简易光谱管的制作

简易光谱管由耐高温的玻璃管和带有玻璃导管及石墨电极的胶塞组成,有关结构示意,见图1。

无人机多光谱影像的小麦倒伏信息多特征融合检测研究

为探究多特征融合方法在作物倒伏领域快速精准识别中的适用性,利用无人机获取多田块冠层尺度的不同倒伏率麦田多光谱数据,对原始倒伏图像进行图像拼接、辐射校正、几何校正等预处理,并利用重归一化差值植被指数和阴影指数分别剔除土壤和阴影背景,提取小麦倒伏DSM模型和植被指数分别与多光谱图像进行多特征图像主成分变换融合,筛选差异性较大的纹理特征,采用支持向量机(SVM)、人工神经网络(ANN)和最大似然法(MLC)监督分类模型对多光谱和DSM融合图像、多光谱和归一化植被指数(NDVI)融合图像、多光谱图像和纹理特征图像进行监督分类,并采用总体精度(OA)、 Kappa系数和提取误差综合评价各监督模型的分类性能和倒伏提取精度。分类结果表明:各监督分类方法在不同倒伏区域提取结果建模效果趋势一致,SVM和ANN整体提取精度高于MLC,在高倒伏区域,多光谱与NDVI融合图像的SVM监督模型(OA:92.63%, Kappa系数:0.85,提取误差:1.11%)提取效果最好;在中倒伏区域,多光谱与DSM融合图像的SVM监督模型(OA:90.35%, Kappa系数:0.79,提取误差:9.34%)提取效果最好;在低倒伏区域,均值纹理特征图像的ANN监督模型(OA:91.05%, Kappa系数:0.82,提取误差:8.20%)提取结果较好。本研究将DSM模型、植被指数、纹理特征与多光谱图像进行融合对比,并对多特征融合方法能否高精度有效提取小麦倒伏信息进行了探究,结果表明无人机多光谱遥感结合特征融合技术能有效提取小麦倒伏面积,提取效果优于单特征小麦倒伏图像。本研究结果可为助力小麦倒伏灾情调查数据的精确获取方法提供参考。

太赫兹光谱技术在食品污染检测中的研究进展

随着新的食品加工技术及新型食品材料的不断涌现,食品污染问题也越来越多,国际食品安全事件频繁爆发,食品污染造成的食源性疾病对人民生命健康造成严重威胁,如何把控好食品质量成为人们关注的焦点问题。太赫兹技术作为一项新兴的检测技术,其反映样品的物理结构、性质及化学成分的同时,也获取样品在太赫兹波段的时域和频域信息作为物质“指纹”谱,用于无损检测和识别领域并取得了一定的成果。相较于传统的检测手段,太赫兹技术安全性高、透视性好以及波谱分辨能力强等优势使其在食品污染检测领域具有极大的应用潜力和应用前景。文章简述了太赫兹光谱技术的基本原理,以其中最为常用的太赫兹时域光谱技术为主要研究重点,对该技术在食品生物性污染、化学性污染、物理性污染检测方面的应用研究工作进行了重点归纳总结,最后聚焦于太赫兹技术在食品污染检测领域的实际应用现状,讨论其发展趋势和应用前景,并分析目前研究仍存在的问题,以期为太赫兹技术在食品安全检测领域未来的进一步发展提供参考。

光谱技术在果品无损检测中的应用研究进展

介绍了常用的果品无损检测方法,包括电子鼻法、X射线计算机断层成像法、机械方法、磁共振(核磁共振)成像光谱学法、拉曼光谱学法、近红外光谱技术等;重点综述了高光谱成像技术在无损检测水果结构特性、生化成分和安全性等方面的研究进展,以期为水果品质的无损检测研究提供参考。

