基于新型可视化学传感阵列的氨基酸快速识别
可视化阵列传感器技术鉴别不同香型白酒
可视化阵列传感器技术鉴别不同香型白酒霍丹群;尹猛猛;侯长军;秦辉;张苗苗;董家乐;罗小刚;沈才洪;张宿义【摘要】Components determined aromatic types in liquor are numerous and complex. Colorimetric array sensor was used for detecting five typical aromatic liquors in China. After preliminary identification with color change profiles, the digital data library generated was analyzed with statistical and chemometric methods, including hierarchical cluster analysis (HCA) and principal component analysis (PCA). Different aromatic liquors can be correctly classified by HCA. Though the first three principal components obtained by PCA only represent 75.8％ of the amount of liquor information, the five typical aromatic liquors can be distinguished from each other. These results showed that colorimetric array sensor can be used for the identification of different aromatic liquors. It is a simple and efficient detection and identification method.%决定白酒香型的物质种类繁多,成分复杂.采用可视化阵列传感器技术对中国白酒五大香型的代表酒样进行检测,在可视化区分的基础上采用分层聚类分析、主成分分析等统计分析方法,对检测结果进行分析.不同香型的白酒在聚类分析中可以正确归类,利用主成分分析得到的前3个主成分所代表的白酒75.8%的信息量就可以将不同香型白酒完全区分开,表明可视化阵列传感器可以很好地用于白酒香型的鉴别.作为一种简单、高效的检测方法,可视化阵列传感器技术可在白酒的检测和鉴别中发挥更大的作用.【期刊名称】《分析化学》【年(卷),期】2011(039)004【总页数】5页(P516-520)【关键词】白酒香型;可视化阵列传感器;白酒检测;白酒鉴别【作者】霍丹群;尹猛猛;侯长军;秦辉;张苗苗;董家乐;罗小刚;沈才洪;张宿义【作者单位】【正文语种】中文中国白酒包括五大典型香型:以茅台酒、郎酒为代表的酱香型,以汾酒为代表的清香型,以泸州老窖为代表的浓香型,以桂林三花酒为代表的米香型和以西凤酒为代表的凤香型[1]。
挑战杯历届全国特等奖、一等奖作品
国家历届挑战杯特等奖、一等奖作品第一届“挑战杯”全国大学生课外学术科技作品竞赛由清华大学于1989年承办：清华大学摘得“挑战杯”一等奖获奖名单如下：北京大学刘闯在地理信息系统中土地评价模型的建模研究清华大学陈邕涛等中华学习机CAI软件开发工具清华大学吴丹策等电脑照相及微机图像处理系统清华大学金龙文等竹草木漂白系列新工艺的研究华中理工大学吴敏等建筑方案“将居民安置在发种种的小镇中”新疆石河子医学院王惠民门脉系的内分泌学意义第二届“挑战杯”全国大学生课外学术科技作品竞赛由浙江大学于1991年承办：上海交通大学摘得“挑战杯”一等奖获奖名单如下：浙江大学微机遥感图像显示操作及处理系统郑州大学方兴未艾福利企业国防科技大学Hyperview（v1.01）系统北方交通大学铁道部及各地区财务基准收益率的测定上海交通大学光纤中自然聚焦光场的环形结构上海医科大学他莫昔芬枸橡酸新工艺的研究及其原理的讨论上海交通大学农村民居建筑调研华中理工大学微量泄漏检测仪北京航天航空大学简繁五笔汉字系统及其为通道汉卡四川成都电子科技大学通信母板自动测试系统第三届“挑战杯”全国大学生课外学术科技作品竞赛由上海交通大学于1993年承办：北京大学获得“挑战杯”一等奖获奖名单如下：北京大学基于具有更佳频率分辨率的正交子波变换及自适应VQ技术的图像压缩北京大学危机与出路.....从九二深圳股市看中国B股清华大学铁基合金薄膜中铁原子磁矩的反常增大等作品获奖东北大学超级电子档案系统吉林大学镧系离子荧光探针探测天花粉蛋白结构和分子间能量传递武汉大学信安－Ｉ型计算机网络信息保护系统浙江大学ＰＬＴ陶瓷期间合金电极成型新技术四川师范大学四川西部蝶类资源调查天津财经学院建立会计逻辑学体系的构想北方交通大学多渠道多方式利用外资发展我国的铁路的探讨中国科技大学本原矩阵指数的一个猜想证明上海交通大学浦东开发区环境调查及综合防治上海医科大学Ｚ曲线显示和分析ＤＮＡ系列的直观工具南京理工大学激光全息场再现图像的离子自动检测华东理工大学化学气相淀积反应器中超细粒子形成过程研究及产物形态控制华中理工大学将城市引入农村，农村引入城市－繁忙江南水乡的僻静水上花园齐齐哈尔工学院黑龙江省甜菜糖业产品结构调整战略研究报告北京航空航天大学空中机器人系统北京航空航天大学智能化电力电容在线检测仪第四届“挑战杯”全国大学生课外学术科技作品竞赛由武汉大学于1995年承办：复旦大学摘得“挑战杯”一等奖获奖名单如下：复旦大学载能束合成新型共价氮化碳超硬材料研究河北大学BaZrXTil-03固溶体的合成，结构与物性武汉大学高性能镍／金属氢化物电池和锂离子蓄电池暨南大学物体三维形貌测试技术的研究等作品获奖北京大学物体三维形貌测试技术的研究云南大学村落文化贫困地区农村妇女生育健康服务模式——武定县中山大学《劳动法》与外来工的权益保障北京大学光ＷＤＭ（波分复用）中的激光波长控制清华大学高速中西文激光打印／照排控制器北京师范大学论教师的教学效能感南京理工大学走出困境再创辉煌——重庆军工企业走上发展之路的启示北京科技大学双拇指型多指手大连理工大学大学物理实验ＣＡＩ教学软件包华中理式大学新型宜人化计算机辅助设计绘图系统——开目ＣＡＤ华北师范大学松树花粉的培养和它萌发时营养万分的变化吉林工业大学梁的大挠度强迫振动的非线性响应的分析的新方法苏州丝绸工学院真丝新村料的研制及产品开发北京航天航空大学遥控多用途空中飞行平台第五届“挑战杯”全国大学生课外学术科技作品竞赛由南京理工大学于19９７年承办：清华大学摘得“挑战杯”一等奖获奖名单清华大学《十字路口看乡企》——中国农村乡镇企业转制问题调查报告清华大学蛋白质去折叠与折叠机制的研究清华大学基于界面设计的多层膜技术获得新型合金清华大学文本无关的说话人语音语音识别系统北京大学两家名油企业生活后勤体制变革北京大学股市中操纵市场行为及防范的法律对策北京大学 Runge—lenz矢量与升降算子武汉大学武汉市再就业工程调研报告南京理工大学小波变换中的视觉门限模型和图像的层次分割优生权编码复旦大学通用工件识别系统生成工具VisionExport南京大学水煤奖添加剂NDF上海交通大学柔体机器人（组件）云南大学边疆民族地区生态环境变迁与脱贫致富——云南省怒江傈族自治州经济开发新模式研究北京航空航天大学三翼面微型无人驾驶验证机国科学技术大学酶反应的理论研究——方法及在葡萄糖异构酶中的应用四川联合大学利用红矾母液和铬酐下脚料生产蒙囿吸收铬鞣粉剂石油大学河南西峡恐龙蛋化石层及恐龙绝灭原因初探中国政法大学青少年创造能力培养和知识产权保护教育调查报告吉林工业大学轿车车身焊装用微机控制自动螺柱焊机第六届“挑战杯”全国大学生课外学术科技作品竞赛由重庆大学于1999年承办：复旦大学获得“挑战杯”一、二等奖获奖名单北京航空航天大学鱼类运动仿生研究及其柔体舰艇模型东北大学微型足球机器人系统江苏理工大学高性能铝合金材料的应用研究复旦大学指间区纹的进化和遗传南京大学体内可降解吸收医用高分子材料及其制品大连海事大学椭圆波导中的场中国科学技术大学关于α和β环糊精与苯衍生物之间的包含驱动力及包合结构的新模型上海交通大学面向软件无线电的数字发射机（激励器部分）东南大学中文个人数字助理（ASICPDA-2000）北方交通大学大规模发展交通仿真及公交智能调度指挥平台开发重庆大学 