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。     

基于表面增强拉曼光谱快速定量检测碳酸饮料中苯甲酸钠的方法

利用实验室自行搭建的拉曼光谱检测系统,确定了苯甲酸钠位于843.5cm-1、1007cm-1和1605cm-1处的3个拉曼特征峰;以柠檬酸钠还原硝酸银配制的银溶胶作为表面增强剂,设计了快速检测市售碳酸饮料中苯甲酸钠含量的方法。将44个苯甲酸钠浓度不同的碳酸饮料的原始光谱曲线进行Savitzky-Golay平滑降噪及基线背景扣除预处理,然后随机分为32个校正集和12个验证集,采用一元线性回归、多元线性回归、偏最小二乘回归、主成分回归和支持向量机回归等方法进行建模。结果表明,以843.5cm-1、1605cm-1处的2个特征峰建立的二元线性回归模型的建模结果最好,验证集相关系数为0.9603,验证集的均方根误差为0.0867×10-3。该二元线性回归模型可以实现市售碳酸饮料中苯甲酸钠的快速定量检测,为食品中的苯甲酸钠含量的实时在线检测提供了技术支撑。     

基于表面增强拉曼的碳酸饮料中苯甲酸钠的快速检测

利用实验室自行搭建的拉曼点检测系统,确定了苯甲酸钠的843.5cm-1、1007cm-1、1605cm-1处3个拉曼特征峰,以柠檬酸钠还原硝酸银配制的银溶胶作为表面增强剂,探讨了市售碳酸饮料中苯甲酸钠的快速检测方法。44个不同浓度的苯甲酸钠碳酸饮料原始光谱曲线经S-G平滑及Baseline基线扣除预处理后,随机分为32个校正集和12个验证集,采用一元线性回归、多元线性回归、偏最小二乘回归、主成分回归、支持向量机回归等方法进行了建模分析。结果表明,以苯甲酸钠的843.5cm-1、1605cm-1处2个特征峰所建立的二元线性回归模型最好,验证集相关系数(R2P)为0.9603,验证集的均方根误差(RMSEP)为0.0867g/kg。该方法完全可以实现市售碳酸饮料中苯甲酸钠的快速定量检测,为食品中的苯甲酸钠实时在线监测提供了技术支撑。     

基于硝酸钠内标物的山梨酸钾拉曼特征峰强校正

根据硝酸钠自身化学性质较稳定且拉曼特征峰与被测组分山梨酸钾谱峰能完全分离的特点,以硝酸钠为内标物对食品中常用防腐剂山梨酸钾的拉曼光谱进行校正;以质量分数为0.1的硝酸钠在拉曼特征位移1053cm~(-1)处的特征峰作为内标峰,分别计算其与49个样品中相同浓度硝酸钠特征峰强的相对比值,用相对比值分别校正49个样品的山梨酸钾特征峰强,采用一元线性回归分析对山梨酸钾进行定量建模分析。结果表明:校正后,山梨酸钾预测模型校正集和预测集的相关系数显著增大,山梨酸钾在1399cm~(-1)处特征峰强的一元线性回归定量预测模型校正集和预测集相关系数的平方分别为0.9885、0.9865,均方根误差分别为3.0384×10~(-3)、3.7643×10~(-3);基于最佳预测模型对新配制的18个新样品进行预测,预测值和真实值的相关系数的平方为0.9799,均方根误差为4.8702×10~(-3),说明用硝酸钠内标法可以有效减小检测仪器、检测环境以及人为因素对山梨酸钾拉曼峰强的影响,提高被测物预测模型的精度。     

