丙氨酸二肽的酰胺-Ⅰ带振动频率图

基于分子力学力场构建了丙氨酸二肽(ALAD)在重水溶剂中的酰胺-Ⅰ带振动频率图,将溶剂作用以静电势场的形式投影至ALAD分子骨架中,并且引入骨架二面角对酰胺-Ⅰ带的影响,实现处于不同构象态的ALAD中酰胺-Ⅰ带光谱的快速准确预测。     

多肽和蛋白质酰胺-I带振动频率图的温度依赖性

利用高温分子动力学模拟和红外光谱实验手段,研究了一个基于分子力学力场的酰胺-I带振动频率图的温度依赖性. 结果表明,基于298 K所建立的频率图可以应用上至500 K的分子动力学轨迹,所模拟的红外光谱能够很好地重复88 oC时的实验光谱. 另外还模拟了两个含有天然和非天然氨基酸残基的三肽分子的红外光谱,与实验结果相比得到了较好的符合. 结果表明,所建立的频率图能够用于获得多肽体系在不同温度下的酰胺-I带局域模振动频率及其分布,有助于深入认识多肽的热去折叠物种的红外光谱特征.     

N－二茂铁酰胺酸的红外光谱研究

研究了七种Ｎ－二茂铁酰胺酸的红外光谱，讨论了分子中氢键对一些主要吸收峰的影响，并对某些构象异构体和互变异构现象用红外光谱作了定性分析和研究。     

γ-丁内酯溶剂效应的红外光谱

在19种不同有机溶剂中测定γ-丁内酯的红外光谱,研究溶质-溶剂间相互作用,并进行了溶质的羰基伸缩振动频率位移与溶剂参数相关性分析。结果表明,在所考察的溶剂(除正己烷和环己烷外)中,γ-丁内酯与溶剂间形成非键缔合物。缔合物的羰基伸缩振动频率(带)和游离γ-丁内酯的羰基伸缩振动频率(带)位移与溶剂参数AN、S值、ET(30)值、G值、Swain参数Aj和Bj以及LSER间具有较好的线性相关性。溶剂与γ-丁内酯相互作用中,溶剂的接受电子对的能力和极性起着重要作用。这意味着溶剂与γ-丁内酯形成非键缔合物时的主要作用力是氢键作用和偶极-偶极作用。     

面粉中蛋白质二级结构的红外光谱研究

测定了不同温度下面粉蛋白质酰胺Ⅲ带的一维红外光谱,二阶导数红外光谱和去卷积红外光谱。研究发现:随着测定温度的升高,面粉蛋白质中的α-螺旋结构的、β-转角结构、无规卷曲结构和β-折叠结构红外吸收强度均有所增加。进一步研究了面粉蛋白质酰胺Ⅲ带的二维红外光谱。研究发现:随着测定温度的升高,面粉中蛋白质酰胺Ⅲ带的红外吸收强度变化快慢趋势是:1312cm-1(α-螺旋结构)1285cm-1(β-转角结构)1260cm-1(无规卷曲结构)1229cm-1(β-折叠结构)。     

使用圆二色性光谱和红外光谱研究冬小麦麸皮抗冻蛋白的二级结构

使用圆二色性光谱和红外光谱技术对冬小麦麸皮抗冻蛋白的二级结构进行了研究。由于冬小麦麸皮抗冻蛋白在酰胺Ⅰ带和Ⅲ带位置中,各个特征峰相互叠加,因此采用Gausse峰型对圆头峰进行拟合、解析,判断其α-helix,β-sheet,β-turn和Random coil的相对含量;同时对圆二色性光谱获得的结构信息,采用按照Chen-Yang原理和最小二乘法编写的程序计算了冬小麦麸皮抗冻蛋白的二级结构。最后,讨论了两种检测方法结果差异的原因,为冬小麦麸皮抗冻蛋白抗冻机理的研究奠定基础。     

新型L-丙氨酸尾式卟啉锌配合物的合成及其傅里叶变换红外光谱研究

合成了一种新型L-丙氢酸尾式卟啉及其锌配合物，测试并研究了它们在4000-400cm^-1范围内的傅里叶变换红外光谱，对主要谱带进行了经验归属，研究发现，在锌配合物的谱带中3316.9cm^-1、965.8cm^-1和728.cm^-1谱带消失，而在1002cm^-1处出现了四苯基卟啉衍生物所特有的卟啉环骨架的强吸收带，这是Zn（Ⅱ）离子与氨基酸尾式卟啉形成配合物的显著特征。卟啉环的结构敏感谱带出现在1470、1442、1350、1002、994和796cm^-1处。     

