孙溧康[1]（2021）在《G-四链体DNA结构特征的表面增强拉曼光谱研究》文中研究指明DNA是生物体中非常重要的遗传物质,与基因的传递密切相关。DNA二级结构的类型多种多样,除了经典的B型双螺旋结构,富含鸟嘌呤（G）的DNA序列形成的G-四链体结构近年来备受关注。研究显示,端粒DNA序列能够形成G-四链体并抑制端粒酶的活性,是癌症治疗干预的一个非常有吸引力的药物靶点。传统的核酸结构分析方法主要有X-射线晶体衍射（XRD）和核磁共振（NMR）技术,这两种技术能够从分子水平提供结构信息,但是对样品的纯度和浓度要求高、而且耗时和费用高;而简单的检测手段如圆二色谱（CD）等,只能提供结构轮廓信息,因此,现有的分析技术难以满足核酸结构分析的需要。自20世纪70年代以来,表面增强拉曼光谱（SERS）技术经过多年的发展,在保留提供详细的分子中化学键的伸缩振动信息的同时,分析检测灵敏度获得了极大的提高,而且具有分析成本低、简便快捷等长处。利用SERS方法无标记检测核酸也取得了许多突破性进展,例如Bell等在银溶胶体系中加入硫酸镁使核酸分子靠近基底表面,直接获得核酸分子信号;任斌等在银溶胶体系中加入碘离子减少了干扰信号。我们课题组使用含有铝和碘离子的银溶胶（Ag IANPs）做基底进一步提高了核酸分子SERS分析灵敏度,并且获得了丰富的反映G-四链体等二级结构特征的SERS谱图。由于G-四链体结构特征丰富,结构与SERS谱图之间的联系还没有完全建立。本论文选择了人类端粒DNA序列形成的G-四链体结构和含有腺嘌呤与G4平面共平面的特殊G-四链体为研究对象,研究了G-四链体结构特征与拉曼光谱之间的关系。本论文共分为三章,每章的主要内容如下:第一章是绪论。在本章中,作者详细地阐述了G-四链体的结构和人类端粒中的G-四链体的结构特点、结构多样性以及可能的生物功能,并且总结了表面增强拉曼光谱检测G-四链体的机理和方法。最后,针对SERS分析G-四链体结构中需要解决的科学问题,提出了本论文的选题思路及意义。第二章是利用表面增强拉曼光谱研究腺嘌呤共平面的G-四链体。作者以Ag IANPs为基底利用SERS方法对八种DNA G-四链体进行了研究,这些G-四链体中有五个含有与腺嘌呤共平面的G4平面。研究结果显示,当腺嘌呤与G4平面共平面时,腺嘌呤的环呼吸振动峰（νA）强度得到了相当大程度的增强,甚至比鸟嘌呤的环呼吸振动峰（νG）强度更高。此外,定量检测谱图中νA与νG的峰强度比值,与结构中腺嘌呤个数与腺嘌呤、鸟嘌呤的总个数之和的比值呈现出很好的线性关系。因此,根据νA和νG在SERS光谱中的峰值强度及其比值,我们提出了一种快速、低成本、简便灵敏的识别DNA G-四链体是否含有腺嘌呤共平面的G4平面的方法,并为G-四链体在“热点”中的取向提供了重要的信息。第三章是利用表面增强拉曼光谱研究人类端粒G-四链体的结构特征。作者利用SERS方法对4种人类端粒DNA序列形成的G-四链体进行了研究。这些G-四链体的G4平面的数量相同,但是（TTA）loop采取的构型不同。当（TTA）片段形成双链反转环时,相比形成对角环,胸腺嘧啶在SERS光谱中的特征峰强度（d T）得到了更大程度的增强。这说明（TTA）片段形成的双链反转环比对角环要更靠近G4平面。由此,我们提出了一种低成本、高灵敏、简便快捷的方法识别人类端粒G-四链体中不同类型的（TTA）loop。我们希望本论文中提到的利用表面增强拉曼光谱对G-四链体的检测方法,能为G-四链体的结构研究发挥作用。
魏巧玲[2]（2021）在《基于银溶胶的表面增强拉曼光谱技术检测农药残留的应用研究》文中研究表明农药的过度使用对食品安全造成重大隐患,严重危害人体健康,因此构建高效、稳定、精确的农药残留检测系统刻不容缓。色谱法作为大多数农药残留检测的金标准被广泛使用,但其前处理步骤复杂、检测速度慢、成本高,无法满足快速准确检测农药残留的需求。表面增强拉曼光谱（surface-enhanced Raman spectroscopy,SERS）技术以其对有机农药分子的灵敏度高、选择性好、水干扰小、可原位无损检测等优点在农药快速检测方面具有良好应用前景。然而目前SERS农药残留检测技术存在成本高、稳定性差等问题,因此设计成本低廉、稳定性好、可大规模推广应用的SERS农药残留检测基底及其检测技术具有重要的研究价值。本文通过改进纳米银溶胶的制备工艺,优化测量条件,获得具有良好重复性的适宜大规模生产应用的纳米银溶胶SERS基底;利用内标峰实现福美双和福美锌农药的宽浓度范围定量检测,并通过结合化学计量学方法,实现福美双和福美锌混合农药定性定量分析。主要研究内容及结论如下:（1）利用化学还原法制备纳米银溶胶,研究了通过离心对粒子粒径进行控制的方法,得到具有明显增强效应的纳米银溶胶SERS基底。以罗丹明B为探针分子研究了纳米银胶基底SERS增强效果和重复性,结果表明制备的纳米银溶胶基底具有良好的SERS增强效果,且SERS信号具有良好的重复性（Relative Standard Deviation,RSD<9%）,远优于传统液体基底,与某些复杂固体基底相当。（2）研究了所制备的纳米银溶胶增强基底对福美双和福美锌标准水溶液的SERS效应,结果表明该基底对两种农药均具有明显的拉曼增强效应,二者的增强因子分别为2.38×107和9.58×106。研究了采集时间、活化剂种类及用量等测试条件对SERS效应的影响,得到RSD在10%以内的福美双和福美锌标准水溶液的SERS信号。（3）研究了福美双和福美锌标准水溶液SERS信号强度随浓度变化的规律,发现两种农药的SERS信号强度与其浓度呈现非线性变化,因而两者无法通过常规方法建立定量分析曲线。通过动态光散射研究发现,SERS信号强度与福美双和福美锌浓度的非线性关系应该是不同浓度福美双和福美锌在纳米银溶胶中使银纳米粒子形成不同的聚集态引起“热点”数量发生变化所致。为实现福美双和福美锌的定量分析,提出一种在分析物自身基团中寻找内标峰的方法——穷举寻峰法。利用该方法实现了福美双和福美锌农药残留宽浓度范围内的定量分析,并将该法成功应用于苹果汁中农药残留含量检测。福美双和福美锌标准水溶液线性范围分别为0.01～100ppm和0.1～100ppm,果汁中线性范围分别为0.05～10 ppm和0.05～10 ppm,可检测浓度范围满足国标要求。（4）利用SERS技术结合化学计量学方法研究并建立了果汁中福美双-福美锌混合农药的分析检测方法。利用簇类独立软模式法实现福美双、福美锌及其混合农药的定性判别。以标准正态变换作为预处理方法,采用偏最小二乘法建立了福美双-福美锌混合农药含量的定量检测方法。