基于底物内标的蜂蜜中硝基呋喃妥因拉曼信号校正方法

针对表面增强拉曼光谱信号重复性欠佳的问题,利用实验室自行搭建的拉曼点检测系统,以蜂蜜中硝基呋喃妥因兽药为检测对象,探讨了基于蜂蜜固有内标的硝基呋喃妥因表面增强拉曼峰强校正方法。首先通过含不同浓度硝基呋喃妥因蜂蜜样品及硝基呋喃妥因标准品的拉曼光谱对比分析,确定739 cm-1处蜂蜜拉曼特征位移作为底物蜂蜜的内标峰,用比值法校正硝基呋喃妥因1 353和1 612 cm-1处拉曼特征峰强用于蜂蜜中硝基呋喃妥因定量分析。相同条件下分别采集了浓度为20 mg·kg-1的硝基呋喃妥因蜂蜜样品表面增强拉曼光谱30次,1 353和1 612 cm-1处硝基呋喃妥因特征峰强相对标准偏差（RSD）分别为11.515 6%和11.162 5%,利用739 cm-1处蜂蜜拉曼特征峰强作为内标分别校正1 353和1 612 cm-1处硝基呋喃妥因拉曼特征峰强后相对标准偏差分别降为4.852 6%和4.733 2%,显著提升了表面增强拉曼特征峰强的重复性和稳定性。因为仪器系统误差及表面增强过程中不可控因素引起的人为误差等对样品表面增强光谱中739 cm-1处蜂蜜特征峰强和1 353和1 612 cm-1处硝基呋喃妥因特征峰强的影响是完全相同的,所以通过内标比值法可以有效消除和减少拉曼信号稳定性和重复性差的问题。最后采集硝基呋喃妥因浓度范围为0.4~20 mg·kg-1的69个蜂蜜样品,基于硝基呋喃妥因1 353和1 612 cm-1处拉曼特征峰强和蜂蜜739 cm-1处拉曼特征峰强比值,分别建立了一元线性回归预测模型和多元线性回归模型,其中基于蜂蜜739 cm-1处内标校正硝基呋喃妥因1 612 cm-1处拉曼特征峰强的一元线性回归模型效果最佳,与校正前相比具有更高的精度和预测能力。该模型校正集决定系数（R2_C）和验证集决定系数（R2_Ｖ）分别为0.971 2和0.969 6,校正集均方根误差（RMSEC）和验证集均方根误差（RMSEP） 分别为1.115 1和1.242 2,相对分析误差（RPD）为4.306 0。结果表明,被测底物本身持有固有内标的样品可无需加入额外的内标物,简单用内标比值法可以有效消除仪器的系统误差以及表面增强剂与样品的混合时间等对拉曼信号强度的影响,显著提高了拉曼特征信号的重复性和稳定性,为表面增强拉曼光谱定量分析提供了技术参考。     

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。     

桂花酒中山梨酸钾拉曼表面增强预测模型在其他果酒中的传递

自行搭建的拉曼光谱点扫描系统,以柠檬酸钠还原法配制的SC银溶胶为表面增强剂,建立了桂花酒中山梨酸钾的定量预测模型,模型校正集决定系数(R2_C)和均方根误差(RMSEC)分别为0.978 9和0.070 3 g·kg-1,验证集决定系数(R2_P)和均方根误差(RMSEP)分别为0.934和0.165 7 g·kg-1。桂花酒中山梨酸钾的定量预测模型为主光谱模型,结合K/S算法,探讨了基于DS算法和PDS算法将桂花酒主光谱模型向杨梅酒的修正传递方法。结果显示,用K/S算法选取4个杨梅酒样品,基于DS算法传递桂花酒主光谱模型验证结果R_P和RMSEP值分别为0.906 1和0.215 0 g·kg-1。K/S算法选取3个杨梅酒样品(窗口宽度为5),基于PDS算法传递桂花酒主光谱模型验证结果R_P和RMSEP值分别为0.905 5和0.225 0 g·kg-1。DS算法和PDS算法均可以用少量样品将桂花酒中山梨酸钾的主光谱预测模型有效传递给杨梅酒,实现了一种被测物预测模型在同类物种间的传递,具有重要实用意义。     

亚硝酸钠化高铁血红蛋白的拉曼光谱量化检测研究

对亚硝酸钠化的高铁血红蛋白进行了拉曼光谱特性的研究。实验中将正常血红蛋白用亚硝酸钠氧化为高铁血红蛋白,通过测定不同比例高铁血红蛋白/总血红蛋白的拉曼光谱变化研究高铁血红蛋白的拉曼光谱特异性改变,并对不同比例高铁血红蛋白/总血红蛋白在1 586,1 605和1 637 cm-1处的拉曼强度进行线性拟合,以实现其定量检测。结果显示,亚硝酸钠与血红蛋白的摩尔比为3.5∶1时可以获得完全氧化的高铁血红蛋白,其拉曼特征峰在499,1 340,1 562,1 622 cm-1附近;不同比例高铁血红蛋白/总血红蛋白在1 586,1 605和1 637 cm-1处拉曼强度的线性拟合相关系数R2分别为0.972 84,0.997 97和0.991 26,显示出很好的线性关系。研究表明,与正常血红蛋白相比,亚硝酸钠化高铁血红蛋白的拉曼光谱具有特异性改变,其拉曼特征峰的位置和强度随着高铁血红蛋白/总血红蛋白比例的变化而相应发生改变,且比值与拉曼强度存在着线性相关关系,为临床上高铁血红蛋白血症的拉曼光谱检测与量化研究提供了理论基础。     