水稻土可见-近红外-中红外光谱特性与有机质预测研究

土壤有机质是农田肥力评估的重要指标,要实现快速获取大面积土壤有机质的含量需要建立高效、稳健的预测模型。光谱技术能够快速诊断土壤有机质,以水稻土为例,从校正样本选择方法的对比,研究了可见-近红外、中红外和可见-近红外-中红外三种不同波段光谱对土壤有机质的预测能力。可见-近红外和中红外区域的光谱反射率转换成吸收率后通过Savitzky-Golay平滑法去噪,通过三种校正样本选择方法建立相应的偏最小二乘回归预测模型。通过Rank-KS法建立的三种波段的有机质预测模型均优于Rank法和KS法,中红外波段光谱的模型预测能力强于可见-近红外和可见-近红外-中红外波段的预测模型,基于Rank-KS法建立的中红外波段有机质预测模型取得了最好的预测效果,RMSE_P仅为3.25 g·kg-1,RPD达到4.24,依据VIP得分筛选出可见-近红外和中红外波段的水稻土有机质重要建模波段。因此,中红外光谱建模技术能够对水稻土有机质进行快速定量分析,Rank-KS法可提高模型的预测能力,为今后农田肥力评价和科学施肥提供技术支持。     

卷积神经网络的紫外-可见光谱水质分类方法

水质污染源的及时精确定位和精细化的污染防治措施是打赢水污染防治攻坚战的迫切需求,为解决地表水实际水样高锰酸盐指数准确分类的实际问题,以光谱降噪和光谱有效信息提取为切入点,根据紫外-可见光谱数据的特点,提出使用一维卷积神经网络处理紫外-可见光谱数据。为验证检测一维卷积神经网络对地表水光谱信号分类的可行性,选取长江的某段流域作为取样点。采集当天的长江上游水、某河水、嘉陵江水,生活污水、 500 mg·L^-1邻苯二甲酸氢钾溶液来模拟污染水源。将几种水样按不同的配比来模拟当天该流域的水污染变化情况。采集现有的单一水样及混合配比水样的光谱数据,根据各类水样的特征光谱信息进行区分,实现地表水高锰酸盐指数的预测分类,快速确定异常水样的污染来源,通过仿真实验,优化模型参数并完成优化训练。与K最邻近法、支持向量机等传统分类方法相比,该算法在光谱预处理复杂度和定性分析准确度方面有较大优势,在没有复杂的数据预处理前提下,将获取的350条光谱数据建立水质分类模型,随机选择其中245条数据作为训练集,另105条数据作为测试集,模型的混淆矩阵分类精度达99.0%。不仅简化了整个光谱分析流程,...     

酰基吡唑啉酮缩β-丙氨酸稀土配合物的合成与光谱表征

在非水溶剂中,β丙氨酸与苯甲酰基吡唑啉酮反应制备出新氨基酸席夫碱试剂:1苯基3甲基4苯甲酰基吡唑啉酮5缩β丙氨酸(HL)。通过回流席夫碱与稀土硝酸盐合成了10种稀土配合物。元素分析与摩尔电导值表明新配合物的组成为[REL2NO3](nH2O(RE=La,Sm,Eu,Tb,Y,n=2;RE=Pr,Ndn=1;RE=Dy,Er,Yb,n=3)。运用红外光谱、紫外光谱、核磁共振谱和荧光光谱对配合物进行了表征。结果表明席夫碱配体以3齿形式配位,RE3 的配位数为8。在可见光区522nm;573,584nm处分别发现Er和Nd配合物的超灵敏跃迁吸收峰。配合物的荧光光谱主要体现稀土离子的ff跃迁发光,配体的发光影响较小。配合物的荧光强度:ITb>ISm>IEu>IDy。     

5α-雄甾烷-3,17-二酮在一元溶剂的红外光谱

在20种不同纯有机溶剂中,研究了5a-雄甾烷-3,17-二酮C3位和C17位羰基的红外光谱.将其羰基伸缩振动频率分别与经验溶剂参数如溶剂接受数AN、Brownstein的溶剂参数S和Schleyer线性自由能方程参数G值进行了相关分析.结果表明,C3位C=O在一元溶剂体系中出现2种谱带,而C17位C=O则出现3种谱带.羰基伸缩振动频率位移与AN值、G值具有较好的线性相关性,而在非醇溶剂中与S值线性相关较差.采用简单化合物丙酮分别对溶剂硝基苯、乙腈、二氯甲烷和氯仿的S值进行修正,并将复杂甾酮化合物5a-雄甾烷-3,17-二酮的羰基红外频率与S修正值进行线性分析,相关性良好.     