班晶晶[3]（2020）在《基于表面增强拉曼光谱技术的鸡肉中三种添加抗生素检测的应用研究》文中认为鸡肉是日常餐桌上常见的动物性食品源。它不但具有高蛋白、低脂肪和低胆固醇的优点,而且肉质嫩滑、滋味鲜美,营养丰富。随着家禽养殖产业的不断扩大,养殖密度,养殖效益增加的同时,兽药的滥用及残留问题成为消费者的关注热点。为确保市场上鸡肉制品质量过关,需加强对鸡肉中兽药残留的有效检测。而表面增强拉曼光谱技术（Surface Enhanced Raman Spectroscopy,SERS）作为一种快速、简单、高灵敏度的检测手段在兽残检测领域拥有其独特的优势。本文利用表面增强拉曼光谱技术对三种抗生素:诺氟沙星、恩诺沙星和环丙沙星进行检测,以探究表面增强拉曼光谱技术快速检测鸡肉中抗生素含量（诺氟沙星、恩诺沙星、环丙沙星）的可行性,研究鸡肉中抗生素的光谱变化,开发检测鸡肉中抗生素含量的最优预测模型,以期为鸡肉中抗生素检测提供重要参考。主要研究内容如下:（1）基于SERS技术的鸡肉中诺氟沙星含量的快速检测研究采用SERS技术对鸡肉提取液加标样本中的诺氟沙星含量进行分析,并根据拉曼特征峰728、1312和1442 cm-1处峰强得出鸡肉中诺氟沙星含量的浓度。之后对进行预处理后的光谱分别建立基于全谱的鸡肉中诺氟沙星预测模型和基于特征峰预测模型,实现了基于SERS技术对鸡肉中诺氟沙星含量的预测。实验结果表明:①用此方法检测鸡肉中诺氟沙星的最低检测浓度可达0.1 mg/L。②基于全波段经过SNV预处理后建立的PLSR结果最佳,其结果分别为 Rc=0.9724、RP=0.9371、RMSEC=0.0615、RMSEP=0.0959。③基于特征波段采用S-G-CARS和SNV-VCPA方法可以用于鸡肉中诺氟沙星含量的预测。结果分别为Rc=0.7883、RP=0.8991、RMSEC=3.1726、RMSEP=8.7063,Rc=0.9998、RP=0.9977,RMSEC=0.0027、RMSEP=0.0152。（2）基于SERS技术的鸡肉中恩诺沙星含量的快速检测研究运用SERS技术对鸡肉提取液中恩诺沙星含量进行分析,并根据拉曼特征峰732、1320和1437 cm-1处峰强得出鸡肉中诺氟沙星含量的浓度。之后对进行预处理后的光谱分别建立基于全谱的鸡肉中恩诺沙星预测模型和基于特征峰预测模型,实现了基于SERS技术对鸡肉中恩诺沙星含量的预测。实验结果表明:①用此方法检测鸡肉中恩诺沙星的最低检测浓度可达0.05 mg/L。②基于全波段经过De-trending预处理后建立的PLSR结果最佳,其结果分别为 Rc=0.9982、RP=0.9974、RMSEC=2.6811、RMSEP=6.1395。③基于特征波段采用De-trending-CARS和S-G-VCPA方法可以用于鸡肉中恩诺沙星含量的预测。结果分别为Rc=0.9999、RP=0.9999、RMSEC=RMSEC=0.0219、RMSEP=0.6695,Rc=0.9999、RP=0.9999、RMSEC=0.0095、RMSEP=0.0185。（3）基于SERS技术的鸡肉中环丙沙星含量的快速检测研究运用SERS技术对鸡肉提取液中环丙沙星含量进行分析,并根据拉曼特征峰714、1320、1394和1439 cm-1处峰强得出鸡肉中诺氟沙星的含量浓度。实验结果表明:①用此方法检测鸡肉中环丙沙星的最低检测浓度可达0.2 mg/L。②基于全波段经过De-trending预处理后建立的 PLSR 结果最佳,其结果分别为 Rc=0.9979、RP=0.9934、RMSEC=2.3126、RMSEP=6.235。③基于特征波段采用SNV-CARS和S-G-VCPA方法可以用于鸡肉中环丙沙星含量的预测。结果分别为 Rc=0.9986、RP=0.9997、RMSEC=0.0094、RMSEP=0.0404,Rc=0.9999、RP=0.9999,RMSEC=0.0032、RMSEP=0.0079。研究结果表明,采用SERS技术对鸡肉中诺氟沙星、恩诺沙星和环丙沙星含量的检测方法是切实可行的。
韩雅琪[4]（2020）在《改善银溶胶基底SERS精度的方法研究》文中认为表面增强拉曼散射光谱技术（SERS）具有超高灵敏度、高选择性和非侵入性等优点,在生命科学、食品安全,环境检测等领域极具发展潜力。鉴于银溶胶基底具有易于制备,成本低,SERS效应显着等优点,在学术研究领域中广泛使用银溶胶基底。通常,检测过程中,银溶胶基底与被测样品混合使用。样品组成与混合过程等变化对形成的热点分布具有显着影响。在重复采集其SERS光谱过程中,热点分布难以重现,导致其SERS分析结果重现性差;有些物质在拉曼激光照射下,也伴随着荧光光谱的产生,且荧光随激光照射时间呈显着降低趋势,也对SERS光谱精度造成较大干扰。因此,尽管SERS学术研究非常活跃,但在实际应用还存在很多困难,最严重的就是精度差。为此,本文旨在进行改善银胶基底SERS分析精度的方法研究,主要研究内容如下:（1）以水热还原法,使用柠檬酸钠和硝酸银,制备了银溶胶基底,用于改善SERS分析精度的研究。以碱性罗丹明B分子作为SERS探针,研究了样品加入顺序、促凝剂加入量、与样品混合溶液的pH、混合时间、罗丹明B浓度等对SERS效应的影响规律。研究结果表明,1M促凝剂体积5μL,1M柠檬酸5μL,加入顺序为银胶-罗丹明B-促凝剂,混合时间为1min,其SERS效应最佳;以1ppm罗丹明B为探针分子和在上述测试条件下,不同批次制得的银胶的SERS光谱的线性相关系数R2=0.98204。（2）以碱性罗丹明B分子作为SERS探针,激光照射伴随产生的荧光信号随时间及浓度等变化,使SERS谱图基线产生严重漂移,对SERS分析精度带来明显不利影响。常用的拉曼光谱基线校正方法,纯粹基于数学方法,参数选择不合适会造成的基线强制拉平,使信号失真。基于拉曼荧光效应变化机制,本文提出一种对SERS光谱随时间变化的差谱矩阵,进行主成分分析（PCA）,提取出SERS光谱中的荧光光谱成分,建立了一种SERS光谱的新型基线校正方法,避免了数学方法的失真问题,提高了 SERS分析精度。（3）本文分析了银溶胶与样品混合对形成热点分布影响,得出了银胶基底在测试过程中形成的热点分布在微观上重现性较差是客观的,而拉曼光谱常用的激光光斑尺寸为微米级,其统计性不够的结论。为此,基于统计原理,提出了一种使用大光斑（最大光斑直径7mm）激光拉曼光谱仪改进SERS分析精度的方法。研究结果表明,增大光斑直径可明显改善SERS分析精度。累积随连续采集的光谱得到积分光谱,具有抑制高频噪声作用,使用积分光谱有利于改善SERS分析精度。综合使用最佳测试条件,大光斑SERS和新型拉曼光谱基线处理方法,可显着地改善银胶基底SERS分析精度,且提高1倍左右。
