机器学习预测食品重金属检测中铜离子对汞离子荧光信号的干扰

目的:构建一个人工智能预测模型,在存在Cu^(2+)干扰的复杂食品检测环境下预测荧光探针对Hg^(2+)的选择性。方法:采用荧光探针技术结合7种先进经典的机器学习模型,预测分析存在Cu^(2+)干扰时探针对Hg^(2+)的选择性,并比较各模型的预测效果,选择最优模型。结果:基于分子二维描述符(molecular 2D descriptors,Mol2D)和极端梯度提升算法成功建立了在交叉验证和测试集中准确度为0.786和0.810的高效模型,在Cu^(2+)干扰下准确预判Hg^(2+)的探针选择性。结论:该模型通过选择性预判对Hg^(2+)荧光分子探针的设计进行改进,使Hg^(2+)荧光探针的设计更加高效可靠。

UPLC-MS用于体外大鼠肝微粒体CYP1A2和CYP2D1酶代谢活性表征及动力学研究

目的建立大鼠肝微粒体CYP1A2和CYP2D1酶活性的快速测定方法并考察两种CYP酶反应动力学。方法利用CYP1A2和CYP2D1选择性探针底物即非那西丁与右美沙芬进行温孵实验,采用超高压液相色谱与质谱联用（UPLC-MS）的方法建立相应代谢产物的含量测定方法。结果非那西丁代谢产物对乙酰氨基酚的线性范围为0.409∽10.227μmol·L-1（r2=0.999 1）,LOD和LOQ值分别为0.067和0.267μmol·L-1;右美沙芬代谢产物去甲右美沙芬为0.020∽5.051μmol·L-1（R2=0.998 0）,LOD和LOQ值分别为0.002和0.007μmol·L-1。方法回收率分别为95.9%∽104.0%和102.1%∽107.1%,精密度以RSD值表示均低于5%。CYP酶活性测试及反应动力学表明,CYP1A2和CYP2D1的米氏常数（Km值）分别为（28.4±2.7）和（13.9±1.3）μmol·L-1;其代谢活性（底物浓度为10μmol·L-1时）分别为（1.47±0.12）和（3.98±0.09）nmol·mg-1。结论本实验建立的UPLC-MS分析方法快速、灵敏、准确、可靠,适用于药物代谢研究中CYP1A2和CYP2D1体外活性测定及其反应动力学分析。

New rhodamine derivative as OFF-ON fluorescent chemosensor for detection of Cu^(2+)

A novel fluorescence probe for the detection of Cu2+ has been designed and synthesized, which is based on a ring-opening reaction of spirolactam triggered by Cu2+ . This probe exhibits excellent Cu2+ ion selectivity as well as significant color changes visible to the naked eye at the concentration of 0.03 mM (ca. 2.0 mg/L), the WHO (World Health Organization) recommended level (2.0 mg/L) of Cu2+ ions in drinking water. This novel rhodamine-based fluorescence probe can be directly used to detect Cu2+ with satisfactory sensitivity and selectivity in aqueous solution.