农药残留检测中表面增强拉曼光谱的研究进展

农药直接污染环境和食物,最终被人体吸收。其残留物具有高毒性,对人体健康造成严重影响。色谱法、气液色谱串联质谱法等在农药残留检测中应用较为广泛,但存在预处理步骤复杂、费时耗力等缺点。表面增强拉曼光谱（SERS）技术因具备灵敏度高、特异性好、提供全面指纹信息且对样品无损等优点被视为一种新型农残检测方法,可通过简单提取实现液体或固体样品中痕量农药残留的高效检测。在这篇综述中,主要从SERS的增强基底制备、检测方法以及光谱智能解析三个方面对农药残留SERS检测技术及方法的研究进展进行综述,以期为农药残留检测方法提供新的参考。首先,针对SERS增强基底制备,单一的贵金属溶胶纳米颗粒因其“热点”随机、不可控等因素导致稳定性和灵敏性较差,已不能满足痕量农药残留检测。为提高SERS基底的吸附能力使待测物在其表面富集且信号不发生显著变化,对单一贵金属溶胶纳米颗粒进行组装,或加入化学物质、惰性材料等进行修饰制备均一性高的SERS复合基底,保证SERS信号有良好的重现性和灵敏性。其次,为了实现特异性和高灵敏检测,SERS检测方法不再只以单纯的金、银纳米颗粒作为增强基底,而是逐渐趋向于优化样本前处理技术、化学修饰法制备特异性SERS探针、基底物理结构突破以及动态SERS（D-SERS）检测等方向发展。在获得物质的拉曼光谱后,有效拉曼特征区通常在较短的波数范围内,而光谱数据高达上千维,冗余较多,导致后续分析复杂度增加。SERS光谱智能分析则采用化学计量学方法对原始光谱进行预处理、特征提取和模型构建,实现数据降维和主要信息提取,进而实现农残的定性与定量。综上,SERS作为一种快速检测农药残留的方法具有很好的发展前景,可为今后的分析检测领域提供新的借鉴。     

蜂蜜中乐果农药残留的表面增强拉曼光谱定量分析

应用表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)技术,结合线性回归算法,开展蜂蜜乐果中农药残留快速定量分析方法研究。含乐果农药残留的益母草蜂蜜样品30个作为被测对象,划分成建模集(20个)和预测集(10个)。采用具有规则倒四角锥体结构的Klarite基底作为增强基底,提高特征拉曼位移峰的相对强度。通过含乐果农药残留蜂蜜样品的SERS光谱与乐果标准品的常规拉曼光谱间的对比分析,找到了蜂蜜中乐果农药残留对应的四个特征拉曼位移峰867,1 065,1 317和1 453 cm-1。采用线性回归方法,建立了蜂蜜中乐果农药残留对应的四个特征拉曼位移峰强与乐果浓度间的线性回归模型。10个未参与建模的预测集样品,评价了模型的预测能力。经比较,采用867 cm-1处特征拉曼位移峰强建立的线性回归模型预测结果最优,模型预测相关系数为0.984,预测均方根误差为0.663 ppm。检测限达到2 ppm,接近我国农药残留最大限量标准的检测限。实验结果表明采用表面增强拉曼光谱技术结合线性回归算法实现蜂蜜中乐果农药残留的快速定量分析是可行的。可为其他农产品的农药残留快速定量分析提供参考依据。     

基于表面增强拉曼光谱的鸭肉中螺旋霉素残留检测

利用表面增强拉曼光谱(SERS)法结合自适应迭代重加权惩罚最小二乘法(air-PLS)快速检测鸭肉中的螺旋霉素残留。首先采用OTR202作为SERS活性基底,确定了螺旋霉素的1 622 cm^-1峰可以作为其在鸭肉提取液中残留检测的拉曼特征峰;然后,通过单因素分析法确定了实验的最佳条件,并在该条件下建立了螺旋霉素浓度范围介于4.0~50.0 mg/L之间的鸭肉提取液加标样本的标准曲线,并获得了良好的线性关系且线性回归方程为y=26.681x+1233.5,决定系数R²=0.980 2,最低检测限为4 mg/L,预测样本的平均回收率为73.38%~105.25%。研究表明,采用SERS技术可以实现鸭肉中螺旋霉素残留的快速检测。     