AV-100S型双面表格自动阅读机苏州大学真丝新材料-差别化柞桑弹力真丝的研制与产品开发北京大学从法院状告新闻媒体谈起——一起名誉侵权官司引发的思考复旦大学适应环境变化，构建新型企业——上海国有外贸企业改革调查华东师范大学师范大学生专业思想状况调查哈尔滨理工大学侵华日军731部队罪证网站国立华侨大学基于可持续发展的水资源定价试探华中理工大学基于针式传感器的多功能扫描探针显微装置南京大学电动自行车综合测试仪吉林工学院轿车深冲件应用国产冷轧IF钢板研究江苏理工大学 4LGT-130型稻麦联合收割机的研制重庆大学虚拟式小波变换信号分析仪重庆医科大学手握（傻瓜）式纯水检测仪华东理工大学清洁化生产取代芳胺磺酸中国科学技术大学超支化聚（胺-酯）的合成及其光固化性能研究吉林工学院汽车内饰件粘合剂的研制同济大学茶多酚提取新工艺及其系列产品开发无锡轻工大学 UASB-CAAS系统处理高浓度有机废水的工程技术无锡轻工大学维生素在光滑球拟酵母发酵生产丙铜酸中的关键作用广西师范大学湘西洛塔植物区系及开发利用研究重庆大学心肌收缩能力的一种无伤性检测和评估方法研究山西大学 Hie Senberg 方程的换算表示复旦大学国内首家微波硫灯的研制桂林工学院 NETWARE高级编程接口及未公开的核心技术武汉交通科技大学二维条码自动识别应用技术研究西安电子科技大学高速分组无线网长沙铁道学院空调客车状态参数集中管理系统成都电子科技大学校园网上的学生管理信息系统中国科学技术大学基于中文实时语音技术的有声电子系统北京理工大学《圣林3.0》实时三维图象引擎武汉大学系列安全容错智能卡应用系统重庆邮电学院多链路中国NO.7的信令分析仪华中理工大学基于LAN/INTERNET的H.323视频会议系统西安电子科技大学自控光阀及其在防弧光领域的应用清华大学细菌基因快速鉴测仪中国地质大学（武汉）油气资源储量评价系统华东理工大学无规共聚高分子相平衡的研究武汉大学新型固相微萃取探针复旦大学智能酒气电子鼻山东工业大学弹性管束热交换器的结构、动态特性及自动控制过程仿真重庆建筑大学新型高效掺合料北京大学社区的构成清华大学走近21世纪的中国环境技术中国人民大学面对挑战，中国对外经济的立足点北京师范大学困境与出路——城镇企业下岗职工再就业状况调查北京师范大学面向21世纪发展远程教育——关于中国远程教育中若干问题的调查与思考中国政法大学中国农民法律意识现状探讨西南政法大学典权的过程分析及性质研究山西大学刚玉之路河海大学江苏省水资源可持结发展模式探讨中国药科大学我国药品价格现状分析及管理对策的研究杭州商学院论国有企业激励机制湖南财经学院买方市场：高教与经济增长—发展高教是推动经济增长的重要途径华中农业大学农业科技推广中的几点思考第七届“挑战杯”全国大学生课外学术科技作品竞赛由西安交通大学于2001年承办：复旦大学和东南大学获得“挑战杯”特等奖北京大学锆基固体电解质纳米晶薄膜材料的制备及微结构与电学性质研究清华大学结构光三维扫描仪北京航空航天大学数字立体电视其计算机成像系统南开大学发光锌纳米分子复旦大学上海越族后裔与台湾高山族的渊源华东师范大学师范生对教育类课程看法的调查报告东南大学 OSC2001微型掌上数字存储示波器东南大学南京市流动民工现状调查山东大学换热器动态仿真及智能控制系统山东大学紫外倍频晶体K2AL2B207的生长技术汕头大学 