误差(SE)为0.179,平均相对标准偏差(RSD)为0.029,结合二阶导数后分别降至0.106和0.021,说明偏最小二乘法具有良好的紧密度和稳定性;t检验表明,在置信度为95%的条件下,实测值与标准值间不存在显著性差异。研究表明基于拉曼光谱技术的偏最小二乘回归定量方法,能满足实验和生产对乙醇和葡萄糖检测精度的要求,可用于乙醇和葡萄糖相关成分的同时快速检测。     

拉曼光谱结合稀疏非负最小二乘算法用于混合物组分识别

拉曼光谱数据含有与被测物质组分相对应的指纹谱信息,是混合物组分识别的有效方法。传统的拉曼光谱法用于混合物组分检测时,存在光谱特征提取困难、搜索比对算法性能容易受数据库大小影响、识别精度难以保证等问题。针对此问题,本研究提出了一种基于稀疏非负最小二乘算法的混合物组分拉曼光谱识别方法。本方法将待识别的混合物光谱数据看作是各种纯净物光谱数据的线性表示;考虑到混合物组分数量相对于数据库中纯净物数量具有稀疏特性,利用稀疏最小二乘算法获得混合物光谱在纯净物光谱数据中的线性表示系数;并根据统计学中的2δ准则确定疑似组分;在此基础上,利用迭代最小二乘算法并结合T检验方法,实现混合物组分的最终识别。本研究基于自建的500种纯净物拉曼光谱数据库,对组分等体积比混合的19个混合物样本和不同体积比的81个样本进行了组分识别。结果表明,在等体积比情况下,本算法的查准率为90.24%,查全率为88.10%;对于不同体积比的混合物样本,整体查准率为93.22%,查全率为83.65%,表明此算法具有良好的稳定性和准确度。     

表面增强拉曼光谱研究基于轴向配位键结合的金属卟啉自组装膜

选择一种金属卟啉有机物(5-对-烷氧基苯基-10,15,20-三苯基卟啉羟基稀土化合物, HoOH)和4,4'-联吡啶(44BPY)作为自组装膜的基本构筑单元, 利用金属配位作用, 成功地将HoOH单分子膜组装到44BPY修饰的银表面. 采用紫外-可见吸收光谱、表面增强拉曼光谱研究了金属卟啉自组装膜的形成并且探索其结构和取向的变化. 结果表明, 底层的44BPY通过4位的N原子垂直吸附到银表面, 另一端的吡啶环上的N原子与HoOH的金属中心配位形成化学键. 从而在44BPY长轴向方向上将HoOH连接到44BPY自组装膜上, 并形成了新的交替膜. 之后, 底层的44BPY取向发生变化, 更向基底倾斜, 而上层的HoOH的分子平面则近乎平行于基底.     

表面增强拉曼光谱结合乘子效应模型对血浆和药片中甲巯咪唑的定量检测

将表面增强拉曼散射(Surface-enhanced raman scattering,SERS)技术与乘子效应模型结合,采用2-巯基异烟酸作为内标,以银纳米颗粒为SERS增强基底,对血浆和药片样本中甲巯咪唑的进行准确的定量分析.实验结果表明,本方法对血浆样本中甲巯咪唑的平均相对预测误差为5.1％,检出限为32 nmol/L;对药片中甲巯咪唑的定量结果与LC-MS/MS方法基本一致,其加标回收率在93.3％ ～ 110.9％之间.     

不同校正策略预测性能的比较——生物样本中6-巯基嘌呤的表面增强拉曼光谱定量分析

比较了单变量比率校正方法、偏最小二乘回归法、基于各种预处理方法的偏最小二乘回归法,以及波谱形变定量分析理论对生物基质(血浆和尿液)中6-巯基嘌呤(6-MP)的表面增强拉曼光谱(SERS)数据的定量分析结果。研究表明,只有波谱形变定量分析理论能够对加标血浆和尿液样本中6-MP的SERS光谱数据进行准确的定量分析,其预测结果的平均相对误差小于7%,回收率在93.6%～107.4%,检出限约为6.0 nmol/L。SERS光谱技术结合波谱形变定量分析理论有望成为一种适用复杂生物样本中6-MP定量分析的替代方法。     

拉曼光谱结合背景扣除化学计量学方法用于汽油中MTBE含量的快速测定研究

应用便携式拉曼光谱仪测量了汽油样本的拉曼光谱,以自适应迭代惩罚最小二乘方法(airPLS)对光谱进行了背景扣除和平滑处理,并选取特征峰区间利用偏最小二乘方法(PLS)建立了预测甲基叔丁基醚(MT-BE)的校正模型。以训练集相关系数和拟合误差及测试集相关系数和预测误差作为判定依据,确定了最佳建模条件。最终训练集相关系数为0.996 0,拟合误差为0.316 1,测试集相关系数为0.996 6,预测误差为0.490 1。结果表明采用便携式拉曼光谱结合化学计量学方法处理,可以满足对汽油中MTBE含量快速检测的要求。     

非原位拉曼光谱区分富锂层状氧化物的集成结构:一种预测Li2MnO3活化程度的有效方法

采用5种方法,即溶胶-凝胶法、高温固相法、共沉淀法、水热法和溶剂热法合成了富锂材料Li_(1.2)Mn_(0.6)Ni_(0.2)O_2。拉曼光谱研究发现共沉淀法制备的样品是固溶体结构,而其他4个样品是以不同尺度共生形成的复合物结构。电化学性能测试结果表明这5个富锂材料性能存在明显差异,尤其是在首次充电过程中5个样品位于4.5 V以上由Li_2MnO_3组分活化所贡献的容量明显不同,共沉淀法制备的具有固溶体结构的样品中由Li_2MnO_3组分活化贡献的容量最多。由此我们建立起电化学性能与两相集成方式的联系,不同的集成方式使得Li_2MnO_3组分活化所贡献的容量不同,进而影响了最终的电化学性能。     

非原位拉曼光谱区分富锂层状氧化物的集成结构:一种预测Li2MnO3活化程度的有效方法

采用5种方法,即溶胶-凝胶法、高温固相法、共沉淀法、水热法和溶剂热法合成了富锂材料Li_1.2Mn_0.6Ni_0.2O₂。拉曼光谱研究发现共沉淀法制备的样品是固溶体结构,而其他4个样品是以不同尺度共生形成的复合物结构。电化学性能测试结果表明这5个富锂材料性能存在明显差异,尤其是在首次充电过程中5个样品位于4.5 V以上由Li₂MnO₃组分活化所贡献的容量明显不同,共沉淀法制备的具有固溶体结构的样品中由Li₂MnO₃组分活化贡献的容量最多。因此我们建立起电化学性能与两相集成方式的联系,不同的集成方式使得Li₂MnO₃组分活化所贡献的容量不同,进而影响了最终的电化学性能。