高光谱成像技术无损检测赣南脐橙表面农药残留研究

高光谱成像技术具备图像和光谱的双重优势,作为一种快速无损检测分析技术,检测过程无损、无污染和无接触。高光谱成像数据包括样本的图像信息和光谱信息,采集样本高光谱成像数据时,样本的每个像素点都有一条光谱与之对应,样本的每个波长都有一幅灰度图像与之对应。研究采用高光谱成像技术无损检测不同稀释浓度的农药在赣南脐橙样品表面残留随时间变化的关系。用蒸馏水把农药分别配置成1∶20, 1∶100和1∶1 000倍的溶液。然后把不同浓度的溶液滴到30个洗净的脐橙表面, 将涂有农药的脐橙分别放置0,4和20 d,然后采集在900～1 700 nm波长范围的高光谱成像原始数据。通过主成分分析获取930,980,1 100,1 210,1 300,1 400,1 620和1 680 nm共8个特征波长,基于这些特征波长做第二次主成分分析,应用PC-2图像并经过适当的图像处理方法对不同浓度及放置不同天数的农药残留进行无损检测。采用高光谱成像技术检测三个时间段较高稀释浓度的果面农药残留都比较明显。高光谱成像技术作为一种检测方法,可用于评价各个时间段较高浓度的农药残留。     

小米中辛硫磷农药残留的拉曼光谱检测研究

采用拉曼光谱技术,采集小米中不同浓度辛硫磷农药残留的拉曼光谱,选择1557 cm^-1处的特征峰,应用偏最小二乘法探究其峰强度与辛硫磷浓度之间的关系。实验结果显示,小米中辛硫磷农药残留的最低检测浓度为1 mg·L^-1,特征峰强度与辛硫磷浓度呈良好的线性关系,相关系数为0.994 1。通过该次实验可为以后快速有效检测小米中辛硫磷农药残留提供技术支持。     

SERS技术用于苹果表面有机磷农药残留的检测

传统农药残留检测方法比较繁琐、耗时、破坏样品,快速、无损、实时在线是农残检测的发展方向。本文利用表面增强拉曼光谱技术,以苹果为载体,有机磷农药甲拌磷和倍硫磷为研究对象,初步探讨了苹果表面甲拌磷和倍硫磷农药的快速无损检测方法。结果表明,运用表面增强拉曼光谱技术,可使两种有机磷农药的特征频率较易识别,并选取甲拌磷的728 cm-1和倍硫磷的1 512 cm-1 处的拉曼信号作为定量分析目标峰,采用内标法建立甲拌磷、倍硫磷的线性回归模型,可以作为定量分析甲拌磷、倍硫磷的参考依据。     

基于表面增强拉曼光谱技术检测阿斯巴甜

利用表面增强拉曼光谱检测水溶液和果汁中的阿斯巴甜(APM)。首先制备了银溶胶活性基底,并对相关特性进行了表征。其次对APM的拉曼特征峰进行了归属。然后通过对比性的实验研究确定了最佳促凝剂种类。最后对水溶液中的APM进行了表面增强拉曼光谱检测,获得了检测限,并利用逻辑回归分析方法实现了定量分析和回收率的测定。另外,当果汁中APM浓度低至1000mg/L时,仍能够清晰分辨出其特征峰,接近国家检测标准0.6g/kg。     

表面增强拉曼光谱技术在多元病原菌同时检测中的应用策略

水、空气、食品、灰尘和排泄物中广泛存在食源性病原菌,由此引发的感染性疾病严重危害人类健康。因此,开发病原菌的快速检测方法尤为必要。由于实际样品中的病原菌往往共生存在,所以多元病原菌的同步灵敏检测是微生物检测领域的重点与难点。分子生物学和免疫组化分析技术都在此领域进行过一些尝试,但由于引物设计与抗体的局限性,这两种技术在实际应用中的效果并不十分理想。表面增强拉曼光谱(SERS)技术由于具有快速、无损、高分辨率、不受水分干扰、可原位检测等显著优势,在多元病原菌同步检测领域获得了重要应用。从应用原理、特点和效果等方面出发,系统阐述了SERS技术在多元病原菌同时检测中的应用策略。首先对SERS基底材料与病原菌的结合方式进行简要概述,再以检测策略为主线,从直接法和间接法两种策略出发进行介绍。直接法通过基底材料的信号放大作用直接获得病原菌本身的光谱信息,步骤简便,操作快捷,在多元病原菌判别分析、定量分析与即时检测(POCT)中被广泛应用。但由于光谱信息量大,往往需要与多元统计分析方法、成像技术和微流控器件等联用。间接法一般需要借助拉曼信号分子和适配体、抗体等识别元件,将对病原菌的检测转换为对信号分...     