包启文[5]（2020）在《基于SERS技术结合机器学习算法检测致幻类药物的研究》文中研究说明近年来,致幻类药物被用于违法犯罪用途的案件呈多发态势,严重威胁当事人的人身安全。因此,需要一种对致幻类药物进行快速检测并鉴别的方法。目前对致幻类药物的检测方法存在检测时间长,仪器设备成本较高等缺点。表面增强拉曼光谱技术（SERS）凭借其仪器设备相对便携,检测时间短,实验操作相对简便等优点被广泛应用于药品分析与诊断领域。本论文基于SERS技术通过使用灵敏度高的银溶胶基底对氟班色林、他达拉非进行检测,完成了对两种药品的定性及定量分析,并结合机器学习算法完成对氟班色林的快速分类,非常适用于迷幻药品的快速准确现场检测。首先基于密度泛函理论优化两种药物的分子结构并计算其理论拉曼光谱。根据理论计算得到的拉曼光谱对比实际样品拉曼光谱,进行归属特征峰及其振动模式。然后制备银溶胶基底,使用高分辨场发射扫描电镜以及动态光散射仪对银溶胶的纳米颗粒形貌、分布与粒径大小进行表征,结果说明银溶胶基底粒径均匀,并完成其稳定性的测试。之后使用制备完成的SERS基底对氟班色林、他达拉非两种药品进行SERS检测,氟班色林检测限为1μg/m L并且他达拉非检测限为10μg/m L。对两种药品进行定量分析,氟班色林白酒溶液的回收率范围在93.70%-108.32%之间,他达拉非甲醇溶液的回收率范围在90.79%-107.12%之间。最后使用主成分分析（PCA）结合支持向量机（SVM）模型与卷积神经网络模型（CNN）对氟班色林白酒、啤酒、葡萄酒溶液进行定性及定量分类,以算法程序降低判定工作量和人工误判的概率。PCA-SVM模型对氟班色林白酒、啤酒、葡萄酒光谱数据集的定性分类准确度分别为100.00%、95.80%、92.00%,而对这三种数据集的定量分类准确度分别为92.30%、91.70%、92.00%。CNN模型的定性分类准确度分别为100.00%、94.70%、96.90%,定量分类准确度分别为95.00%、90.70%、91.10%,基本验证了算法代替人工的优势与可行性。论文充分展示了SERS技术在迷幻药物的快速现场检测方面巨大的应用潜力以及未来自动对样品检测定量的可能。
张晨[6]（2020）在《基于SERS技术检测三种阿片类药物的研究》文中研究说明随着医疗水平的快速发展,阿片类药物常常被用来帮助患者有效缓解疼痛。但由于此类药物会通过神经系统传递,与身体中的阿片受体结合从而使人产生欣快感,因此一旦使用不当则会有很高的成瘾风险。阿片类药物的滥用已成为当今社会面临的严峻问题,由此引发的犯罪暴力事件威胁着人们的生命财产安全。对该类药物进行现场快速检测与鉴定,可以为预防阿片类药物的非法流通和滥用提供一个有效的手段。本文利用具有高灵敏度、便携简单的SERS技术,与制备的两种高性能活性基底相结合,对地佐辛、盐酸布桂嗪和枸橼酸芬太尼这三种阿片类药物的标准品和生物样品分别进行SERS检测和半定量分析,有助于完善镇痛药物的监管体系和检测数据,为实际应用提供价值。本文首先介绍了SERS效应的发展历程和增强机制,分析了SERS技术及其基底在阿片类药物检测方面的国内外研究进展与应用状况。然后围绕密度泛函基本框架对密度泛函理论进行展开,论述了该理论在处理多体问题的主要思路。并利用Gaussian软件所涵盖的B3LYP混合泛函优化了地佐辛、盐酸布桂嗪和枸橼酸芬太尼的分子结构,模拟了这三种待测阿片药品的拉曼光谱,同时根据振动对应关系进行了峰位归属。然后根据还原硝酸银反应合成了银纳米溶胶,对溶胶的形态、粒径分布和吸收光谱进行了表征,又利用探针分子4-MBA对基底的灵敏度和均匀性进行了探索。基于制备的银纳米溶胶与SERS技术,对地佐辛和盐酸布桂嗪的标准品水溶液和人造尿液、大鼠血清这两种生物样品分别进行了定性检测和半定量分析。并且根据拟合出的样品浓度与峰值对应关系,测定了生物样品中的回收率来验证半定量分析的准确性。最后结合种子介导生长法和蚀刻法,制备了形态均匀的三种不同粒径的金纳米球,并通过界面自组装的方式将金纳米球组装到滤纸上来合成滤纸基底。对基底的组装情况、灵敏度、蚀刻前后均匀性和时间稳定性进行了表征,优选出最佳粒径的滤纸基底,并引入氯离子进行优化提升,提高了基底的增强性能。使用优化后的基底对枸橼酸芬太尼的标准品和生物样品实现了半定量分析和回收率计算,实验结果说明这种方法快速准确,有利于实现阿片类药物含量在医疗或司法现场的便捷检测。
王杰[7]（2019）在《基于拉曼光谱和荧光光谱技术的生物气溶胶检测及识别方法研究》文中研究说明生物气溶胶的释放已成为生物恐怖袭击的主要方式,跨境人群携带的高危病原微生物的强感染和快传播对人类及社会的威胁,使得快速实现细菌和其他空气中生物物种的监测变得越来越重要。越来越多的国家已经着力研究有效快速的实现生物气溶胶的实时监测与控制方法,以更快、更精确的进行预警,降低不必要的损失。我国对生物恐怖袭击的检测识别技术研发相对较晚,检测仪器和手段较少,这将影响对反恐安全的防范。因此进行生物气溶胶检测方法的研究对于生物安全以及生防反恐领域具有重要的现实意义和学术价值。本文主要利用拉曼光谱技术以及荧光光谱技术对所收集的气溶胶中存在的生物微粒标准样品进行鉴别分析,为后续生物气溶胶的研究提供参考。以拉曼光谱技术为主要手段、荧光光谱技术为辅助手段,以常见的20种生物标准样品为研究对象,通过相关文献的查阅及实验,对这20种生物标准样品的262个样本进行了拉曼光谱采集,并对部分样品的荧光光谱进行了采集分析。对所得数据进行了预处理,通过系统聚类分析法、主成分分析（PCA）和支持向量机（SVM）法实现生物气溶胶的分类识别,为生物气溶胶的检测、分类及预警奠定基础。本论文主要从如下几方面进行了生物气溶胶检测及识别方法的研究工作:1.利用共焦显微拉曼光谱仪对生物标准样品的拉曼光谱进行了采集,以松花粉样本为实验对象,通过试验参数的分析对比选择了生物气溶胶中花粉的最佳检测参数,主要包括激光波长、积分时间、共焦孔径等,即激光波长785nm,积分时间30s,共焦孔径为300μm,扫描范围为300-1800cm-1。由于细菌、真菌不能通过传统拉曼光谱检测技术直接获得其拉曼光谱,采用表面增强拉曼光谱（SERS）检测技术,以“花状”纳米银溶胶为基底,采用532nm波长的激光,同时通过控制菌样与银溶胶的混合体积比及结合时间,在激光功率衰减100倍或1000倍的情况下,增强了拉曼信号强度,成功采集了细菌、真菌的拉曼光谱图。2.对采集的生物标准样品拉曼光谱进行了处理分析。首先进行了拉曼光谱的预处理,通过对比分析,采用窗口大小为11点的Savitzky-Golay法平滑、利用线性拟合法去基线、采用最大归一化法进行归一化等基本处理,尽可能去除光谱采集时产生的噪声、基线漂移、数量级差异等问题。对于处理后的光谱数据先利用IBM SPSS Statistics 19统计分析软件进行了系统聚类分析,利用完整的拉曼光谱数据进行了分类,并对分类结果进行了验证,准确率达到91.67%,说明系统聚类方法对生物气溶胶拉曼光谱识别分类有一定的有效性;然后利用主成分分析和支持向量机（SVM）进行了识别模型的建立,以182个样本数据作为训练集,80个样本数据为预测集,通过对比分析选择了SVM模型建立的最佳参数,即:采用[-1,1]归一化和多项式核函数,识别率能够达到98.75%,为后续生物气溶胶的研究工作奠定了基础。3.利用荧光光谱技术进行了四种生物标准样品的荧光光谱检测,并对四种样品（松花粉、大肠杆菌、金葡萄球菌、白色念珠菌）的荧光峰进行了对比分析,通过四种样品的荧光光谱可以明显看出:荧光光谱可以较好的对样品进行分类识别。对三种菌样分别利用279nm波长激发光和289nm波长激发光激发得到了三种菌样浓度梯度为10-1-10-8mol/L的荧光光谱;并且利用主成分分析对三种菌样(浓度10-1mol/L)的荧光光谱分类准确率可以达到100%。但是由于荧光光谱采集仪器相比拉曼光谱采集仪器所需的样品量大,受实验样品种类及数量限制等原因,所以仅仅进行了四种样品的荧光光谱检测,在后续的工作中还需要进一步增加荧光光谱检测样品的数量来更好的说明荧光光谱在生物气溶胶研究中的重要作用。综上,利用拉曼光谱技术能够对20种生物标准样品实现有效区分,利用系统聚类分析法建立的鉴别模型,并对分类结果进行了验证,识别准确率达到91.67%;利用主成分分析和支持向量机建立的识别模型,识别准确率可以达到98.75%。利用荧光光谱技术对部分样品进行荧光检测可以很直观的对样品进行区分,并利用主成分分析法对三种菌样的荧光光谱分类准确率可以达到100%。