LCD生产过程的基板自动对位贴合及ITO、SPACER自动检测系统电子科技大学考虑交易费用与风险情况下移动平均交易规则的检验四川大学论对抽象行政行为的司法监督重庆大学“移民者的乐园”——三峡库区“棚户现象”调查研究与城市（镇）迁建、移民问题思考渝州大学绿色贸易壁垒及重庆之应对贵阳中医学院《针穴II》虚拟三维教学系统西安交通大学金纳米球壳微粒的空腔谐振吸收特性）西安交通大学一种适用于小C臂X光机的数字成像系统一等奖北京大学中国高龄老人健康状况和健康预期寿命研究北京航空航天大学环形翼飞机北京航空航天大学弹射座椅地面综合测试仪及其嵌入式系统北京航空航天大学多机器鱼协调及机器鱼的机动性研究北京科技大学喷丝板自动检测系统北京科技大学灵丘贫锰银矿综合利用技术研究北京理工大学哈勃常数的实验估计北京理工大学发动机润滑系统仿真软件包北京师范大学教师反馈、学生的归因模式与学生学业成绩关系的研究：一项行动研究及其对学校心理健康教育的启示中国人民大学真茵寡聚糖诱导子诱导悬浮培养红豆杉细胞的信号转导途径及其过程模型的研究天津理工学院缔合色心型X线影像板河北大学陆马峰的发育与筑巢行为的研究河北科技大学 L-抗坏血酸-2-三聚磷酸酯的合成研究华北电力大学民事举证责任倒置问题探析大连海事大学船舶运动控制试验平台大连理工大学冰柜监控管理系统大连理工大学单金属、双金属催化剂表面CO氧化反应的模拟模型大连理工大学医学层析图象三维几何重建与可视化仿真东北大学般若企业互联网络综合应用平台吉林工学院溶液法银纳米微粉的光化学制备哈尔滨理工大学地下管线定位仪东华大学中国绿色服装发展探究复旦大学转动基板的激光测温复旦大学知识产权新课题——基因专利复旦大学以企业信息化迎接B2B挑战华东师范大学 GSEEK码路天使——中西文著者号码自动生成系统上海财经大学高级管理层激励与上市公司经营绩效上海交通大学全光通信系统仿真软件上海师范大学如何在中国农村普及信息技术教育同济大学多高层建筑结构设计系统（简称MTS）东南大学均压型行波形超声波电机苏州大学真丝调拒水拒油防污多功能整理新技术研究及产品开发苏州大学非接触式高精度数字图像面积测量仪苏州大学激发型抗人CD40单克隆抗体的研制及产品开发扬州大学 Xa21基因导入水稻广亲和恢复系SWR20提高白叶枯病抗性中国药科大学脆壁克鲁维酵母菌乳糖酶的开发与应用浙江大学基于综合推理的集成化智能书法创作合肥工业大学关于安徽农村税费改革的调查和建议中国科学技术大学语音合成芯片郑州工程学院王涛河南省高校大学生创新能力现状调查与对策研究郑州工程学院袁少勇在WTO框架下：中国粮食流通体制改革研究华中师范大学我国城市社区的阶层化趋势研究武汉大学用人市场对大学毕业生质量评价的社会学分析武汉理工大学谈广义M集的演化及其在图形防伪中的应用中国地质大学(武汉) 全球古大陆再造软件开发研究国防科学技术大学 Windows变速器国防科学技术大学数字水印新技术华南农业大学车八岭保护区及其邻近地区的木兰科植物种群及其群落特征的研究中山大学中国南沙群岛海域浮游原生动物生物多样性研究中山大学珠江三角洲富裕农村主观剩余劳动力问题研究华南热带农业学院蝗虫霉菌的培养及致病性初步实验西南石油学院油藏压裂模拟设计与分析软件系统重庆大学可穿戴式计算机——Netdaily云南大学便携式高精度数字燃油流量计云南大学传统法文化的断裂与现代法治的真空——少数民族农村法治秩序建构路径选择的社区个案研究长安大学 The Problems and the Solutions on Ecological Architecture in Developing Countries西安电子科技大学单片机模糊控制软件仿真和生成平台西安理工大学 Sn02：F透明电热膜加热管兰州大学纳米微阵电极组装体系的制备和初步研究宁夏大学宁夏移民区可持续发展模式研究宁夏大学历史上固原地区人地关系的两次转型对生态建设的启示新疆大学维－汉－英三向背单词系统、电脑词典第八届“挑战杯”全国大学生课外学术科技作品竞赛由华南理工大学于2003年承办：清华大学获得“挑战杯”复旦大学获得挑战杯永久纪念碑一座一等奖获奖名单北京大学司法判决书中“双高”现象并存的另一种解释进路北京大学贫困学生怎么上大学？