5α-雄甾烷-3,17二-酮在一元溶剂中的红外光谱

在20种不同纯有机溶剂中,研究了5α-雄甾烷-3,17-二酮C3位和C17位羰基的红外光谱。将其羰基伸缩振动频率分别与经验溶剂参数如溶剂接受数AN、Brownstein的溶剂参数S和Schleyer线性自由能方程参数G值进行了相关分析。结果表明,C3位C=O在一元溶剂体系中出现2种谱带,而C17位C=O则出现3种谱带。羰基伸缩振动频率位移与AN值、G值具有较好的线性相关性,而在非醇溶剂中与S值线性相关较差。采用简单化合物丙酮分别对溶剂硝基苯、乙腈、二氯甲烷和氯仿的S值进行修正,并将复杂甾酮化合物5α-雄甾烷-3,17-二酮的羰基红外频率与S修正值进行线性分析,相关性良好。     

基于紫外-可见光谱国标Ⅰ级水净化系统的设计与实现

国家标准规定的Ⅰ级水是分析实验室常用的试验用水,为快速、准确的实现纯水水质分析,为分析实验室设备自动化、智能化提供科学依据,采用全波段（200~900 nm）紫外-可见光谱分析技术,设计了基于紫外-可见光谱国标Ⅰ级水净化系统（NSGI-WPS）。该系统以树莓派为核心控制器,光谱探测器、电导率传感器为采集模块,改良的硅钼蓝分光光度法为可溶性硅测定方法,实现了对分析实验室用水254 nm吸光度、电导率和可溶性硅含量的同时在线检测。在痕量硅含量的测定试验中,为了消除噪声干扰对试验的影响,系统采用Savitzky-Golay平滑去噪法对光谱进行预处理,通过窗口宽度和多项式次数的不同组合形式,获得了80组平滑后的光谱数据,将其分别与0.004,0.006,0.008,0.010和0.012 mg·L-1硅标准溶液浓度进行一元线性回归分析后,得到单波长吸光度与硅标溶液浓度的相关光谱。试验结果表明,当窗口宽度为17,多项式次数为2时,相关光谱的特征峰宽度最宽,特征峰区间为796~824 nm,特征峰峰值所处波长与平滑后的显色溶液吸收光谱峰值波长一致。通过比较不同硅标准溶液的显色溶液吸收光谱分布,发现硅标液浓度与吸收光谱呈线性正相关,因此,试验选取812.638 nm为最优特征波长。为了建立可溶性硅含量与显色溶液吸光度的关系模型,以加入的硅标准溶液浓度为横坐标x,812.638 nm处显色溶液的吸光度为纵坐标y,绘制了其工作曲线,曲线的决定系数R2=0.999 6,表明了模型具有较强的拟合能力。此外,编写的NSGI-WPS系统管理软件实现了参数的实时处理和自动控制,对未达到分析实验室国标Ⅰ级水用水规格的纯水通过反渗透（RO）、连续电去离子技术（EDI）、混合床离子交换树脂和紫外光氧化等技术处理,实现了对纯水的严格控制。通过对比分析自来水、Ⅲ级水、Ⅱ级水在净化前后各参数变化,发现净化后各参数数值下降显著,其中,电导率最高下降幅度可达99.94%,各参数的相对平均偏差均小于2%。试验结果表明,基于紫外-可见光谱分析法的NSGI-WPS系统具有净化能力强、准确性高、鲁棒性好等优点,经过检测、分析和净化后的纯水满足分析实验室国标Ⅰ级水用水要求。本文为紫外-可见光谱分析法在纯水净化系统中的应用做出了探索性研究。     

N-对苯甲氧基-对-乙氧基-苯甲硫酰胺合铜(Ⅰ) 的谱学研究

以电化学方法合成了N-对苯甲氧基-对-乙氧基-苯甲硫酰胺合铜（I）配合物，测定了该化合物的红外光谱和核磁共振谱（^1H、^13C)。结果表明：该化合物主要以硫酸铜形式与铜（I）配位。     

β-三氯锗基丙酸类化合物的拉曼光谱和红外光谱

我们合成了β-三氯锗基丙酸及其类似物并测量了该化合物的拉曼光谱和红外光谱 ,经光谱分析 ,指认了主要波数所对应的分子振动。在 A、B、C、D四种化合物的拉曼光谱中 ,Ge- Cl的振动分别出现在 397cm- 1( vs)、40 0 cm- 1( vs)、394cm- 1( vs)、385cm- 1( vs)中 ,而在红外光谱中却无法证明 Ge- Cl键的存在 ,Ge- C键的振动在 Raman光谱中分别在 594cm- 1( w)、62 6cm- 1( w)、634cm- 1( w)、641 cm- 1( w)。在红外光谱中 ,各种极性基团的振动表现的更明显 ,分别出现了 O- H、CH2 、C- O和 C=O的振动峰。     

3,4-二氯-1,2,5-噻二唑的结构及其振动光谱

实验测量了3,4-二氯-1,2,5-噻二唑分子4000～400 cm-1区域内的红外光谱和3700～100 cm-1范围内的拉曼光谱,使用密度泛函理论计算了分子的稳定结构和振动频率.以实验测定频率为标准采用简正振动分析方法得到了各振动谱带的总能量分布,从而对该分子的振动频率做出了全面归属.     

