排序方式: 共有40条查询结果,搜索用时 0 毫秒
1.
应用毛细管区带电泳测定人血清蛋白 总被引:8,自引:0,他引:8
摘要:研究了一种用于临床检测血清蛋白的毛细管区带电泳方法。弹性石英毛细管50μmi.d.×47cm(40cm有效长度),检测波长200nm,血清用运行缓冲液(含12.5mmol/L四硼酸钠、1mmol/L乳酸钙、0.7mmol/L硫酸镁,pH9.70)稀释40倍,气压进样17.23kPa·s,分析电压23kV。正常血清蛋白分为6种,孕妇的分7种(多一个未知的α0峰)。将正常人、孕妇、多发性骨髓瘤和强直性脊柱炎患者的血清蛋白的毛细管电泳与传统的醋酸纤维膜电泳相比较,前者具有高分辨率、在线数据处理和自动化的特 相似文献
2.
建立了饲料中克仑特罗、莱克多巴胺、喷布特罗、妥布特罗等18种β-兴奋剂的QuEChERS结合高效液相色谱-串联质谱的检测方法。饲料样品加水分散后经4%(v/v)氨水乙腈提取,加入25 mg十八烷基硅烷(C18)和50mg N-丙基乙二胺(PSA)吸附剂分散固相萃取净化后,以高效液相色谱-串联质谱进行定性和定量分析。采用Agilent Zorbax Eclipse XDB-C18(50 mm×4.6 mm,1.8μm)分析柱,以甲醇-0.1%(v/v)甲酸水溶液为流动相进行梯度洗脱,串联质谱在多反应监测(MRM)正离子模式下进行检测,基质外标法定量。结果表明,18种待测物在质量浓度为5~200μg/L范围内线性关系良好,相关系数为0.9912~0.9995;在0.05、0.1、0.5 mg/kg 3个浓度加标水平下,饲料中18种β-兴奋剂的平均回收率为78.4%~107.1%,相对标准偏差(RSD)为3.5%~12.3%,定量限(以信噪比≥10计)均为0.05 mg/kg。该方法准确、灵敏,前处理简单,可作为饲料中克仑特罗等18种β-兴奋剂筛选和确认的检测方法。 相似文献
3.
建立了一种肿瘤细胞mRNA中12种正常核苷和修饰核苷的分析方法。肿瘤细胞样品经总RNA提取、mRNA纯化和mRNA水解后,加入8-溴鸟苷(8Br-G)为内标,以0.1%甲酸水溶液和0.1%甲酸甲醇溶液为流动相,采用Agilent RRHD SB-C18(2.1 mm×50 mm,1.8μm)色谱柱进行分离,电喷雾电离源正离子扫描(ESI+),多反应监测(MRM)模式检测。该方法符合方法学验证要求,12种正常核苷和修饰核苷在一定浓度范围内线性关系良好,相关系数(r)均大于0.99,定量下限(LOQ)为0.17~3.13 ng/mL,检出限(LOD)为0.08~1.56 ng/mL。将建立的方法应用于人鼻咽癌5-8F细胞系、人宫颈癌Hela细胞系和人胚肾上皮293T细胞系,成功地检测出多种修饰核苷水平。该方法细胞用量少(每样品2×106个),分析时间短(每样品6 min),灵敏度高,可为癌症研究和临床诊断等提供一种有效的分析方法。 相似文献
4.
用中和法合成了氨基酸离子液体1-乙基-3-甲基咪唑丙氨酸([C2mim][Ala]),并利用恒温环境的溶解反应热量计,在(288.15±0.01) K-(308.15±0.01) K温度范围内每隔5 K,测定不同质量摩尔浓度离子液体在水中的溶解焓(ΔsolHmθ).根据Archer的方法,通过线性拟合得到了该离子液体的标准摩尔溶解焓(Δsol),并计算了其相对表观摩尔溶解焓(ΦL).在298.15 K下,根据Glasser经验方法得到了格子能UPOT = 566 kJ·mol-1,并计算了其阴阳离子水化焓值(ΔH+ + ΔH-) = -620 kJ·mol-1及阴离子水化焓ΔH-([Ala]-) = -387 kJ·mol-1.此外,估算了[C2mim][Ala]水溶液的热容(Cp(sol))和表观摩尔热容(ΦCp). 相似文献
5.
6.
发现一种鉴定普洱茶不同发酵时间的快速、简便、科学的方法,通过利用激光共聚焦拉曼光谱仪,采用表面增强拉曼光谱技术(SERS),在600~1 800 cm-1波数段分析了4种发酵时间普洱茶标准品的SERS光谱异同点,发现在655,732,959,1 238 cm-1等较为明显的特征峰处存在着明显的差异。研究了普洱茶发酵过程中茶多酚、含氮化合物、有机酸和糖类物质的含量变化规律,通过SERS光谱分析,为鉴定普洱茶的品质提供了一种科学、简便、快捷的光学方法。 相似文献
8.
高光谱成像技术因具有图谱合一的特点在作物品种鉴别方面具有较大潜力,但目前研究大多只提取利用了光谱信息,对图像信息没有进行有效利用。本文利用近红外高光谱成像仪采集了强筋、中筋、弱筋3个类型共计6个品种的单粒小麦种子高光谱图像,提取了长、宽、矩形度、圆形度、离心率等12个形态特征,并对图像中的胚乳和胚区域进行分割建立掩膜,提取了胚乳和胚区域的平均光谱信息。采用PLSDA和LSSVM方法建立基于图像信息的判别模型,结果表明强筋、弱筋两者二分类的识别率能达到98%以上,强筋、中筋两者二分类的识别率只能达到74.22%,说明近红外高光谱图像的形态信息能够反映品种间差异,但单独利用图像信息进行分类时准确度可能欠佳。采用SIMCA,PLSDA和LSSVM方法建立了胚乳和胚区域光谱信息的多分类模型,胚乳区域的分类效果较胚区域略好,说明籽粒不同部位的形状差异会影响分类效果。进一步融合光谱信息和图像信息,采用SIMCA,PLSDA和LSSVM方法建立融合模型,识别率较单独的图像或光谱信息模型均略有提升,PLSDA方法从原来的96.67%提升到98.89%, 表明充分挖掘高光谱图像所包含的形态特征和光谱特征可有效提高分类效果。 相似文献
9.
10.