纳米银粒子表面增强拉曼光谱在宠物饲料中三聚氰胺的速测研究

研究将制备的纳米银粒子作为表面增强拉曼光谱的增强试剂,实现对宠物饲料中三聚氰胺的快速定性定量分析。以709与1542cm-1处拉曼位移作为定性依据,以1149cm-1峰强度作为归一化标准,在1.0～10.0mg·kg-1浓度范围实现定量计算,检测限0.5mg·kg-1。研究发现,纳米银粒子对三聚氰胺具有较强的拉曼增强效应,特征峰信号强度与纳米银粒子加入时间,溶液涡旋强度有很大的关系,同时也受提取溶剂的种类、提取方式及样品加入量的影响。本方法中每个样品5min内完成分析,与现有方法相比,快速简便,对宠物饲料中三聚氰胺实现现场、快速检测。     

基于激光拉曼光谱的水面油膜厚度测量方法研究

为了实现水体表面油膜厚度的快速非接触检测,基于激光拉曼光谱检测技术,搭建了水体表面油膜厚度拉曼光谱检测系统。以532 nm激光作为激发光源,以常见的柴油和汽油为例研究了不同油品的拉曼光谱特性,研究结果表明,油膜拉曼光谱响应特性与油品密切相关,相同油膜厚度情况下不同油品的拉曼光谱曲线有明显的差异,97#汽油在1 651 cm-1光谱强度要高于90#汽油。随着油膜厚度的增加,柴油316和1 451 cm-1光谱强度和汽油1 651 cm-1拉曼位移光谱强度增加,油拉曼光谱信号变强;根据油水界面拉曼光谱特征,设计了油膜厚度计算因子,实验证明随着油膜厚度增加,油膜厚度计算因子r_film呈下降趋势。可以将油膜厚度计算因子作为水体表面油膜厚度测量的一种依据。     

生地当归药队煎剂的表面增强拉曼散射光谱

为揭示单味煎剂与方剂间的关系,分别测试分析了生地当归药队、单味药生地和单味药当归煎剂的表面增强拉曼散射(surface-enhanced Raman scattering, SERS)光谱,并对其进行谱峰归属。本文主要针对存在于三种煎剂中的17个拉曼信号(538,622,732,761,835,876,959,1 145,1 245,1 276,1 326,1 402, 1 456,1 470,1 518,1 546和1 605 cm-1)进行讨论。生地当归药队煎剂SERS光谱在538,732,761,835,876,959,1 145,1 245,1 276,1 326,1 402,1 456,1 470,1 518和1 605 cm-1处,出现15个明显的拉曼信号;生地煎剂SERS光谱在538,761,835,876,959,1 145,1 245,1 276,1 326,1 402,1 470,1 518和1 546 cm-1处,出现13个明显的拉曼信号;当归煎剂SERS光谱在538,622,732,761,835,876,959,1 245,1 326和1 402 cm-1处,出现10个明显的拉曼信号。生地当归药队煎剂SERS光谱保留了和未观察到生地和当归单味煎剂的某些拉曼峰,且产生了生地和当归单味煎剂中所没有的拉曼信号(1 456和1 605 cm-1),即产生新药物成分。生地当归药队煎剂所包含的药物成分并非是生地和当归单味药物煎剂所含药物成分的简单相加。结果表明,SERS光谱可能为方剂研究提供一种高灵敏度、快速准确和操作简单的检测方法。     

硫化钠表面增强拉曼光谱及其在味精检测中的应用研究

采用表面增强拉曼光谱(SERS)表征了硫化钠分子的振动模式,获得了硫化钠较为全面的分子结构振动信息,确定以472 cm-1的特征峰为研究对象。以金溶胶为表面增强活性基底,研究了金纳米粒子粒径对增强效果的影响,确定粒径为97 nm的金溶胶增强效果最佳。以硝酸作为促凝剂,测得不同浓度硫化钠溶液的SERS。结果表明,当硫化钠浓度低至10-6 g·mL-1时,依然可以得到明显的拉曼光谱信号,光谱强度与金溶胶和硫化钠溶液的配比有关。将这种硫化钠的检测方法应用于味精样品的检测之中。分别在不同浓度的10 mL硫化钠溶液中溶入1 g味精,检测所得溶液的SERS。结果表明,当每千克味精中硫化钠的含量为10 mg时仍可检测出SERS信号,此种方法无需样品的预处理,操作简便快捷,在味精中硫化钠的定性检测方面具有特有的优势。     