刘婉华,刘健,赵雪松,李云涛[8]（2018）在《基于表面增强拉曼光谱的肝癌血清检测方法研究》文中提出测量了基于金溶胶和银溶胶基底的肝癌血清的SERS光谱,比较两种金属溶胶对肝癌血清SERS增强效果。为了得到灵敏度更高的表面增强拉曼光谱,探究了银溶胶与血清比例为0∶1、1∶2、1∶3、1∶1、2∶1、3∶1的肝癌血清SERS光谱,寻找合适的银溶胶与血清配比。测定了以80nm、50nm、30nm三种不同粒径银溶胶为基底的肝癌血清SERS光谱,比较不同粒径的银溶胶对SERS光谱的影响。结果显示以金溶胶和银溶胶为基底的血清SERS谱,都能够反映血清中蛋白质主链、侧链的结构,但是基于金溶胶的血清SERS光谱对蛋白质二级结构及脂类和糖的测定效果较差,银溶胶的SERS增强效果优于金溶胶。当血清与银纳米配比为1∶1时,SERS增强效果最强,其他配比所测得SERS特征峰强度减弱。以粒径50nm的银溶胶为基底的血清SERS明显增强,增强活性优于粒径80nm的银溶胶和粒径30nm的银溶胶。结果表明在肝癌血清的检测中,选择粒径50nm左右的银纳米溶胶作为基底,且血清与银溶胶配比1∶1时,可以得到最佳的肝癌血清SERS光谱。
翟晨[9]（2017）在《基于拉曼光谱的主要农产品农兽药快速检测方法的研究》文中提出农兽药在农产品的生产过程中起到了至关重要的作用,然而由于各类农兽药在使用过程中存在滥用、误用及不遵守休药期等现象,导致市售的农产品中含有过量的农兽药残留,威胁人类健康和社会安定。因此,开发研究主要农产品中农兽药残留快速检测技术具有重大意义。拉曼光谱技术通过分子振动和转动信息的采集与分析,进行物质的定性和定量检测,具有无需样品前处理、操作简便、耗时短、环保等优点,论文以苹果、猪肉等主要农产品作为研究对象,基于表面增强拉曼散射（SERS）技术以及拉曼光谱成像技术对其农兽药残留的同步、快速、无损检测进行了研究,主要研究内容和结果归纳如下:1、借助SERS技术,以银溶胶作为表面增强材料,开发了果蔬农药残留的快速检测方法,测试过程短且无需样品前处理,总体检测时间小于10 min,检测限低于国家标准限值。苹果中常见农药啶虫脒、毒死蜱和多菌灵在相同条件下的50组检测结果具有较好的稳定性,3种农药信号、强度的相对标准差（RSD）均低于12%;采用该方法对其他多种果蔬（梨、橙子、芒果、菠菜以及小油菜）进行了检测,结果表明此方法具有一定的普适性;通过对比分析发现,将光谱信号进行平均和Savitzky-Golay平滑（S-G平滑）,并采用自适应迭代重加权惩罚最小二乘法进行荧光背景校正后,建立的多元线性回归模型的预测效果最优,啶虫脒、毒死蜱和多菌灵的最优模型的预测集相关系数分别为0.969、0.975和0.972,预测均方根误差（RMSEP）分别为1.065、1.153和0.899。2、依据果蔬中混合农药残留同步检测的现实需求,针对混合农药检测过程中SERS信号的重叠问题,研究了自建模混合物分析法（SMA）分解混合农药SERS信号的可行性,分析了不同农药SERS信号之间的相互影响;结果表明,SMA能够较好的分解出啶虫脒、毒死蜱和多菌灵混合物拉曼信号中单一组分的拉曼光谱,其特征峰位置和信号强度与纯品检测结果具有较高的一致性;低浓度时混合物各组分之间存在的相互影响较小,基于单一农药建立的模型对混合农药的浓度具有良好预测能力,啶虫脒、毒死蜱和多菌灵预测集相关系数分别为0.893、0.926、0.938;SMA对混合物信号的快速有效分解,大幅提高了果蔬农药残留检测的速度与准确度。3、采用SERS技术,以银溶胶作为表面增强材料,开发了针对动物源农产品中的兽药残留的快速检测方法。该技术只需对样品进行简单的预处理以提取待测物,并在加入表面增强剂后用于光谱信号采集,定量过程快速便捷。以沙丁胺醇和磺胺二甲嘧啶为研究对象建立的多元线性预测模型效果良好,沙丁胺醇以及磺胺二甲嘧啶预测集的相关系数分别为0.974和0.985,预测均方根误差为0.487 mg/L和0.413 mg/L。对猪肉、鸡肉、猪的肝脏以及肾脏样品中沙丁胺醇和磺胺二甲嘧啶的含量分别进行了检测,检测限值为0.0075～0.05 mg/kg和0.005～0.025 mg/kg,预测集相关性大于0.951和0.957。4、利用拉曼光谱成像系统,开发了猪肉中的氧氟沙星、氯霉素和磺胺二甲嘧啶3种兽药的同步、快速、无损检测技术,并通过信号提取和分析方法的研究实现了兽药的分布可视化。在优化条件下对完整猪肉样品进行拉曼图像采集后,首先选取待测物的特征波段图像并进行荧光背景校正,然后通过选取合适的阈值以实现图像二值化,从而得到待测物的直观分布情况。兽药的定量预测采用像素比值法,单一纯品检测时,猪肉中氧氟沙星、氯霉素和磺胺二甲嘧啶的检测限值分别为0.05%、0.04%和0.05%,预测集相关系数为0.974、0.975和0.982。运用基于单一纯品兽药建立的模型对混合兽药组分含量进行预测仍具有良好的预测效果,氧氟沙星、氯霉素和磺胺二甲嘧啶的相关系数分别为0.978,0.986和0.984。本研究为农产品的农兽药残留的同步、快速、无损检测提供了新的技术和方法,在无需样品前处理或者简单前处理的情况下,快速采集样品信息,建立准确、稳定的农兽药残留预测模型,为农产品的安全检测提供新思路和新技术。
杨坤[10]（2014）在《腐竹中金胺O表面增强拉曼光谱快速检测技术研究》文中认为金胺O是一种芳香胺类碱性工业染料，主要用于纸、麻、皮革、棉织品等工业染色。人体接触或者吸入金胺O都会引起中毒，且难以自然降解，残留在人体内具有毒性、致癌性和致突变性。卫生部早于2008年将其列为非食用物质，但目前我国仍缺乏准确可靠的金胺O检测手段，而国内外相关的报道也较少，现有的检测方法有高效液相色谱法及其与固相萃取、质谱法联用，但是这些方法设备复杂昂贵，对操作人员技术要求较高，且检测周期长，不利于快速现场检测。拉曼散射是物质的固有特性，其光谱具有指纹特征，从而实现对样品的定性检测。表面增强拉曼光谱（Surface Enhanced Raman Scattering，简称SERS）技术可以将吸附在具有SERS活性金属表面样品分子微弱的拉曼信号放大上百万倍，使得SERS技术具有极高检测灵敏度，可以在分子水平上实时、定性和半定量检测，因此，在食品安全检测方面的应用存在着巨大潜能。本论文以金胺O为研究对象，应用SERS技术检测了腐竹中的金胺O，提出了一种可以快速检测豆制品中违禁色素的方法。首先应用柠檬酸钠分别还原氯金酸和硝酸银制备出金、银溶胶，用作SERS增强基底，分别测量并分析了其粒径分布和吸收光谱，得出两种溶胶中的纳米粒子均以球形为主，并且具有良好的单分散性。然后应用Gaussian软件计算了金胺O拉曼光谱，对其拉曼振动峰进行归属指认，并与其固体和水溶液的常规拉曼光谱进行对比。通过对比金胺O固体和水溶液的常规拉曼、水溶液的SERS、腐竹萃取液的SERS，并参考国内外相关报道，确定以776.5cm-1处C-H平面外弯曲振动的拉曼峰为金胺O的特征峰。接下来分别以金、银溶胶为增强基底研究金胺O水溶液的SERS特性，优化检测参数得到各自检测限和增强因子。金溶胶最优检测参数为：金胺O与金溶胶体积比为1:5，PH=11，相应检测限为0.5ppm，增强因子为1.86103。银溶胶最优检测参数为：金胺O与银溶胶体积比为1:6，PH=2.1，加入1M硝酸或1M氯化钠水溶液分别为金胺O和银溶胶混合液体积的6.67%和3%，相应检测限均为0.1ppm，增强因子分别为3.01103和4.17103。最后参考固相、液相色谱法萃取腐竹中金胺O并应用增强因子较高的银溶胶为增强基底进行SERS检测，检测限为10ppm。