——中国高校学生贷款运行机制案例分析及其国际比较北京航空航天大学仿生飞翼布局飞机北京航空航天大学纳米光催化空气消毒净化器清华大学北京市流动儿童受教育状况及心理健康现状调查报告中国地质大学（北京）大学生创新精神和实践能力培养的调查研究——团体创新模式分析中国农业大学 AISCR-1-100微机控制全自动智能除雪机器人中国人民大学资本市场融资条件与产品市场竞争双重约束下的中国上市公司融资行为研究北京城市学院北京市乞丐现状调查报告天津大学桩基承台前方设挡土结构的大型码头结构河北科技师范学院杏树新害虫---JT虫生物学特性及无公害防治研究山西财经大学货币需求中的认知因素分析大连理工大学基于元胞自动机和Penna模型的生态系统模拟模型吉林大学国有经济控制力及控制方式新探吉林大学兽疫链球菌突变株产生的透明质酸的纯化及表征北华大学气动蠕动式缆索机器人哈尔滨医科大学中药复方抗心律失常药物筛选平台的建立复旦大学手晃电子显示棒上海财经大学城市轨道交通投资对周边地价变动影响的实证分析上海交通大学新型水葫芦打捞船上海交通大学基于 Inter PXA250的无线个人客户端的开发(wireless personal client)同济大学轨道交通运输组织仿真系统开发同济大学城市之桥—上海世博会人行过江“花”桥的结构概念设计同济大学四轮独立驱动燃料电池微型汽车东南大学通用手持概念仪器东南大学江苏省企业电子商务应用调查研究报告南京大学一种新型的磁力吸盘南京大学他们怎样生存——三峡移民迁前生存状况调查南京工业大学绿色紧凑的冷冻式空气干燥机南京理工大学鱼类旋涡射流推进理论及其应用南京师范大学稀土有机配合物生态转光剂的制备南京师范大学推进乡镇机构改革的对策研究——苏南、苏北若干典型乡镇机构改革的比较分析南京邮电学院基于动态路由控制的高性能IP宽带接入网关中国矿业大学花生收获机华东船舶工业学院仿生波动推进器绍兴文理学院组织的镶嵌、链接和整合——中国轻纺城地方商会个案分析浙江工业大学“AH-Assemble”汇编语言集成开发平台浙江师范大学村委会选举中乡镇政府的角色转换——以浙江省昌镇村委会选举为个案中国科学技术大学σ键超共轭作用在丙烯旋转能垒中的重要性中国科学技术大学最小超对称标准模型下的R宇称破坏机制对CERN LHC上轻子对产生过程的影响中国科学技术大学 Bcl-rambo β的发现和功能研究福建农林大学甘蔗近缘属植物斑茅的杂交利用与抗逆性评价福州大学基于评价方法属性层次的组合评价研究华侨大学三维自然纹理的反求设计与制造厦门大学从“三农”问题透视乡镇政权——以福建省枫亭镇和大济镇为例山东理工大学竹红菌甲素--一种新型抗生素的抑菌作用研究郑州工程学院大学生诚信缺失徂源及对策——转型期大学生信用行为分析湖北大学论诚信的劣变与对教育理性的质问----关于当代大学生诚信状况的分析以及对当代教育的反思华中科技大学北京、武汉高校人才培养与学生素质状况调查报告武汉大学绿色铅酸蓄电池及其生产工艺武汉化工学院水性聚酯树脂的合成及其涂料研制中国地质大学（武汉）求解动态TSP问题的新型演化算法国防科技大学新概念路标系统与无人驾驶汽车模型湖南大学 RSY-1肉类水分快速测定仪湖南大学入世过渡期：银行不良资产处置模式的比较分析与路径选择湖南师范大学传统文化与党风廉政建设湖南师范大学走向权利时代的民工权益——来自深圳民工的调查中南大学三峡移民的文化差异与文化融合——以湖南岳阳地区新市、杨林两地三峡移民为样本分析的调查报告中南大学基于等离子体聚合膜技术的压电免疫传感器的研究及其在急性白血病免疫分型中的应用广州大学岭南城市广场与公园热环境研究华南理工大学新型高分子点阵发光显示屏华南农业大学园艺植物自然分类系统及其汉拉英名称对照广东商学院 