基于无人机多光谱影像的寒地水稻品质估测

【目的】在稻谷收获前准确估测稻米品质,为改善水稻养分管理、实现优质优价提供参考。【方法】试验在黑龙江省佳木斯市大兴农场和青龙山农场进行,两个地点土壤肥力具有较大差异。每个农场选择一块稻田,以20 m×20 m间隔采集土壤样品分析碱解氮含量,通过变量施氮形成产量水平、长势差异明显的水稻群体。利用大疆精灵4四旋翼多光谱无人机获取水稻分蘖期、拔节期、抽穗期和成熟期冠层多光谱数据。成熟期采集长势具有明显差异的水稻样品和对应的土壤样品,测定土壤有机质和速效氮、磷、钾含量,水稻籽粒蛋白质和直链淀粉含量,产量和食味值,随机选择其中67%的数据通过逐步多元线性回归构建不同生育时期的品质估算模型,其余33%的数据用于模型的验证。【结果】大兴农场水稻成熟期土壤有机质、碱解氮、有效磷和速效钾含量的变异系数分别为11.65%、14.44%、37.66%和11.60%,青龙山农场分别为14.45%、14.32%、36.37%和28.51%。成熟期两个地点水稻产量和食味值的变异系数均大于10%,青龙山农场水稻蛋白质含量变异系数也超过10%,而两地稻米直链淀粉含量的变异系数仅为1.11%~1.83%,因此,水稻直链淀粉含量不适合用于后续的品质估测分析。分蘖期至抽穗期,大兴农场和青龙山农场水稻蛋白质多元回归模型的R~2和RMSE分别为0.262~0.794和0.259~0.686,食味值多元回归模型的R~2和RMSE分别为0.240~0.755和4.211~7.588,估测效果不理想。成熟期,大兴农场和青龙山农场水稻蛋白质多元回归模型的R~2和RMSE分别为0.791~0.874和0.166~0.365,食味值多元回归模型的R~2和RMSE分别为0.786~0.852和2.836~4.039。成熟期基于植被指数的蛋白质和食味值估测精确度优于抽穗期。在抽穗期,将土壤pH、有机质、碱解氮、有效磷、速效钾等指标与植被指数一起建立与蛋白质和食味值的多元回归模型,大兴农场水稻蛋白质模型的R~2由0.585提高到0.720,RMSE由0.301降低至0.247;两农场食味值模型的R~2由0.565~0.755提高到0.706~0.787,RMSE由4.318~4.854降低至3.993~4.029,基本可以满足对稻米品质估测的精度,而在成熟期加入上述土壤指标提升精度不明显。【结论】水稻成熟期利用多光谱无人机对稻米品质进行原位估测的精度较高,如果将估测时期提前到抽穗期,除植被指数外,还需配合土壤有机质和速效养分含量数据来提高多光谱无人机预测稻米品质的精度。

便携式激光诱导击穿光谱仪测定土壤中重金属

土壤重金属污染对农作物生长和人体健康都有严重危害,现场快速检测对土壤重金属污染调查、应急监测具有重要意义。采用自主研发的土壤重金属激光诱导击穿光谱现场快速检测仪对矿区周边土壤进行现场检测分析,以835个不同基质土壤的光谱数据建立定标数据库,通过支持向量机建立回归模型对土壤重金属元素含量进行定量反演。现场检测获取的全波段光谱波动在15%以内,Cd、Cr、Cu、Ni、Pb和Zn等6种元素光谱强度相对标准偏差平均值为6.31%。将检测结果与实验室电感耦合等离子体质谱法分析对比,6种元素的皮尔逊相关系数r在0.8501~0.9829,检测结果80%以上处于±30%相对误差区间分布。对比结果表明自主研发的土壤重金属激光诱导击穿光谱现场检测仪可以满足现场快速检测需求。