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 G-四链体简介 |
| 1.1.1 DNA结构多样性 |
| 1.1.2 G-四链体结构 |
| 1.2 人类端粒G-四链体 |
| 1.2.1 人类端粒G-四链体结构 |
| 1.2.2 人类端粒G-四链体的生物功能 |
| 1.3 研究G-四链体结构的主要方法 |
| 1.3.1 圆二色谱法 |
| 1.3.2 质谱法 |
| 1.4 表面增强拉曼光谱(SERS) |
| 1.4.1 表面增强拉曼光谱(SERS)简介 |
| 1.4.2 表面增强拉曼光谱(SERS)在核酸检测方面的应用 |
| 1.5 本文选题思路及意义 |
| 参考文献 |
| 第二章 利用表面增强拉曼光谱研究腺嘌呤共平面的G-四链体 |
| 2.1 引言 |
| 2.2 实验部分 |
| 2.2.1 材料和试剂 |
| 2.2.2 DNA样品的制备 |
| 2.2.3 Ag IANPs的制备 |
| 2.2.4 SERS光谱检测 |
| 2.2.5 质谱检测 |
| 2.2.6 CD光谱检测 |
| 2.3 结果与讨论 |
| 2.3.1 G-四链体结构的形成 |
| 2.3.2 SERS分析G-四链体的形成 |
| 2.3.3 腺嘌呤共平面G-四链体的量化信息 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 利用表面增强拉曼光谱研究人类端粒G-四链体结构特征 |
| 3.1 引言 |
| 3.2 实验部分 |
| 3.2.1 材料和试剂 |
| 3.2.2 DNA样品的制备 |
| 3.2.3 AgIANPs的制备 |
| 3.2.4 SERS光谱检测 |
| 3.2.5 质谱检测 |
| 3.2.6 CD光谱检测 |
| 3.3 结果与讨论 |
| 3.3.1 G-四链体结构的形成 |
| 3.3.2 SERS分析G-四链体的形成 |
| 3.4 本章小结 |
| 参考文献 |
| 第四章 总结与展望 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 农残检测研究背景及意义 |
| 1.2 农残样品检测方法 |
| 1.2.1 农残样品前处理方法 |
| 1.2.2 农残检测常规方法 |
| 1.2.3 农残快速检测方法 |
| 1.3 SERS技术概述 |
| 1.3.1 拉曼光谱的发展简介 |
| 1.3.2 SERS的发现及其增强机理 |
| 1.3.3 SERS增强基底 |
| 1.3.4 SERS技术在农残检测中的应用 |
| 1.4 本论文主要研究内容 |
| 第二章 纳米银溶胶SERS增强基底的制备及表征 |
| 2.1 引言 |
| 2.2 实验部分 |
| 2.2.1 试剂及设备 |
| 2.2.2 银溶胶增强基底的制备 |
| 2.2.3 RhB水溶液的配制 |
| 2.2.4 表征方法 |
| 2.3 结果与讨论 |
| 2.3.1 AgNPs的粒径及形貌表征 |
| 2.3.2 AgNPs的晶型分析 |
| 2.3.3 银溶胶的SERS效应 |
| 2.3.4 银溶胶的稳定性分析 |
| 2.3.5 银溶胶的重复性分析 |
| 2.4 本章小结 |
| 第三章 基于银溶胶增强基底的福美双和福美锌SERS光谱研究 |
| 3.1 引言 |
| 3.2 实验部分 |
| 3.2.1 试剂及设备 |
| 3.2.2 银溶胶增强基底的制备 |
| 3.2.3 配制农药标准溶液 |
| 3.2.4 测试表征 |
| 3.3 结果与讨论 |
| 3.3.1 银溶胶的背景信号 |
| 3.3.2 福美双的拉曼光谱及其水溶液的SERS光谱 |
| 3.3.3 福美锌的拉曼光谱及其水溶液的SERS光谱 |
| 3.3.4 福美双和福美锌基于银溶胶基底的增强因子 |
| 3.3.5 福美双和福美锌SERS信号重复性 |
| 3.3.6 福美双和福美锌SERS强度与浓度之间的关系 |
| 3.4 本章小结 |
| 第四章 基于银溶胶增强基底的福美双和福美锌SERS定量分析 |
| 4.1 引言 |
| 4.2 实验部分 |
| 4.2.1 试剂及设备 |
| 4.2.2 银溶胶增强基底的制备 |
| 4.2.3 测试样品的配制 |
| 4.2.4 SERS光谱采集 |
| 4.2.5 穷举法寻峰 |
| 4.3 结果与讨论 |
| 4.3.1 福美双和福美锌SERS光谱采集条件 |
| 4.3.2 利用穷举寻峰法确定线性关系 |
| 4.3.3 定量曲线的建立及验证 |
| 4.3.4 利用银溶胶增强基底检测苹果汁中的福美双和福美锌 |
| 4.4 本章小结 |
| 第五章 基于银溶胶增强基底的福美双-福美锌混合农药定量分析 |
| 5.1 引言 |
| 5.2 实验部分 |
| 5.2.1 试剂及设备 |
| 5.2.2 银溶胶增强基底的制备 |
| 5.2.3 测试样品的配制 |
| 5.2.4 SERS光谱采集 |
| 5.2.5 数据处理 |
| 5.3 结果与讨论 |
| 5.3.1 确定最佳SERS测试体系 |
| 5.3.2 混合农药的定性分析 |
| 5.3.3 混合农药的定量分析 |
| 5.4 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
| 作者和导师简介 |
| 附件 |
| 摘要 |
| Abstract |
| 英文缩略表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 表面增强拉曼光谱技术概述 |
| 1.2.1 拉曼光谱技术简介 |
| 1.2.2 表面增强拉曼光谱技术 |
| 1.2.3 拉曼光谱数据处理 |
| 1.2.4 光谱数据预处理 |
| 1.2.5 特征波长筛选 |
| 1.2.6 定量校正模型 |
| 1.3 表面增强拉曼光谱在肉类检测方面的国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容 |
| 第二章 材料与方法 |
| 2.1 材料 |
| 2.2 仪器 |
| 2.3 实验方法 |
| 2.3.1 鸡肉提取液的制备 |
| 2.3.2 鸡肉提取液加标样本的制备 |
| 2.3.3 标准溶液的配制 |
| 2.3.4 银溶胶的制备 |
| 2.3.5 氯化钠溶液的制备 |
| 2.3.6 仪器参数的设置 |
