Development of a stir bar sorptive extraction method coupled to solidification of floating droplets dispersive liquid–liquid microextraction based on deep eutectic solvents for the extraction of acidic pesticides from tomato samples

A stir bar sorptive extraction method coupled with deep eutectic solvent based solidification of floating organic droplets–dispersive liquid–liquid microextraction has been used for the simultaneous derivatization and extraction of some acidic pesticides in tomato samples. In this method, initially the analytes are adsorbed on a coated stir bar from tomato juice filled in a narrow tube. After extraction, the stir bar is removed and a water–miscible deep eutectic solvent is used to elute the analytes. Afterward, a derivatization agent and a water–immiscible deep eutectic solvent (as an extraction solvent) with melting point near to room temperature are added to the obtained eluant at µL–levels and the obtained mixture is rapidly injected into deionized water. Under the optimum conditions, the introduced method indicated high enhancement (1543–3353) and enrichment (2530–2999) factors, low limits of detection (7–14 ng/L) and quantification (23–47 ng/L), good linearity (r² ≥ 0.9982), and satisfactory repeatabilities (relative standard deviation ≤12% for intra– and inter–day precisions at a concentration of 100 ng/L of each analyte). Finally, the proposed method was applied in analysis of the analytes in tomato samples.     

基于局部加密纯无网格法非线性Cahn-Hilliard方程的模拟

为数值求解描述不同物质间相位分离现象的高阶非线性Cahn-Hilliard(C-H)方程,发展了一种基于局部加密纯无网格有限点集法(local refinement finite pointset method,LR-FPM).其构造过程为:1)将C-H方程中四阶导数降阶为两个二阶导数,连续应用基于Taylor展开和加权最小二乘法的FPM离散空间导数;2)对区域进行局部加密和采用五次样条核函数以提高数值精度;3)局部线性方程组求解中准确施加含高阶导数Neumann边值条件.随后,运用LR-FPM求解有解析解的一维/二维C-H方程,分析粒子均匀分布/非均匀分布以及局部粒子加密情况的误差和收敛阶,展示了LR-FPM较网格类算法在非均匀布点情况下的优点.最后,采用LR-FPM对无解析解的一维/二维C-H方程进行了数值预测,并与有限差分结果相比较.数值结果表明,LR-FPM方法具有较高的数值精度和收敛阶,比有限差分法更易数值实现,能够准确展现不同类型材料间相位分离非线性扩散现象随时间的演化过程.     

高效液相色谱法测定柑橘汁中的柠檬苦素和柚皮苷

柑橘汁的苦味主要是由于柚皮苷和柠檬苦素的存在所致,其含量的测定可用于控制柑橘类果汁的质量。采用高效液相色谱法在KR100-5C18(4.6 mm i.d.×250 mm,5 μm)上,分别以乙腈-四氢呋喃-水(体积比为17.5∶17.5∶65)和甲醇-冰醋酸-水(体积比为40∶1∶59)为流动相（流速均为1 mL/min）,在207 nm和283 nm检测波长下分别测定了柠檬苦素和柚皮苷。实验结果表明,柠檬苦素在1.00～50.00 mg/L时线性关系良好(r=0.9992),检出限为0.07 μg,平均加标回收率为98.69%,相对标准偏差（RSD）为2.5%;柚皮苷在20.00～160.00 mg/L时线性关系良好(r=0.9988),检出限为0.14 μg,平均加标回收率为100.13%,RSD为1.5%。用该法检测柑橘汁样品中的柠檬苦素与柚皮苷,方法简便、快速、准确。     

化学酶法合成光学纯亮氨酸

用化学酶法合成L-亮氨酸，先在PdCl2/PPh3/LiBr/H2SO4催化体系作用下，异戊醛酰胺羰基化合成消旋的N-乙酰基亮氨酸；然后在酰基转移酶催化下水解，得到L-亮氨酸和N-乙酰基-D-亮氨酸．文中对酰胺羰基化反应条件进行了优化，分离得到消旋N-乙酰基亮氨酸产率为66．4％．经酶对映选择地水解后得L-亮氨酸，产率为41％，产物L-亮氨酸经衍生化后由气相色谱测定其光学纯度达99％ee．     

黑莓汁及其发酵制品中鞣花酸的高效液相色谱测定

建立了高效液相色谱(HPLC)法测定黑莓汁及其发酵制品中鞣花酸含量的方法。采用Waters symmetry C18色谱柱(250×4.6 mm,5μm),流动相为体积比44∶2∶54的甲醇-乙酸乙酯-KH2PO4/H3PO4(5%)溶液(磷酸调pH为2.7),流速0.6 mL/min,检测波长:0～6 min 400 nm,6～7.5 min 350 nm,7.5～30 min 254 nm。该方法检测黑莓汁中鞣花酸含量,平均回收率为99.08%,相对标准偏差(RSD)为0.077%。同时采用此方法跟踪检测了黑莓发酵液中鞣花酸的含量。结果表明,黑莓汁样品无需经过复杂的前处理,即可达到良好的分离。方法操作简单,准确度高,无杂质干扰,可用于黑莓原汁及黑莓汁发酵制品中鞣花酸含量的测定。     