21世纪中国人口老龄化与银色产业开发四川大学通过分子复合实现聚乙烯醇的吹塑成膜西南石油学院现代试井分析技术及软件系统第三军医大学以纳米金为报告系统的病原体快速检测基因芯片第三军医大学抑制胆固醇合成对乳腺癌细胞离子跨膜流动、细胞骨架形成及细胞通讯功能影响的研究重庆工学院一个非常值得关注的“三农”问题——重庆市农村养老问题调查研究云南师范大学微波加热技术在催化化学反应中的应用长安大学环保型野生植物杀虫剂的研究西安科技大学基于虚拟仪器技术的多种机械量测试系统西安交通大学透平叶片型线设计及优化软件西安交通大学金纳米棒状微粒的吸收光谱宁夏大学数字显微镜模拟目镜及病理远程诊断系统新疆大学新疆家蚕抗菌肽基因工程产品的开发与应用第九届“挑战杯”全国大学生课外学术科技作品竞赛由复旦大学于2005年承办：复旦大学获得“挑战杯”复旦大学以总分４２０分的最高分夺得第九届“挑战杯”；北京大学、中国矿业大学、南京大学等２０所高校捧得“优胜杯”；清华大学由于累计３次捧杯，获得“挑战杯‘永久纪念杯’”。
四氯苯醌检测氨基酸的原理_概述及解释说明
四氯苯醌检测氨基酸的原理概述及解释说明1. 引言1.1 概述在生物化学研究领域中，氨基酸是一类重要的有机分子，对于生命体的组成和功能至关重要。
因此，准确、快速地检测氨基酸是许多研究人员关注的焦点。
本文将介绍一种利用四氯苯醌来检测氨基酸的方法，该方法具有高灵敏度、高选择性和简单操作的特点。
1.2 文章结构本文共分为五个部分，每个部分都探讨了四氯苯醌检测氨基酸的原理及其应用。
首先，在引言部分我们将给出一些关于文章主题的概述，并解释文章各个章节之间的逻辑结构；然后，在第二部分中详细描述了四氯苯醌检测氨基酸的原理；接下来，在第三部分中介绍了实验步骤和方法；在第四部分中，我们将阐述目前该方法在应用领域上所取得的进展，并展望未来可能进行的研究方向；最后，在第五部分里总结实验结果并提出改进建议。
1.3 目的本文旨在深入探讨四氯苯醌检测氨基酸的原理，并介绍该方法的实验步骤和优势。
通过本文的阐述，读者将对该方法有一个全面的了解，并为其在相关领域中的应用提供参考。
此外，本文还对未来可能进行的研究方向和发展趋势进行了展望，并提出一些改进建议，以期促进该方法在氨基酸分析中的应用与发展。
2. 四氯苯醌检测氨基酸的原理2.1 氨基酸的组成和特性氨基酸是构成蛋白质的基本组成单元，其结构由一个氨基（NH2）基团、一个羧基（COOH）和一个侧链组成。
氨基酸的侧链可以是不同的化学结构，决定了每种氨基酸的独特特性和功能。
2.2 四氯苯醌的原理及其与氨基酸的反应机制四氯苯醌（p-chloranil）是一种常用于检测氨基酸的试剂。
它通过与氨基酸中含有活泼亲电子反应位点（如芳香族或硫代谷胱甘肽等）发生反应来检测氨基酸。
具体反应机制如下：四氯苯醌作为强亲电试剂，在碱性条件下与含有活泼亲电子位点的氨基酸（或者是蛋白质中暴露在溶液表面上的游离端）发生加成反应。
该反应会导致四氯苯醌还原并形成彩色产物。
这个彩色产物的吸光度与氨基酸的浓度成正比关系，因此可以通过测量吸光度来确定氨基酸的含量。
可视交叉传感阵列对蛋白质及其热变性过程的快速识别
Vol.33高等学校化学学报No.112012年11月 CHEMICAL JOURNAL OF CHINESE UNIVERSITIES 2422~2429可视交叉传感阵列对蛋白质及其热变性过程的快速识别霍丹群1,李 娟1,董家乐1,侯长军1,黄承洪1,戴 斌1,法焕宝2,张 良3(1.重庆大学生物流变科学与技术教育部重点实验室,生物工程学院,2.化学化工学院,重庆400030;3.国家固态酿造工程技术研究中心,泸州老窖股份有限公司,泸州646000)摘要 以卟啉及其衍生物和特异性染料为敏感化学元件,基于交叉响应原理构建了识别蛋白质的可视6×6阵列.该阵列以颜色差谱图显示其与蛋白质作用呈现的特异性光谱反应,采用聚类分析㊁主成分分析和欧氏距离对图谱进行了分析.结果表明,该阵列可以鉴别模式蛋白牛血清白蛋白(BSA)㊁牛血红蛋白(BHb)和卵清白蛋白(Ova)及其混合物,且有望实现定量分析.此外,阵列的高敏感性使其不仅能识别天然蛋白质和不同变性程度的蛋白质,还能对其热变性过程进行可视化实时监控.该阵列产生的特殊颜色变化与蛋白质的空间构型㊁微环境pH 值的差异及溶解度有关.