珠峰地面太阳光谱观测

利用国际标准高精度太阳光谱仪在2020—2021年期间对珠峰周边地面进行为期一年的太阳光谱观测研究。结果显示珠峰地面瞬时太阳光谱及其积分值(总辐射)频频超过大气层顶部光谱和太阳常数,夏至珠峰当地正午太阳光谱峰值达2.211 W/(m^(2)·nm)。珠峰地面观测光谱积分值比海平面高出约15%。观测期间最高日平均光谱峰值达1.121 W/(m^(2)·nm)。珠峰地面月均太阳光谱相对均匀,变化幅度小。最高月均太阳光谱出现在3月份,主要原因是下雪引起地表高反射。全年观测发现珠峰地面太阳总辐照度中紫外线B占0.26%,紫外线A占5.33%,可见光占49.58%,红外线占44.83%。为对比高海拔和低海拔太阳光谱特征,在2021年夏季同步观测珠峰和北京太阳光谱。利用全球气溶胶监测网络相关数据,研究大气气溶胶和水汽总量对珠峰和北京太阳光谱的影响。

应用高光谱图像技术对林下作物质量等级鉴别方法——以黄芪为例

黄芪作为一种林下多年生草本,具有极高的经济和药用价值。黄芪粉是黄芪的重要消费形式,不同质量等级的黄芪粉由于内部成分差异,在近红外光谱下具有不同的特性,而肉眼却难以区分。针对不同质量等级间黄芪粉难以鉴别的问题,利用高光谱成像技术对312组黄芪粉样本进行数据采集,再对光谱信息采用标准正态变化(SNV)、多元散射校正(MSC)和卷积平滑(SG)3种预处理,再利用竞争性自适应重加权采样(CARS)、变量组合集群分析(VCPA)和区间变量迭代空间收缩法(IVISSA)对全波段光谱进行特征提取,以优选的特征波长作为输入,建立K-近邻判别(KNN)和支持向量机(SVM)分类模型。结果表明:经过竞争性自适应重加权采样的支持向量机模型分类效果最好,训练集和测试集准确率分别达到100.00%和98.94%,能够实现黄芪粉的准确分类,为林下作物的等级鉴别提供了新的研究思路。

X射线荧光光谱(XRF)法测定喀斯特地区土壤样品中Al_(2)O_(3)、CaO、Fe_(2)O_(3)、K_(2)O、MgO、SiO_(2)含量

为揭示喀斯特地区不同自然环境下土壤的相似性和差异性,为后续喀斯特石漠化治理和植被恢复提供科学依据,利用微晶纤维素作为粘结剂,采用粉末样品压片制样,使用波长色散X射线荧光光谱法建立了同时测定喀斯特地区碳酸盐、硅酸盐土壤样品中关键成分Al_(2)O_(3)、CaO、Fe_(2)O_(3)、K_(2)O、MgO、SiO_(2)含量的方法。从粘结剂对压片效果的影响,粘结剂添加比例对元素含量检测结果的影响,Al_(2)O_(3)、CaO、Fe_(2)O_(3)、K_(2)O、MgO、SiO_(2)的测量参数分析线,分析晶体、基体效应和谱线重叠干扰等方面进行了方法参数确认。根据优化的参数,使用49个土壤标准物质绘制校准曲线建立了检测方法。结果表明,利用新建方法进行Al_(2)O_(3)、CaO、Fe_(2)O_(3)、K_(2)O、MgO、SiO_(2)检测,检出限多在61.0 mg/kg以下,相对标准偏差(RSD,n=6)为0~3.7%,同时,利用新建方法对采自喀斯特地区不同类型的土壤样品进行检测,Al_(2)O_(3)、CaO、Fe_(2)O_(3)、K_(2)O、MgO、SiO_(2)均可被检出。方法具有操作简便、快速、准确的优点,可同时检测喀斯特地区碳酸盐、硅酸盐土壤样品中Al_(2)O_(3)、CaO、Fe_(2)O_(3)、K_(2)O、MgO、SiO_(2)含量。