石墨烯/聚二甲基硅氧烷涂层顶空固相微萃取与气相色谱联用测定环境水和果汁中菊酯农药残留

建立了石墨烯/聚二甲基硅氧烷涂层顶空固相微萃取与气相色谱在线联用测定环境水和果汁样品中6种菊酯类农药的检测方法。该涂层的萃取性能优于商用聚二甲基硅氧烷(PDMS,Polydimethylsilane)及聚丙烯(PA,Polypropylene)涂层。对影响萃取性能的因素(如萃取温度、离子强度、萃取时间及解吸时间)依次进行了优化。在最优条件下,丙烯菊酯与联苯菊酯的线性范围为0.02~5μg/L,甲氰菊酯、氯氰菊酯、氰戊菊酯的线性范围为0.1~20μg/L,溴氰菊酯的线性范围为0.2~20μg/L,其相关系数均高于0.99,检出限为6.8~58.2 ng/L,定量下限为18.2~154.9 ng/L。同一涂层的相对标准偏差(RSD,n=5)不高于9.2%,3根涂层之间的RSD为6.7%~10.8%。将该方法用于河水、鱼塘水、苹果汁和橙汁中6种菊酯残留的分析,加标回收率分别为81.6%~92.9%,82.3%~96.1%,78.2%~92.8%和79.9%~91.7%。方法简便、灵敏,能够满足环境水样及浓缩果汁样品中痕量农药残留的分析要求。     

气相色谱-质谱法快速筛选测定浓缩苹果汁中105种农药残留量

采用硅藻土柱层析法对样品中的农药进行提取及净化后，用气相色谱—质谱法在选择离子监测模式下进行快速测定，以保留时间和特征离子定性定量；采用此方法测定了包括有机氯农药、有机磷农药、氨基甲酸酯农药、拟除虫菊酯农药、三嗪类农药在内的105种农药，大多数农药的线性范围为0.05～10mg／kg，相关系数大于0.99；90％以上农药在0．2mg／kg添加水平的平均回收率在70％～110％的范围内。     

离子排斥色谱法同时测定果汁中11种有机酸

 用离子排斥色谱法实现了对果汁中 11种有机酸 (草酸、柠檬酸、酒石酸、苹果酸、抗坏血酸、乳酸、琥珀酸、甲酸、乙酸、戊二酸、富马酸 )的分离测定。以 17mmol/L硫酸为淋洗液 ,样品在ICE ION 30 0离子排斥柱上分离后 ,用紫外检测器在 2 10nm处测定其中的有机酸。各组分质量浓度测定的相对标准偏差在 1.5 %～ 9.8% (n =10 )。     

基于光谱技术的杨梅汁品种快速鉴别方法的研究

为了实现杨梅汁品种的快速无损鉴别,提出了一种用可见和近红外光谱技术快速鉴别杨梅汁品种的新方法。首先采用偏最小二乘法进行模式特征分析,经过交互验证法判别,确定最佳主成分数为9。完成特征提取后,将这9个主成分作为神经网络的输入变量,建立了三层BP神经网络,实现类别预测的同时也完成了数学建模与优化分析工作。3个品种的杨梅汁样本数均为20,共计60个样本。在神经网络学习中,将其分成训练集样本51个和预测集样本9个。对9个未知样本进行预测,准确率为100％。说明本文提出的基于光谱技术和模式识别的方法具有很好的分类和鉴别能力。     

新鲜苹果汁可溶性固形物含量的傅里叶变换近红外光谱检测

用傅里叶变换近红外(FTNIR)光谱透射方式对新鲜苹果汁溶性固形物含量(SSC)进行了快速定量分析。实验共测定了60个果汁样品的SSC,并采集了样品的近红外光谱数据。42个样品用来建模,剩下的18个用来验证模型的性能。对实验室测得的SSC与FTNIR光谱数据进行相关性分析,以TQ 6.2.1定量分析软件中集成的主成分回归法(PCR)和偏最小二乘回归法(PLS)建立了检测模型。该研究对比了不同光谱范围内建立的检测模型的性能。根据预测平方根误差(RMSEP)和相关系数(r2)进行不同模型的预测性能,最好的新鲜苹果汁SSC预测模型的RMSEP＝0.603 0Brix,r2＝0.997。结果表明FT-NIR可以作为一种可靠、准确、快速的无损检测方法来评价新鲜果汁的可溶性固形物含量。