4-乙烯基联吡啶金属配合物的光谱研究

采用水热合成法以4-乙烯基联吡啶（dpe）为有机配体与铜,锌和镉的硫酸盐合成了三种金属有机配合物,利用红外、拉曼、紫外-可见光谱对dpe及合成的配位化合物进行了对比研究,对主要红外和拉曼谱带进行了归属,讨论了配体dpe和配合物的特征谱带与其结构间的关系。红外吸收光谱上,dpe中C—C伸缩和C—N面内弯曲的复合振动,在Cu-dpe,Zn-dpe和Cd-dpe配合物中分别位移到较高的波数处。在拉曼光谱中,对于相应的C—N,CC, C—C和C—H键的振动频率也看到了相同的变化规律。在紫外-可见光谱中,Zn-dpe,Cd-dpe分别只有一个配体本身的跃迁吸收峰,而配合物Cu-dpe由于发生了d—d电子跃迁,产生两个吸收峰,分别归属为配体本身的跃迁吸收谱带和配位体场吸收谱带,可见同一种配体与不同的金属离子合成的配位化合物,由于金属离子核外电子分布的不同,其紫外-可见光谱有很大变化。     

基于卷积神经网络与光谱特征的夏威夷果品质鉴定研究

夏威夷果含油量高,在开缝之后容易发生变质,现有关于夏威夷果品质鉴定的方法多为传统的破坏性检验,很难满足无损检测的需求。卷积神经网络(CNN)作为应用最广泛的深度学习网络模型之一,具有比浅层学习方法更强的特征提取与模型表达能力,在光谱数据方面的应用拥有很大潜力。基于夏威夷果在可见-近红外的光谱特征分析,研究用于提取夏威夷果光谱特征的卷积神经网络模型,并提出一种高效无损鉴定夏威夷果品质的方法。首先以三种不同品质的夏威夷果(好籽、哈籽及霉籽)为研究对象,分析样本在500~2 100 nm的光谱信息;在光谱数据预处理中引入白化处理方法,用以增强数据的相关性差异;然后在模型训练过程中,将样本随机分为训练集和预测集,探讨不同CNN结构、卷积层数、卷积核大小及个数、池化层类型、全连接层神经元个数以及激活函数对分类结果的影响,并采用激活函数ReLU和Dropout方法,预防样本数据过少引起的过拟合现象;最后通过分析模型分类准确率和计算效率,确定了一个6层结构的CNN模型： 输入层-卷积层-池化层-全连接层(200神经元)-全连接层(100神经元)-输出层。实验结果表明： 上述网络模型对校正集和预测集的分类准确率均达到100％。因此,改进后的卷积神经网络模型可充分学习夏威夷果的光谱特征并有效分类,将深度学习理论与光谱分析相结合的方法能够实现对夏威夷果品质的准确鉴定,同时为夏威夷果等坚果类食品的高效、无损、实时在线检测提供了新思路。     

新型酰胺型手性大环多胺的合成及光谱表征

以L-脯氨酸为原料,通过酯化、桥连和关环三步反应合成了两种新的酰胺型手性大环多胺。它们可作为NMR手性溶解剂用于羧酸类手性化合物的手性识别。通过多因素正交实验,确定了最佳反应条件： (8S,18S)-1,4,10,13,16-五氮杂三环[16.3.0.04,8]二十一烷-9,17-二酮(2-a)反应温度50 ℃,反应时间10 d,氮气保护,无水甲醇,产率为34.9%,熔点278～280 ℃;13-苯基-(8S,18S)-1,4,10,13,16-五氮杂三环[16.3.0.04,8]二十一烷-9,17-二酮(2-b)反应温度为回流,反应时间20 d,氮气保护,无水甲醇,产率为2.6%,熔点243～245 ℃。通过红外光谱、质谱、元素分析、一维、二维核磁共振波谱等手段对目标化合物的分子结构进行了表征,对化合物的红外光谱吸收峰及核磁谱线进行了归属分析,为进一步研究主客体分子之间的相互作用机理,开发更多更有效的NMR手性溶解剂提供了光谱依据。