基于高光谱成像技术的南果梨酸度无损检测方法

南果梨是一种重要的水果品种,其酸度是评估果品质量的重要指标之一。然而,传统的南果梨酸度检测方法通常需要破坏性采样和化学分析,不仅耗时费力,而且容易导致样品污染和浪费。因此,旨在探索一种基于高光谱成像技术的无损检测方法,以实现对南果梨酸度的快速、准确、无损检测。首先,采集室温20℃下不同贮藏天数南果梨的高光谱数据,其光谱波长范围为400~1000 nm,并且通过理化实验测量南果梨样本的可滴定酸;其次,采用多元散射校正(multipli⁃cative scatter correction,MSC)、标准正态变换(standard normal variate,SNV)、Savitzky-Golay平滑滤波等多种方法对光谱数据进行预处理,建立偏最小二乘回归模型(partial least squares regression,PLSR),选择出建模效果最佳的预处理方法,结果显示MSC方法效果最优;然后结合连续投影算法(successie projection algorithm,SPA)提取特征波段,在700~900 nm范围内确定9个特征光谱变量;最后,以提取出的9个特征光谱变量作为输入矢量,分别建立PLSR模型、极限学习机(extreme learning machine,ELM)模型以及遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm op⁃timization,PSO)优化的BP神经网络模型。研究结果表明,基于MSC预处理和SPA算法特征提取的PSO-BP模型预测精度最高,效果最好,预测集决定系数R^(2)_(p)=0.911,RMSEP=0.032。可见,基于高光谱成像技术的SPA-PSO-BP模型可用于南果梨酸度的检测,为南果梨的品质评价提供参考。

基于密度泛函理论对团簇CrPS_(4)的光谱分析

为快速、高效得到物质的谱图数据,利用计算化学方法,根据拓扑学原理,利用密度泛函理论,对团簇CrPS_(4)10种优化构型的红外光谱、拉曼光谱、偶极矩以及极化率进行了分析,并利用构型2^((4))的理论红外谱图与前人所得实际光谱图进行了对比。结果显示:CrPS_(4)红外光谱的波峰大致分布在300~700 cm^(-1)范围内,拉曼光谱的波峰范围主要分布在200~700 cm^(-1)范围内;团簇CrPS_(4)振动形式为伸缩振动时,其对入射光的吸收强度较大;在频率较低的波段,CrPS_(4)更易发生红外吸收,在频率较高的波段,更易发生拉曼散射;总偶极矩的排列顺序为2^((2))>6^((4))>4^((2))>3^((2))>3^((4))>4^((4))>1^((2))>2^((4))>5^((4))>1^((4)),偶极矩越大,红外活性越强;极化率大小关系满足5^((4))<1^((4))<6^((4))<4^((4))<3^((4))<1^((2))<2^((4))<2^((2))<3^((2))<4^((2)),极化率越大,拉曼活性越强;所有构型的3大主轴中,XX轴的极化率均大于YY轴与ZZ轴;构型2^((4))的理论光谱图与实际结果对比发现,两者光谱图波峰频率基本吻合,实验与理论分析互为补充。

航空高光谱遥感技术在铀矿找矿中的典型应用——以新疆雪米斯坦地区为例

高光谱遥感技术是地质矿产勘查领域的重要新技术、新方法。近些年,航空高光谱遥感技术及其在铀矿找矿中的应用得到核地质系统的重视并开展深入研究。在分析前人铀矿找矿思路基础上,阐述了CASI/SASI航空高光谱遥感技术在新疆雪米斯坦地区的铀矿找矿新思路及其典型应用效果。首先深入剖析了白杨河铀矿床及其周围的航空高光谱遥感特征,识别了铀矿床产出的区域热液活动中心、铀成矿高铝绢云母蚀变等区域找矿关键要素,提出“区域热液活动中心识别-铀矿化航空高光谱蚀变组合发育地段确定-蚀变、构造、有利岩性等要素复合地段优选”的航空高光谱遥感铀矿找矿新思路;然后根据全区的航空高光谱遥感信息进行了找矿远景区筛选和野外查证,新发现了铀矿化异常。新发现的铀矿化异常地段航空高光谱遥感特征明显,地表铀异常显著,控矿断裂构造发育,地质环境有利,铀矿找矿前景良好。其是笔者对如何充分挖掘高光谱遥感铀矿找矿信息,提升高光谱遥感技术更好服务铀矿找矿应用效果的深入思考与探索,也是在地表岩石裸露程度良好的地区利用高光谱遥感技术直接寻找热液型矿产的良好例证,希冀为广大地质工作者开展找矿方法创新和应用提供参考。