因此,该方法不仅能实现对蛋白质的快速识别,为蛋白质热变性机理的研究提供新途径,而且在临床医学和食品安全等的实时快速检测方面有潜在的应用价值.关键词 卟啉;可视交叉传感阵列;蛋白质识别;变性蛋白中图分类号 O656.21;Q518.4 文献标识码 A doi :10.7503/cjcu20111235收稿日期:2011⁃12⁃28.基金项目:国家自然科学基金(批准号:81171414,30770568)㊁国家科技支撑计划(批准号:2012BAI19B03)㊁中央高校基本科研业务费(批准号:CDJXS11231178,CDJXS102300)㊁国家质检总局科研计划项目(批准号:2011IK254)及重庆大学大型仪器设备开放平台资助.联系人简介:霍丹群,女,博士,教授,博士生导师,主要从事卟啉生化传感器方面的研究.E⁃mail:huodq@蛋白质检测方法中的免疫传感法[1]和荧光标记探针法[2]是基于抗体⁃抗原的特异性结合进行检测,不仅操作复杂㊁周期长,而且成本极高;而高效液相色谱法㊁电化学法和分光光度计法[3]等则存在需要专业人员操作和耗时长等缺点,难以实现蛋白质的快速检测.因此,建立新型的蛋白质快速检测方法在食品科学[4]㊁生理学[5,6]㊁医学诊断[7]和有毒病原体检测[8]等领域具有重要的现实意义.交叉传感阵列作为一种最新发展起来的技术,具有快速检测和高效性的特点.它避开了抗原⁃抗体的特异性结合,即采用多种敏感性材料作为 特定识别受体”,不依赖特异性或者选择性地与目标分析物结合,而是以模式识别方法产生具有 选择性”识别作用的可视差谱图,从而实现对目标检测物的鉴定[9],是分析不同化学结构和混合物的有力工具.近年来,该技术被用于脂肪胺[10]㊁糖类[11]㊁氨基酸[3,12]㊁多肽[13]和白酒[14]等多种物质的识别.在蛋白质识别方面,虽然Zhou 等[15]采用交叉传感阵列方法进行了研究,但该研究中全部由卟啉构成的荧光阵列不能全面地反映环境变量,对交叉响应的机理阐释并不充分.在蛋白质的热变性研究中,传统的差示扫描量热法需要专业人员操作且耗时长,无法对蛋白质的变性程度进行快速鉴别.本文采用卟啉及其衍生物和多种染料构建了可视交叉传感阵列,不仅对牛血清蛋白㊁牛血红蛋白㊁卵清白蛋白及其混合物和变性蛋白进行了识别,还对3种蛋白质的热变性过程进行了可视化实时监控.采用主成分分析㊁聚类分析和欧式距离对指纹图谱进行了分析,为蛋白质的快速识别和质量监控提供了一种新方法.1 实验部分1.1 试剂与仪器牛血清白蛋白(BSA)㊁牛血红蛋白(BHb)㊁卵清白蛋白(Ova)及各种染料均为分析纯试剂(Sigma⁃Aldrich 公司);卟啉及其各种衍生物均为分析纯试剂(Frontier Scientific 公司);聚偏氟乙烯膜(Milipore 公司);超纯水由Millipore Direct⁃Q Water system(Molsheim 公司)制备.阵列数据采集与处理系统为本课题组自主研发;SevenMuti 型pH 测试仪(Mettler Toledo 公司).1.2 实验过程1.2.1 检测系统和传感阵列的构建 阵列检测装置采用本课题组自主研发的阵列数据采集与处理系Fig.1 Schematic diagram of 6×6colorimetric cross⁃responsive array and detection system 统(见图1).通过采集传感阵列与蛋白质溶液反应前后的可见光区阵列光谱图,系统软件自动提取并保存阵列上每个点的R(红),G(绿)和B (蓝)数值,经标准化处理后得到反应前后的阵列响应RGB 差谱图,通过软件分析可实现对目标物的识别.实验采用已预先优化了最佳条件的6×6传感阵列,筛选出包括卟啉及其衍生物和各种染料等对蛋白质敏感的36种物质作为敏感元件,并以疏水的聚偏氟乙烯膜为基底材料.1.2.2 对不同蛋白质溶液的检测 将蛋白质样品溶于水中,分别配制成20,15,10和5μmol /L 的系列BSA,BHb 和Ova 蛋白质纯溶液,置于4℃冰箱中保存备用.