| 2.3.7 鸡肉样品光谱的采集 |
| 2.4 定量模型建立及模型评价指标 |
| 2.4.1 偏最小二乘回归 |
| 2.4.2 模型评价指标 |
| 2.5 数据处理软件 |
| 第三章 基于SERS技术的鸡肉中诺氟沙星含量快速检测研究 |
| 3.1 引言 |
| 3.2 材料与仪器 |
| 3.2.1 材料 |
| 3.2.2 仪器 |
| 3.2.3 实验方法 |
| 3.3 结果与分析 |
| 3.3.1 增强基底的紫外可见吸收光谱分析 |
| 3.3.2 银溶胶添加量对SERS增强效果的影响 |
| 3.3.3 鸡肉样品添加量对SERS增强效果的影响 |
| 3.3.4 氯化钠添加量对SERS增强效果的影响 |
| 3.3.5 诺氟沙星分子结构及SERS光谱特征 |
| 3.3.6 诺氟沙星的SERS光谱模型建立 |
| 3.4 本章小结 |
| 第四章 基于SERS技术的鸡肉中恩诺沙星含量快速检测研究 |
| 4.1 引言 |
| 4.2 材料与仪器 |
| 4.2.1 材料 |
| 4.2.2 仪器 |
| 4.2.3 实验方法 |
| 4.3 结果与分析 |
| 4.3.1 增强基底的紫外可见吸收光谱分析 |
| 4.3.2 银溶胶添加量对SERS增强效果的影响 |
| 4.3.3 鸡肉样品添加量对SERS增强效果的影响 |
| 4.3.4 氯化钠添加量对SERS增强效果的影响 |
| 4.3.5 恩诺沙星分子结构及SERS光谱特征 |
| 4.3.6 恩诺沙星SERS光谱模型建立 |
| 4.4 本章小结 |
| 第五章 基于SERS技术的鸡肉中环丙沙星含量快速检测研究 |
| 5.1 引言 |
| 5.2 材料与仪器 |
| 5.2.1 材料 |
| 5.2.2 仪器 |
| 5.2.3 实验方法 |
| 5.3 结果与分析 |
| 5.3.1 增强基底的紫外可见吸收光谱分析 |
| 5.3.2 银溶胶添加量对SERS增强效果的影响 |
| 5.3.3 鸡肉样品添加量对SERS增强效果的影响 |
| 5.3.4 氯化钠加入量对SERS增强效果的影响 |
| 5.3.5 环丙沙星分子结构及SERS光谱特征 |
| 5.3.6 环丙沙星SERS光谱模型建立 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 拉曼散射光谱 |
| 1.2 表面增强拉曼散射光谱(SERS) |
| 1.2.1 SERS增强机制 |
| 1.2.1.1 电磁增强机制 |
| 1.2.1.2 化学增强机制 |
| 1.2.2 SERS基底 |
| 1.2.2.1 纳米金属溶胶类基底 |
| 1.2.2.2 复合纳米材料SERS基底 |
| 1.3 拉曼光谱技术及应用 |
| 1.3.1 拉曼光谱仪 |
| 1.3.2 拉曼数据处理技术 |
| 1.3.2.1 自适应迭代惩罚加权最小二乘法 |
| 1.3.2.2 小波变换 |
| 1.3.2.3 以向量夹角为判据的拉曼基线校正 |
| 1.3.2.4 非均匀B样条法 |
| 1.3.2.5 荧光褪色效应差分法 |
| 1.3.2.6 拉曼光谱平滑算法 |
| 1.3.3 SERS技术的应用 |
| 1.4 SERS重现性问题及其研究 |
| 1.4.1 SERS基底制备与测试条件优化 |
| 1.4.1.1 固态基底 |
| 1.4.1.2 液态基底与测试条件优化 |
| 1.4.2 SERS谱图处理技术 |
| 1.5 本课题研究目的及内容 |
| 第二章 银溶胶基底制备及测试条件对其SERS影响研究 |
| 2.1 引言 |
| 2.2 实验部分 |
| 2.2.1 实验原料 |
| 2.2.2 实验样品制备 |
| 2.2.2.1 银溶胶制备 |
| 2.2.2.2 罗丹明B溶液的配制 |
| 2.3 测试方法 |
| 2.4 结果与讨论 |
| 2.4.1 制备的银溶胶性能表征 |
| 2.4.1.1 UV、TEM表征 |
| 2.4.1.2 不同批次制备的银胶增强差异性 |
| 2.4.1.3 制备的SERS银胶对不同探针的适应性 |
| 2.4.2 测试条件对制备的银溶胶SERS效果影响 |
| 2.4.2.1 混合顺序的影响 |
| 2.4.2.2 NaCl浓度的影响 |
| 2.4.2.3 pH的影响 |
| 2.4.2.4 样品混合时间的影响 |
| 2.4.2.5 探针浓度的影响 |
| 2.5 本章小结 |
| 第三章 拉曼基线处理方法研究 |
| 3.1 引言 |
| 3.2 理论方法 |
| 3.2.1 原理 |
| 3.2.2 算法 |
| 3.3 实验部分 |
| 3.3.1 实验样品 |
| 3.3.2 光谱采集 |
| 3.3.3 数据处理 |
| 3.4 结果与讨论 |
| 3.4.1 光谱分析 |
| 3.4.2 不同基线处理方法 |
| 3.4.3 主成分重构法 |
| 3.4.3.1 方法流程 |
| 3.4.3.2 方法步骤 |
| 3.5 本章小结 |
| 第四章 改善银胶SERS重现性研究 |
| 4.1 引言 |
| 4.2 方法原理 |
| 4.3 实验部分 |
| 4.3.1 试剂与实验设备 |
| 4.3.2 银溶胶基底制备 |
| 4.3.3 罗丹明标准溶液制备 |
| 4.3.4 光谱采集 |
| 4.3.5 数据处理 |
| 4.4 结果与讨论 |
| 4.4.1 拉曼光谱与SERS重现性比较 |
| 4.4.2 激光照射面积对SERS重现性的影响 |
| 4.4.2.1 常见拉曼光谱仪与大光斑拉曼光谱仪的比较 |
| 4.4.2.2 样品浓度不同在不同光斑直径下对SERS重现性的影响 |
| 4.4.2.3 光斑直径不同对SERS重现性的影响 |
| 4.4.2.4 银胶批次不同对SERS重现性的影响 |
| 4.4.3 SERS重现性评价方法对银胶重现性的影响 |
| 4.4.3.1 累加光谱下银胶的重现性 |
| 4.4.3.2 累加光谱下峰强与峰面积评估银胶重现性 |
| 4.4.4 不同光谱处理方法对银胶重现性的影响 |
| 4.5 本章小结 |
| 第五章 总结 |
| 参考文献 |
| 致谢 |
| 作者及导师简介 |
| 附件 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 致幻类药品检测方法现状及分析 |
| 1.3 表面增强拉曼光谱技术 |
| 1.3.1 表面增强拉曼光谱技术简介 |
| 1.3.2 SERS的增强机制 |
| 1.4 机器学习算法 |
| 1.4.1 机器学习的基本概念 |
| 1.4.2 监督学习 |
| 1.4.3 无监督学习 |
| 1.5 SERS技术及机器学习算法应用于迷幻药物检测的研究现状 |
| 1.6 本文主要研究内容 |
| 第2章 两种致幻类药品拉曼光谱的理论计算 |
| 2.1 引言 |
| 2.2 密度泛函理论 |
| 2.2.1 Thomas-Fermi模型 |
| 2.2.2 Hohenberg-Kohn定理 |
| 2.3 GAUSSIAN软件 |
| 2.4 两种药物的拉曼光谱计算 |