高光谱遥感技术在矿山地质环境调查中的应用

矿山地质环境受矿产资源开采活动的影响而产生剧烈变化,直接或间接影响了生态环境的可持续发展。近年来,高光谱遥感技术因其具备高光谱分辨率、空间信息与光谱信息合一的优势,解决了传统遥感技术仅能识别大致地物的问题,被广泛应用于矿山地质环境研究与监测。在梳理相关文献的基础上,介绍了高光谱遥感技术原理及发展现状,归纳了高光谱遥感技术在矿区植被、矿区水体、矿区土壤和矿区大气等方面的应用与监测;对矿区高光谱发展前景进行展望,认为未来随着遥感技术的发展对矿山地质环境的监测将逐渐有序化、长期化。

深度卷积网络在航空高光谱岩性识别中的应用——以塔木素铀矿床北部地区为例

岩矿信息识别是高光谱遥感在地质勘探领域的主要应用方向。传统高光谱遥感方法尽管在矿物识别中取得了良好效果,但对于岩性识别存在瓶颈。深度学习是当前人工智能领域的研究热点,卷积神经网络是适用于图像识别的重要网络架构。以巴音戈壁盆地西部塔木素铀矿床北部区域为试验区,以SASI航空高光谱影像为数据源,将深度卷积神经网络引入航空高光谱遥感岩性识别,测试和评估其应用效果。基于预处理后的SASI航空高光谱影像,以试验区地质图及野外调查为参考,制作了8类样本,包括:印支期花岗岩、华力西晚期花岗岩、华力西晚期花岗闪长岩、华力西中期石英闪长岩、石炭系碎屑岩、中下侏罗统火山凝灰岩、第四系沉积物和绢云母化蚀变岩。构建了基于光谱特征的一维卷积神经网络、基于图-谱联合特征的一维+二维卷积神经网络和三维卷积神经网络3种模型结构,分别进行模型训练、测试和试验区岩性分类应用。模型测试结果表明:一维卷积神经网络、一维+二维卷积神经网络和三维卷积神经网络的总体精度分别为82.13%、86.46%和90.90%。通过评价分析三种卷积神经网络模型的岩性分类识别结果,三维卷积神经网络的识别结果与真实参考最为接近,对试验区各类岩性的区分识别效果最优,一维+二维卷积神经网络的识别效果次之,表明利用卷积神经网络引入高光谱图像空间信息,进行图-谱特征的联合挖掘,有利于提高影像的识别精度和实际应用效果。同时,一维卷积神经网络和一维+二维卷积神经网络的识别结果因航空高光谱影像拼接后的条带效应,影响了它们的实际应用效果,而三维卷积神经网络较好地克服了这种影响,表明其对于大面积航空影像处理具有相对较好的应用前景。