基于表面增强拉曼光谱及密度泛函理论的农药毒死蜱检测研究

毒死蜱作为一种广谱高效有机磷杀虫剂,在农业等领域被广泛使用。但是,环境毒理学研究发现,毒死蜱可直接施于土壤中,与土壤颗粒牢固结合,几乎不会迁移或挥发,而且水溶性低,容易造成药物残留,影响着农副产品食用的安全性,对生态环境具有潜在的危险性,许多国家对毒死蜱在农产品中的残留量有严格的规定。因此,检测毒死蜱残留的生态风险问题是当务之急。表面增强拉曼光谱(SERS)技术具有快捷、高效、灵敏度高等优势,已经成为光谱检测领域的热点研究技术;密度泛函理论被广泛用于分子结构与性质的理论模拟计算及光谱分析。基于表面增强拉曼光谱和密度泛函理论对杀虫剂毒死蜱的拉曼和表面增强拉曼光谱进行理论研究。首先,利用GaussView5.0对毒死蜱分子及加入银团簇基底的分子结构进行构型。其次,对毒死蜱分子采用6-31G基组,并基于密度泛函理论进行结构优化,利用Gaussian09模拟计算出其拉曼及表面增强拉曼光谱,并确定拉曼光谱和SERS光谱峰值归属。最后,从频移量角度分析银团簇Ag₂和Ag₃对毒死蜱拉曼光谱的增强效应,并进行频移量大小对比。研究发现,在两种尺寸银团簇作用下,拉曼光谱在326,463,741,781,1 068,1 294,1 435和1 602 cm-1波数处的特征峰强度均有明显的增强,且随着银团簇结构尺寸增大,拉曼信号增强效果更为明显;在不同银团簇增强作用下,一些特征峰发生偏移,其频移量与银团簇结构相关联,在Ag₂和Ag₃银团簇增强下,表面增强拉曼光谱在463,741～781 cm-1波数处均产生了较大的频移,其余特征峰波数处频移量较小,均在20 cm-1以下,毒死蜱分子分别与Ag₂和Ag₃入侵后的表面增强拉曼光谱进行对比,频移方向有很好的一致性。该研究结果为表面增强拉曼光谱技术在农药残留检测领域的应用提供了理论依据。     

动态表面增强拉曼光谱在敌瘟磷快速定量分析中的应用

动态表面增强拉曼光谱是在干态与湿态表面增强拉曼光谱(SERS)检测的基础上发展而来的,不仅具有极好的信号增强,还具有良好的重复性与稳定性。提出了一种基于动态SERS与多元分析方法的敌瘟磷快速定量分析方法。实验中,首先测量100,50,10,5,1,0.5和0.1 mg·L-1敌瘟磷动态SERS谱图,并使用多项式校正方法去除光谱基线漂移。然后,处理后的全范围(600~1 800 cm-1)与特征范围(674~713,890~1 195,1 341~1 399和1 549~1 612 cm-1)光谱分别利用支持向量机回归(SVR)构建定量模型,实现对敌瘟磷的定量分析。同时,实验还评估了主成分分析(PCA)对定量分析结果的影响。实验结果表明特征范围光谱所建立的模型预测误差较小,而数据经过PCA处理后预测误差得到进一步下降。最优回归模型是由特征范围光谱经PCA处理后所构建的模型(RMSECV=0.065 7 mg·L-1),模型能够准确地预测敌瘟磷溶液浓度。为了测试实际检测中的效果,该方法被用来对苹果表面的敌瘟磷残留进行检测,并通过气相色谱法进行验证。结果表明该方法对于同一样本多次检测值波动较小,且检测均值与气相色谱检测值相差较小,相对误差最大仅为5.13%。此外,动态SERS检测可在2 min内完成,且后续数据处理也可在数秒内完成,同时整个过程的试剂消耗仅在2 μL左右。因此,所提出的方法在敌瘟磷快速准确检测具有极大优势。     

牛血清白蛋白水溶液的激光喇曼谱

本文报道了用硝基苯萃取法获得的牛血清白蛋白水溶液的喇曼光谱.定性地证明了该蛋白质多肽链可能由α-螺旋和无规则卷曲组成,酪氨酸残基在肽链中呈全“暴露”式,硫-硫键部位的几何构型为反式-扭式-扭式.     

田黄的红外与拉曼光谱研究

对中国寿山田黄石进行了X射线粉晶衍射(XRD)、红外光谱和拉曼光谱测试, 以获得田黄的谱学特征。研究表明田黄有地开石质、珍珠陶石质和伊利石质三类,其红外特征吸收峰分别为3 621,3 629和3 631 cm-1,拉曼特征峰分别为3 626,3 627和3 632 cm-1,3 550～3 750 cm-1间OH振动所致拉曼谱峰与红外结果一致。地开石质田黄含无序、有序两类,无序地开石OH3振动吸收峰相对有序地开石向低波数方向移动8 cm-1,相对强度增强,无序结构可能与高含量的Fe有关。3 550～3 750 cm-1间地开石OH振动红外吸收峰强于珍珠陶石,表现为珍珠陶石质田黄的红外光谱明显叠加有副矿物地开石的强吸收峰。伊利石质田黄主要为2M₁型伊利石,并含有少量1M型伊利石。这些特征为科学鉴定田黄提供了理论依据。