| 2.4.1 氟班色林 |
| 2.4.2 他达拉非 |
| 2.5 本章小结 |
| 第3章 银溶胶SERS基底的制备与表征 |
| 3.1 引言 |
| 3.2 实验条件 |
| 3.2.1 实验试剂 |
| 3.2.2 实验仪器 |
| 3.2.3 样品制备 |
| 3.2.4 SERS测量条件 |
| 3.3 银溶胶的制备与表征 |
| 3.3.1 银溶胶的制备 |
| 3.3.2 银溶胶的表征 |
| 3.3.3 银溶胶的稳定性 |
| 3.4 本章小结 |
| 第4章 基于SERS技术检测迷幻药品的研究 |
| 4.1 引言 |
| 4.2 SERS技术检测氟班色林及其在三种酒中残留量的研究 |
| 4.2.1 检测条件的优化 |
| 4.2.2 SERS方法检测三种酒溶液中的氟班色林 |
| 4.3 SERS技术检测他达拉非 |
| 4.3.1 检测条件 |
| 4.3.2 SERS方法检测甲醇中的他达拉非 |
| 4.4 本章小结 |
| 第5章 机器学习算法对迷幻药品的定性及定量分类 |
| 5.1 引言 |
| 5.2 光谱的预处理 |
| 5.3 数据集的降维与可视化 |
| 5.3.1 主成分分析 |
| 5.3.2 流形学习与数据可视化 |
| 5.4 监督学习算法对氟班色林进行定性与定量分类 |
| 5.4.1 机器学习算法模型评估 |
| 5.4.2 机器学习算法对氟班色林进行定性分析 |
| 5.4.3 机器学习算法对氟班色林进行定量分类 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 阿片类药物检测方法的使用现状 |
| 1.3 表面增强拉曼光谱技术 |
| 1.3.1 拉曼光谱和表面增强拉曼光谱 |
| 1.3.2 表面增强拉曼光谱的增强机理 |
| 1.4 SERS技术及其基底在药物检测方面的研究现状 |
| 1.4.1 SERS检测阿片类药物的应用现状 |
| 1.4.2 SERS基底的研究与应用现状 |
| 1.5 本文主要研究内容 |
| 第2章 三种阿片类药品理论拉曼光谱计算与特征峰位归属 |
| 2.1 引言 |
| 2.2 密度泛函理论与Gaussian软件 |
| 2.3 三种阿片类药品的理论拉曼光谱计算及峰位归属 |
| 2.3.1 地佐辛 |
| 2.3.2 盐酸布桂嗪 |
| 2.3.3 枸橼酸芬太尼 |
| 2.4 本章小结 |
| 第3章 银溶胶的制备及地佐辛和盐酸布桂嗪生物样品的 SERS 检测 |
| 3.1 引言 |
| 3.2 银纳米溶胶的制备与表征 |
| 3.2.1 银纳米溶胶的制备 |
| 3.2.2 银纳米溶胶的性能表征 |
| 3.3 银溶胶对地佐辛的SERS检测 |
| 3.3.1 样品的制备与检测流程 |
| 3.3.2 检测条件的探索与优化 |
| 3.3.3 地佐辛标准品溶液的半定量分析 |
| 3.3.4 地佐辛生物样品的半定量分析与回收率测定 |
| 3.4 银溶胶对盐酸布桂嗪的SERS检测 |
| 3.4.1 盐酸布桂嗪标准品溶液的半定量分析 |
| 3.4.2 盐酸布桂嗪生物样品的半定量分析与回收率测定 |
| 3.5 本章小结 |
| 第4章 金纳米球纸基的制备及枸橼酸芬太尼生物样品的 SERS 检测 |
| 4.1 引言 |
| 4.2 金纳米球滤纸基底的制备与表征 |
| 4.2.1 金纳米球滤纸基底的制备 |
| 4.2.2 金纳米球滤纸基底的表征与优化选择 |
| 4.3 金纳米球纸基对枸橼酸芬太尼的检测 |
| 4.3.1 枸橼酸芬太尼检测样品的制备 |
| 4.3.2 枸橼酸芬太尼标准品的半定量分析 |
| 4.3.3 枸橼酸芬太尼生物样品的半定量分析与回收率测定 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 气溶胶简介 |
| 1.2 生物气溶胶 |
| 1.2.1 生物气溶胶概况 |
| 1.2.2 生物气溶胶的检测方法及研究现状 |
| 1.3 本文研究目的及意义 |
| 1.4 本文主要内容及结构 |
| 2 拉曼光谱技术 |
| 2.1 拉曼光谱理论 |
| 2.1.1 拉曼光谱的原理 |
| 2.1.2 拉曼光谱的特点 |
| 2.1.3 拉曼光谱的应用 |
| 2.1.4 拉曼光谱技术的发展 |
| 2.2 表面增强拉曼光谱 |
| 2.2.1 表面增强拉曼光谱技术简介 |
| 2.2.2 表面增强拉曼光谱技术的原理 |
| 2.2.3 表面增强活性基底 |
| 2.3 本章小结 |
| 3 生物气溶胶样品拉曼光谱采集方法研究 |
| 3.1 生物气溶胶样品的获取 |
| 3.2 仪器与设备 |
| 3.3 生物气溶胶拉曼检测的主要问题和挑战 |
| 3.4 生物气溶胶(花粉)拉曼光谱检测参数选择 |
| 3.4.1 激光波长的选择 |
| 3.4.2 积分时间的选择 |
| 3.4.3 共焦孔径的选择 |
| 3.5 生物气溶胶(细菌、真菌)拉曼光谱检测方法研究 |
| 3.5.1 传统拉曼技术检测 |
| 3.5.2 SERS基底的制备与表征 |
| 3.5.3 细菌、真菌及SERS基底的紫外-可见(UV-vis)吸收光谱 |
| 3.5.4 细菌、真菌的表面增强拉曼光谱检测 |
| 3.6 生物气溶胶样品原始拉曼光谱图 |
| 3.7 本章小结 |
| 4 生物气溶胶拉曼光谱数据处理方法研究 |
| 4.1 光谱预处理 |
| 4.1.1 平滑 |
| 4.1.2 基线校正 |
| 4.1.3 归一化 |
| 4.2 生物气溶胶拉曼光谱聚类分析方法研究 |
| 4.2.1 聚类分析的种类及度量 |
| 4.2.2 系统聚类分析法与类间距离 |
| 4.2.3 生物气溶胶样品拉曼光谱系统聚类分析 |
| 4.3 生物气溶胶拉曼光谱主成分分析 |
| 4.3.1 主成分分析原理 |
| 4.3.2 生物气溶胶拉曼光谱的主成分分析结果 |
| 4.4 生物气溶胶拉曼光谱支持向量机识别模型研究 |
| 4.4.1 支持向量机简介 |
| 4.4.2 支持向量机识别模型的建立 |
| 4.4.3 SVM模型识别结果 |
| 4.5 本章小结 |
| 5 荧光光谱技术对生物气溶胶的表征研究 |
| 5.1 荧光技术 |
| 5.1.1 荧光光谱的分类 |
| 5.1.2 荧光光谱技术优缺点及应用 |
| 5.2 生物气溶胶的荧光光谱检测 |
| 5.3 三种菌样的荧光光谱主成分分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历 |
| 1 引言 |
| 2 材料与方法 |
| 2.1 试剂和仪器 |
| 2.2 实验方法 |
| 2.2.1 金属溶胶的制备 |
| 2.2.2 血清的制备 |
| 2.2.3 拉曼光谱测量 |
| 3 结果与讨论 |
| 3.1 金溶胶、银溶胶透射电镜 (TEM) 表征 |
| 3.2 金胶和银胶对肝癌血清SERS增强效果对比 |
| 3.3 基于不同粒径银溶胶基底的肝癌血清SERS光谱 |
| 3.4 肝癌血清与银溶胶的配比对SERS光谱的影响 |