有机磷农药残留的表面增强拉曼光谱快速检测

农药残留严重影响人类身体健康与生命安全,故亟需建立一种简单高效的农药残留快速检测方法。本文以金纳米溶胶作为表面增强拉曼光谱(SERS)的增强基底,结合便携式拉曼光谱仪,实现了倍硫磷与对硫磷等常用有机磷农药的多靶标同时检测。结果表明倍硫磷和对硫磷分别在1053 cm~(-1),1216 cm~(-1)和857 cm~(-1),1112 cm~(-1)处具有特征拉曼谱峰,且两者互不干扰。同时进一步研究表明,倍硫磷和对硫磷的浓度与其特征拉曼谱峰强度线性相关,故可实现定量检测,其中倍硫磷检测限可达0.01μg/mL对硫磷检测限可达0.025μg/mL。同时,该SERS方法可直接用于菠菜实际样品中多种农药残留的多靶标快速检测,检测限达到0.05μg/mL。该SERS方法具有方便、快速、灵敏度高、多靶标同时检测等优点,有望实现农药残留的现场快速检测。     

微量乐果农药残留比色光谱快速检测方法

为快速、安全地检测常用有机磷农药乐果的残留,根据乐果含有硫基,和氯化钯反应生成黄色络合物硫化钯的原理,使用乙酸代替常用的浓盐酸溶解氯化钯,配置成氯化钯乙酸溶液作为比色剂,与不同浓度的乐果乳油分别发生显色反应。采集显色反应后溶液的吸光度谱图表明：用乙酸代替浓盐酸作为氯化钯溶剂效果更理想,在300～900 nm波段的吸收光谱可以区分0.5 mg·kg-1的农药浓度,满足国标GB2763—2012规定的部分水果及蔬菜中农残的检测要求。随机配置40个0.5～88 mg·kg-1样本浓度,对比SG等预处理效果,分别用PCA和PLS方法建立预测模型,30个作为建模集,10个作为验证集。在350～900 nm波段建立的模型相关系数r较低。根据吸光度谱图计算出乐果的相关系数在458 nm处达到最大值0.957 2,由此分别选取特征区间453～463和400～600 nm。经过比较得出以下结论：经过SG等预处理后,在400～600 nm波段,使用PLS方法建立的模型在主成分为4时最优,其训练集r=0.994 1,RMSEP=2.770,验证集r=0.9933,RMSEP=2.214。该方法操作安全,显色反应时间为2 min,为进一步研究快速、安全的有机磷农药实用检测仪器提供了理论与技术支撑。     

表面增强拉曼光谱(SERS)技术对非标记蛋白质的研究进展

基于表面增强拉曼光谱(SERS)技术在非标记蛋白质研究方面的最新进展。SERS是一个特殊的拉曼光谱现象,对于众多被吸附到粗糙金属表面上的拉曼活性分析物,可以提供增强拉曼信号(通常可以增强几个数量级)。SERS是一个灵敏的,选择性的,和通用的技术,并且可以实时、快速的对数据进行采集。因此,在基于仪器仪表技术和数据分析方法以及SERS在生物体系中的诸多优势,SERS经历了快速的发展阶段。重点介绍几个采用SERS技术对生物体系的代表性研究。某些SERS的生物应用发展比较成熟,并已经可以小范围临床应用,而有些还停留在发展的初始阶段(实验室研究阶段)。讨论了最近发展起来的几种基于SERS技术定量分析的方法, 选择不同SERS活性基底和技术(如生物分子在电极上,胶体纳米粒子,周期性图案结构和基于针尖拉曼技术)对蛋白质进行直接研究。此外,根据SERS指纹信息的变化可以用来研究蛋白质-蛋白质,蛋白质-配体间的相互作用。基于SERS技术对生物分子进行定性和/或定量分析方面显示出了相当大的优势。     