基于KPCA-PSO-ELM算法的地表水化学需氧量紫外-可见吸收光谱检测研究

化学需氧量(COD)是水质检测重要指标之一,反映水体有机物含量。传统的COD化学检测方法存在操作繁琐,等待时间长,二次污染等缺点。紫外-可见吸收光谱法是目前水体化学需氧量检测中应用最为广泛的方法之一,具有检测快速、无污染等特点。为了满足地表水化学需氧量快速、实时、在线监测等要求,采用紫外-可见吸收光谱进行测量,提出了内核主成分分析(KPCA)结合粒子群优化极限学习机(PSO-ELM)预测模型,满足当前对地表水化学需氧量快速、实时监测的要求。对光谱进行Savitzky-Golay(SG)滤波以降低随机噪声的影响;用积分光谱代替原光谱,以降低信号波动带来的影响;再将得到的光谱信息归一化,消除不同光谱数据量纲的影响。将预处理后的数据利用KPCA算法将全光谱数据压缩为5个特征,有效解决光谱信息冗余的问题;采用PSO算法对ELM的权重和偏置进行优化极大提高了模型的精度。对217个河流、长江及支流、湖库等地表水样本按照7∶3随机划分成训练集和测试集,并进行建模测试,其中训练集拟合优度(R2)为0.930 2、均方根误差(RMSE)为0.363 0 mg·L^(-1)、测试集拟合优度R2为0.931 9、均方根误差(RMSE)为0.400 7 mg·L^(-1)。为了验证提出的基于KPCA全光谱数据压缩方法对预测模型的提升效果,分别对比了主成分分析(PCA)、连续投影算法(SPA)、套索回归(LASSO)等特征处理算法。PCA-PSO-ELM模型的RMSE为0.715 1 mg·L^(-1)、 SPA-PSO-ELM模型的RMSE为0.473 7 mg·L^(-1)、 LASSO-PSO-ELM模型的RMSE为0.412 6 mg·L^(-1), KPCA-PSO-ELM模型较上述三种模型,RMSE分别降低了78.46%、 18.22%、 2.97%,结果表明KPCA是一种高效的光谱降维算法,能够有效消除光谱冗余信息,提升模型预测精度。基于KPCA-PSO-ELM预测模型结合紫外-可见吸收光谱可以实现对地表水COD快速、实时检测,为在线COD检测场景提供方法支撑。

基于高光谱成像技术的涌泉蜜桔糖度最优检测位置

本文旨在探索涌泉蜜桔糖度的最优检测位置和最佳预测模型,以便为蜜桔糖度检测分级提供理论依据。本文利用波长为390.2~981.3 nm的高光谱成像系统对涌泉蜜桔糖度最佳检测位置进行研究,将涌泉蜜桔的花萼、果茎、赤道和全局的光谱信息与其对应部位的糖度结合,建立其预测模型。使用标准正态变量变换(SNV)、多元散射校正(MSC)、基线校准(Baseline)和SG平滑(Savitzkv-Golay)4种预处理方法对不同部位的原始光谱进行预处理,用预处理后的光谱数据建立偏最小二乘回归(PLSR)和最小二乘支持向量机(LSSVM)模型。找出蜜桔不同部位的最佳预处理方式,对经过最佳预处理后的光谱数据采用竞争性自适应重加权算法(CARS)和无信息变量消除法(UVE)进行特征波长筛选。最后,用筛选后的光谱数据建立PLSR和LSSVM模型并进行分析比较。研究结果表明,全局的MSC-CARS-LSSVM模型预测效果最佳,其预测集相关系数Rp=0.955,均方根误差RMSEP=0.395,其次是蜜桔赤道部位的SNV-PLSR模型,其预测集相关系数Rp=0.936,均方根误差RMSEP=0.37。两者预测集相关系数相近,因此可将赤道位置作为蜜桔糖度的最优检测位置。本研究表明根据蜜桔不同部位建立的糖度预测模型的预测效果有所差异,研究最优检测位置和最佳预测模型可以为蜜桔进行糖度检测分级提供理论依据。

萃取/反萃取-电感耦合等离子体发射光谱(ICP-OES)法测定肥料样品中铅、镉、汞、铊、锑、砷

为保障农产品的质量与安全,肥料中的有毒有害物质,尤其是重金属含量被严格限制。为提高肥料中有毒有害物质检测的效率,利用铅、镉、汞、铊、锑、砷在盐酸介质中形成稳定的碘络合物的特性,采用甲基异丁基酮(MIBK)萃取、硝酸溶液反萃取的方法实现肥料样品中基质与待测元素的分离,通过电感耦合等离子体发射光谱法测定肥料样品中的6种重金属元素。通过考察萃取条件及残余基体对分析结果的影响,结果证实,在6 mol/L的盐酸萃取体系中加入5 mL碘化铵(30%)溶液,采用10 mL的MIBK萃取2~3次即可使样品中的铅、镉、汞、铊、锑、砷等被完全萃取,通过萃取/反萃取的方法实现了样品的分离富集,方法的检出限(3σ)为铅0.042 mg/kg、镉0.005 mg/kg、汞0.059 mg/kg、铊0.026 mg/kg、锑0.024 mg/kg、砷0.052 mg/kg,加标回收率在90.1%~108%,可以满足不同肥料样品的质量控制要求。按照实验方法测定6种不同肥料样品中的重金属含量,并采用标准方法进行方法比对,结果表明两种方法的测定结果基本一致。