| 4 结论 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 农兽药的使用现状及分类 |
| 1.2.1 农药的使用现状及分类 |
| 1.2.2 兽药的使用现状及分类 |
| 1.3 农兽药常见检测方法 |
| 1.3.1 色谱法 |
| 1.3.2 免疫分析法 |
| 1.3.3 生物传感器法 |
| 1.3.4 光谱法 |
| 1.4 拉曼光谱的原理与应用 |
| 1.4.1 拉曼光谱原理及其优势 |
| 1.4.2 表面增强拉曼光谱技术 |
| 1.4.3 拉曼光谱成像技术 |
| 1.5 课题来源、研究目标、内容以及技术路线 |
| 1.5.1 研究目标 |
| 1.5.2 研究内容 |
| 1.5.3 技术路线 |
| 1.6 小结 |
| 第二章 实验系统与数据分析方法 |
| 2.1 实验装置 |
| 2.1.1 拉曼光谱点检测系统 |
| 2.1.2 拉曼光谱成像检测系统 |
| 2.1.3 其他仪器 |
| 2.2 拉曼信号采集 |
| 2.2.1 拉曼光谱点检测系统信号的采集 |
| 2.2.2 拉曼光谱成像检测系统信号的采集 |
| 2.3 拉曼光谱的数据分析方法 |
| 2.3.1 拉曼光谱的定量分析依据 |
| 2.3.2 拉曼光谱的预处理方法 |
| 2.3.3 拉曼定量预测模型 |
| 2.3.4 模型评价指标 |
| 2.4 混合物拉曼信号分析方法 |
| 2.4.1 自建模混合物分析法几何原理 |
| 2.4.2 自建模混合物分析法的应用 |
| 2.5 拉曼图像的分析方法 |
| 2.6 拉曼光谱/图像数据的处理 |
| 2.6.1 拉曼光谱数据 |
| 2.6.2 拉曼图像数据 |
| 2.7 小结 |
| 第三章 基于表面增强拉曼光谱的单一农药快速检测方法 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 试剂与材料 |
| 3.2.2 银溶胶的制备 |
| 3.2.3 金溶胶的制备 |
| 3.2.4 农药样品的制备 |
| 3.2.5 样品的SERS光谱采集 |
| 3.3 结果与讨论 |
| 3.3.1 农药分子的模拟与特征峰分析 |
| 3.3.2 曝光时间以及激光功率的优化 |
| 3.3.3 金、银溶胶增强效果比较 |
| 3.3.4 银溶胶的SEM和可见-紫外光谱表征 |
| 3.3.5 银溶胶放置时间的稳定性 |
| 3.3.6 拉曼表面增强方法的优化 |
| 3.3.7 方法的普适性分析 |
| 3.3.8 苹果样品光谱采集点的数目优化 |
| 3.3.9 苹果中啶虫脒含量的定量分析 |
| 3.3.10 苹果中毒死蜱含量的定量分析 |
| 3.3.11 苹果中多菌灵含量的定量分析 |
| 3.4 小结 |
| 第四章 基于表面增强拉曼光谱的混合农药快速检测方法 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 混合农药样品的制备 |
| 4.2.2 SERS混合农药样品的制备 |
| 4.3 结果与讨论 |
| 4.3.1 混合农药信号分析 |
| 4.3.2 信号重复性分析 |
| 4.3.3 混合物信号分解 |
| 4.3.4 混合农药SERS信号的相互影响 |
| 4.3.5 混合农药的定量分析 |
| 4.4 小结 |
| 第五章 基于表面增强拉曼光谱的兽药快速检测方法 |
| 5.1 引言 |
| 5.2 材料与方法 |
| 5.2.1 试剂与材料 |
| 5.2.2 兽药样品的制备 |
| 5.2.3 样品的前处理 |
| 5.2.4 样品的SERS光谱采集 |
| 5.3 结果与讨论 |
| 5.3.1 沙丁胺醇及磺胺二甲嘧啶分子的模拟以及特征峰分析 |
| 5.3.2 沙丁胺醇及磺胺二甲嘧啶SERS信号分析 |
| 5.3.3 曝光时间以及激光功率的优化 |
| 5.3.4 样品前处理效果分析 |
| 5.3.5 沙丁胺醇标准溶液的预测模型建立 |
| 5.3.6 磺胺二甲嘧啶标准溶液的预测模型建立 |
| 5.3.7 信号重复性分析 |
| 5.3.8 猪肉、鸡肉、肝脏以及肾脏中沙丁胺醇的定量分析 |
| 5.3.9 猪肉、鸡肉、肝脏以及肾脏中磺胺二甲嘧啶的定量分析 |
| 5.4 小结 |
| 第六章 基于拉曼光谱成像的兽药无损检测方法 |
| 6.1 引言 |
| 6.2 材料与方法 |
| 6.2.1 试剂与材料 |
| 6.2.2 兽药样品的制备 |
| 6.3 结果与分析 |
| 6.3.1 氧氟沙星和氯霉素分子的模拟以及特征峰分析 |
| 6.3.2 氧氟沙星、氯霉素以及磺胺二甲嘧啶光谱信号分析 |
| 6.3.3 拉曼图像信号采集参数优化 |
| 6.3.4 样品均匀性分析 |
| 6.3.5 猪肉中兽药定量模型的建立 |
| 6.3.6 混合物兽药的同步可视化分析 |
| 6.3.7 三种兽药定量预测分析 |
| 6.4 小结 |
| 第七章 结论与展望 |
| 7.1 论文的主要结论 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源与研究背景 |
| 1.2 课题研究的目的和意义 |
| 1.3 SERS 在食品检测中的国内外研究情况 |
| 1.3.1 SERS 检测色素研究情况 |
| 1.3.2 SERS 检测豆制品和饮料中研究情况 |
| 1.3.3 SERS 无预处理快速检测研究情况 |
| 1.4 论文的研究内容 |
| 第2章 拉曼散射原理及表面增强拉曼散射增强机理 |
| 2.1 拉曼散射 |
| 2.1.1 经典电子辐射理论 |
| 2.1.2 半经典量子辐射理论 |
| 2.2 SERS 增强机制 |
| 2.2.1 电磁场增强机理（EM） |
| 2.2.2 化学增强机理（CT） |
| 2.3 本章小结 |
| 第3章 SERS 活性基底研究及制备 |
| 3.1 目前常用的几种 SERS 活性基底 |
| 3.1.1 粗糙的金属电极基底 |
| 3.1.2 金属溶胶基底 |
| 3.1.3 有序型基底 |
| 3.1.4 新型复合基底 |
| 3.2 SERS 活性基底的制备 |
| 3.2.1 金溶胶活性基底的制备及参数测量 |
| 3.2.2 银溶胶活性基底的制备及参数测量 |
| 3.2.3 增强因子 |
| 3.3 本章小结 |
| 第4章 金胺 O 表面增强拉曼光谱研究 |
| 4.1 特征峰确认 |
| 4.1.1 Gaussian 计算 |
| 4.1.2 金胺 O 特征峰确认 |
| 4.2 实验部分 |
| 4.2.1 实验试剂 |
| 4.2.2 实验仪器 |
| 4.3 结果与讨论 |
| 4.3.1 金胺 O 常规拉曼光谱特性的研究 |
| 4.3.2 金胺 O 水溶液在金溶胶中的 SERS 光谱研究 |
| 4.3.3 金胺 O 水溶液在银溶胶中的 SERS 光谱研究 |
| 4.3.4 腐竹中金胺 O 的 SERS 光谱的研究 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