纳米增强激光诱导击穿光谱的苹果表面农药残留检测

水果表面的农药残留严重危害身体健康,而常规检测方法需要采样处理,耗时、费力。激光诱导击穿光谱技术具有多元素分析和原位测量的能力,在水果表面农药残留检测方面潜力巨大。但是较差的检测灵敏度,限制了此技术在水果表面微量有害元素检测方面的应用。提高激光诱导击穿光谱系统的检测能力是目前的研究热点领域,研究了纳米粒子表面增强技术对苹果表面残留的毒死蜱农药的激光诱导击穿光谱信号的增强效果。通过在被测样品表面涂抹币族金属纳米粒子,然后利用激光诱导击穿光谱激发样品表面,对诱导出的原子发射光谱信号进行测量,实验结果表明,苹果表面涂抹金属纳米粒子后毒死蜱农药中磷元素的特征峰有4倍的增强。此方法的应用对提高果蔬表面微量有害元素的检测能力具有重要意义。然后我们对币族金属纳米粒子的增强效果进行了优化。研究了金纳米粒子和银纳米粒子的增强能力,同时对纳米粒子的粒径的增强效果进行了比较,通过对20 nm的金纳米粒子、20 nm的银纳米粒子和80 nm的银纳米粒子的增强效果比较,发现80 nm的银纳米粒子对苹果表面毒死蜱农药光谱的增强效果最好。研究了信号采集延时时间对光谱信噪比的影响,确定了0.2 μs的延时时间可以获得较为理想的信噪比。在以上研究的基础上,采用最优的实验参数(80 nm银粒子增强、0.2 μs的延时时间),以毒死蜱中磷元素在213.62,214.91,253.56和255.33 nm处的特征峰峰强作为依据,对苹果表面残留的毒死蜱农药进行了定量化分析。分别采集了毒死蜱残留浓度分别为30,20,15,12,10和6 μg·cm-2的苹果表面的LIBS光谱,然后分别利用磷元素的四个特征峰峰强进行了定量化曲线拟合,结果发现LIBS对残留的毒死蜱具有很好的定量化预测能力,R2在0.89以上。根据定量化拟合曲线,探讨了纳米增强LIBS的检测限,计算得到,利用纳米增强LIBS技术测量苹果表面的毒死蜱农药最低可以做到1.61 μg·cm-2的检测限。研究证明了金属纳米粒显著提高了LIBS对苹果表面农药残留的检测灵敏度。     

特征提取算法在福美双表面增强拉曼光谱定量分析中的应用

表面增强拉曼散射(SERS)技术具有快速、指纹效应与极低的检测限等优点,被越来越多地应用到有害污染物、有毒物质、危险物质的检测与分析中。在SERS光谱的测量过程中,易受基底、仪器、宇宙射线与测量环境等因素影响,出现波动现象,对后续的分析与检测造成较大的干扰。基于农药福美双SERS光谱数据,尝试利用多种特征提取算法,如主成分分析(PCA)、离散余弦变换(DCT)、非负因式分解(NMF) ,对光谱的主分量进行提取,以减弱光谱数据波动对其后续的定量分析结果的影响。然后将提取后的分量分别结合线性回归算法——偏最小二乘法回归(PLSR),非线性回归算法——支持向量机回归(SVR)建立定量模型。最后,利用5-折交叉验证方法对比不同特征提取算法在不同类型的回归算法下的效果。通过实验验证可知,SVR对福美双溶液的分析精度要明显高于PLSR,这主要是由于SERS光谱强度与被分析物浓度之间为非线性关系。同时针对两种类型回归算法,特征提取算法都能明显地提升了分析结果,主要是由于其提取了源数据的主体信息,去除干扰信息。其中在线性回归中使用PCA效果最佳,在非线性拟合中使用NMF结果最佳,分析误差最好时可降低近3倍。最优回归模型(NMF+SVR)的交叉验证均方误差(RMSECV)为0.0455 μmol·L-1(10-6 mol·L-1),达到国家对福美双的检测标准,为农药快速检测提供一种新的方法。     