激光诱导击穿光谱技术相关物理机制研究进展

激光诱导击穿光谱技术(Laser-Induced Breakdown Spectroscopy,LIBS)是利用强脉冲激光与物质相互作用所产生的等离子体光谱来实现对物质组成元素定性和定量分析的一种新方法。在脉冲激光诱导等离子体的过程中,不同的激光参数(能量、脉宽、波长)、检测过程中的环境条件以及材料本身的特性等,对激光诱导等离子体的物理机制都有不同程度的影响,进而影响LIBS定量分析的结果。本文综述了现阶段LIBS技术中包括LIBS基本原理、激光参数区别、环境和材料特性差异所涉及的物理机制。为深入理解激光与物质相互作用、提升LIBS检测能力提供了依据。

高效液相色谱-氢化物发生-原子荧光光谱法测定富硒大豆中硒代氨基酸的含量

取0.1 g脱脂后富硒大豆样品于离心管中,用5 mL pH 7.5的130 mmol·L^(-1)三(羟甲基)氨基甲烷-盐酸缓冲液超声振荡30 min,用15 mg链霉蛋白酶于37℃振荡酶解5 h,离心后取上清液,过0.22μm尼龙有机滤膜。滤液中的硒代半胱氨酸(SeCys)、硒代蛋氨酸(SeMet)、甲基硒代半胱氨酸(MeSeCys)在Agela MP-C_(18)色谱柱上分离,以含2%(体积分数)甲醇和0.5 mmol·L^(-1)四丁基溴化铵的40 mmol·L^(-1)磷酸氢二铵溶液(pH 7.0)进行等度洗脱,并采用氢化物发生-原子荧光光谱法测定3种硒代氨基酸的含量。结果表明,3种硒代氨基酸在7 min内可以实现基线分离,标准曲线的线性范围均为5~100μg·L^(-1),检出限依次为0.086,0.075,0.047 mg·kg^(-1)。按照标准加入法进行回收试验,回收率为85.5%~103%,测定值的相对标准偏差(n=7)不大于3.0%。方法用于分析富硒大豆中的硒代氨基酸,大豆中硒赋存形态多为SeMet,含量占总硒量的85.5%~94.5%。

基于光谱法及分子对接技术的猪血红蛋白与儿茶素相互作用研究

为增强猪血红蛋白(PHb)结构的稳定性,提高其应用价值,将天然抗氧化剂儿茶素(C)与PHb进行互作,以期稳定PHb的结构。采用紫外可见光谱、荧光光谱、傅里叶红外光谱和扫描电镜研究C与PHb的相互作用,并通过分子模拟对接技术表征儿茶素-猪血红蛋白复合物(C-PHb)的形貌和结构。结果表明,添加C前后,PHb的紫外吸收光谱发生明显变化;荧光光谱结果表明,C能有效猝灭PHb内源荧光且为自由发生的静态猝灭,猝灭常数(Kq)为7.5×10^(10)L·mol^(-1)·s^(-1),作用力主要为范德华力、氢键和疏水作用力。同时,相较于PHb,C-PHb的蛋白质二级结构发生改变,表现为β-折叠含量增高,α-螺旋、β-转角和无规卷曲含量降低。此外,分子对接模型进一步验证了C可与PHb进行相互作用。综上,C可与PHb互作以稳定其结构。本研究可为制备具有抗氧化性质的PHb复合物提供理论支持和可行性依据。