表面增强拉曼法快速检测猪肉中齐帕特罗残留

齐帕特罗是一种β₂-受体激动剂,也就是俗称的“瘦肉精”,经常被不法商家用于牲畜养殖,目前也没有相关国家标准对其残留限量作出规定。该兽药进入牲畜体内以后可以改变某些营养素的代谢方式,促进牲畜肌肉的生长,对牲畜体内的脂肪进行快速的消耗和转化,从而提高牲畜的瘦肉率。目前对该药物的检测方法主要是液相色谱串联质谱法,该方法具有成本高昂、操作繁琐、耗时较长等缺点,表面增强拉曼光谱法具有灵敏度高、检测速度快等优势,近年来被广泛应用于食品中有毒有害物的检测。为了实现猪肉中齐帕特罗的快速检测,建立了一种猪肉中齐帕特罗残留的表面增强拉曼光谱快速检测方法。通过优化比较一系列实验结果,确定样品与金胶的最佳体积比为1∶2以及最优混匀检测时间为3 min;通过对多种萃取溶剂的比较最终确定使用乙酸乙酯为提取剂;通过密度泛函理论中B3LYP/6-311+G(d)基组对齐帕特罗的理论光谱进行计算,确定齐帕特罗的SERS特征峰并进行振动归属,以1 116, 1 447和1 573 cm^-1处的特征峰作为齐帕特罗的定量特征峰,其中1 116 cm^-1是苯环面...     

噻菌灵农药的表面增强拉曼光谱分析

利用表面增强拉曼光谱技术(SERS)分析噻菌灵农药的拉曼特征峰。采用微波法制备银溶胶表面增强基底,利用激光显微共焦拉曼光谱仪分别采集514.5和785 nm激发波长下的噻菌灵农药拉曼光谱,解析不同激发波长下的拉曼特征峰并进行比较。结果表明：不同激发波长下噻菌灵的拉曼峰强度和拉曼频移差异较大,514.5 nm激发波长下的782和1 012 cm-1最强,是C—H变形振动较强特征峰,而785 nm激发波长下的1 284,1 450和1 592 cm-1最强,是环振动和CN伸缩振动较强特征峰。对比分析各个激发波长下噻菌灵的SERS谱图,找到了噻菌灵农药的5个较强特征拉曼峰：782,1 012,1 284,1 450和1 592 cm-1。这些特征峰可作为食品及农产品中噻菌灵农药残留定性定量判别的依据。     

近红外光谱分析技术在辛硫磷农药残留检测中的应用

采用近红外光谱分析法直接用于痕量农药辛硫磷的定量检测。通过引入一种样品预处理方法,将待测样品与硅胶混合,硅胶作为吸附剂,用来富集待测农药化合物,然后直接采集其漫反射光谱。用偏最小二乘(PLS)回归方法建立模型、留一交互验证法来对模型进行评价。通过两批次实验,浓度梯度为0.5 mg·L-1的21个样品的交互验证相关系数为0.958,RMSECV为 0.872 mg·L-1;浓度梯度为0.25 mg·L-1的41个样品的交互验证相关系数为0.924,RMSECV为1.15 mg·L-1。随着浓度梯度的降低,模型的预测能力有所下降,但模型的相关系数仍然较高。结果表明利用硅胶作为待测样品吸附剂的预处理方法,可以有效降低近红外光谱分析技术的检测限,在农药残留等低含量样品检测中有实际应用价值。     

基于表面增强拉曼的饮料中山梨酸钾快速定量检测方法

基于实验室自行搭建的拉曼光谱点扫描系统,利用表面增强拉曼技术对橙味饮料中山梨酸钾的含量进行了定量快速检测研究。通过与山梨酸钾标准品拉曼光谱及其水溶液表面增强拉曼光谱等比较分析,确定了山梨酸钾1 648.4,1 389.3和1 161.8 cm-1处的表面增强特征拉曼位移。通过山梨酸钾橙味饮料平行样品的拉曼位移峰强重现性实验并计算其峰强的相对标准偏差证实了该表面增强拉曼方法具有较好的重复性。采集了山梨酸钾浓度范围为1.706～0.180 7 g·kg-1的33个橙味饮料样品的表面增强拉曼光谱,所有原始光谱经S-G 5点平滑及Baseline基线去除荧光背景预处理后分别用一元线性回归分析、多元线性回归分析和偏最小二乘回归分析方法,建立了山梨酸钾的定量预测模型。经比较,选取三个山梨酸钾拉曼特征位移1 161.8,1 389.3和1 648.4 cm-1所建立的多元线性回归模型校正集的相关系数(R2_C)和均方根误差(RMSEC)分别为0.983 7和0.051 7 g·kg-1,验证集的相关系数(R2_P)和均方根误差(RMSEP)分别为和0.969 9和0.052 8 g·kg-1,比一元线性回归模型和偏最小二乘回归模型误差小、精度高。基于表面增强拉曼完全可以实现橙味饮料中山梨酸钾的定量快速预测,为各类食品中山梨酸钾含量的快速监测奠定了技术基础。