取10μmol /L 的BSA,BHb 和Ova 蛋白质纯溶液分别按摩尔比为1∶1混合,得到相应蛋白质的两两混合溶液;再按摩尔比为1∶1∶1混合,制得BSA,BHb 和Ova 3种蛋白的混合溶液.将10μmol /L 的BSA,BHb 和Ova 蛋白质纯溶液分别置于50~100℃的水浴中加热20min,得到不同温度下的变性蛋白溶液.准确移取1mL 上述蛋白溶液于阵列中常温反应5min 后,将蛋白溶液迅速吸干,采集图像的RGB 值并进行阈值处理.每组实验重复进行5次.1.2.3 检测结果的处理 通过模式识别提取RGB 特征值得到可视差谱图,利用Statistical Product and Service Solutions(SPSS)软件,以聚类分析(HCA)和主成分分析(PCA)进一步分析实验结果.HCA 可将一批样本数据根据其诸多特征,按照在性质上的亲疏程度在没有先验知识的情况下进行自动分类,同类个体在特征上具有相似性,不同类个体特征的差异性较大.其结果可以表示不同样品间的相似程度,同时也反映了平行实验之间的差异.PCA 是一种将多个变量通过线性变换以选出较少个数重要变量的多元统计分析方法,通过其散点分布图可得到反映阵列识别能力的几个主要综合指标,进而反映出阵列的识别能力和重现性效果.欧式距离通过计算阵列108维数据平方和的平方根来反映不同样品之间的差异程度.2 结果与讨论2.1 阵列对天然蛋白的识别2.1.1 阵列对单一蛋白质及混合蛋白质的识别 对浓度为10μmol /L 的7种不同蛋白质体系进行了研究,其阵列检测差谱如图2所示.可见,传感阵列对蛋白质溶液响应明显,不仅BHb,BSA 和Ova 的响应图谱有显著的差异,而且混合蛋白溶液间也有较大的区别.此外,蛋白质混合溶液的响应图谱并非蛋白质单一体系图谱的简单叠加.Fig.2 Color difference maps for 10μmol /L individual and mixed proteins 3242 No.11 霍丹群等:可视交叉传感阵列对蛋白质及其热变性过程的快速识别对蛋白质及其混合物进行主成分分析,以分析结果中的第一主成分为横坐标,第二主成分为纵坐标,作出样本的二维散点分布图(图3).前二维的主成分代表64.7%的总信息量.据文献[16]报道,电子鼻和电子舌等交叉反应传感阵列前2个主成分一般可代表95%~99%的信息量,由于它们是基于一种或少数几种特定的分子反应,因此对相似检测对象的识别能力非常有限.而可视化传感阵列由36个传感单元组成,包含了多种化学反应和分子识别方式,使得阵列的分辨能力更高,能够对结构和性Fig.3 PCA score plot using the two most importantprincipal components based on the data for the analysis of seven proteins质都相近的蛋白进行区分.由图3可见,各种蛋白质均具有较好的团簇现象,表明阵列具有强大的识别能力.BSA 和Ova 的第一主成分值相似,而BHb则位于相反方向.从3种蛋白质的等电点考虑,酸性BSA 和Ova 的等电点相似,分别是4.9和4.7,而BHb 的等电点为7.0,因而导致蛋白质溶液的pH 值出现差别[11].当BSA,BHb 和Ova 3种蛋白质混合时,会发生中和作用,致使混合溶液的pH 值位于3种蛋白质之间,从而使得团簇点处于3种蛋白质纯溶液的中间位置.可见,第一主成分可能主要代表可视传感阵列对分析物酸碱性的识别能力.在第二主成分方向,BSA 和Ova 距离较远,主要是二者的空间构象不同所致.由于BSA 和BHb 具有同源性,二者混合后会产生协同作用;而BSA 和Ova 同属于白蛋白,混合后发生竞争作用,导致混合溶液产生新构象.从图3还发现,混合蛋白溶液的位置与各蛋白纯溶液有直接关系.因此,可以推测第二主成分主要代表可视传感阵列对分析物空间构象的识别能力.Fig.4 Colorimetric array responses for BSA (A ),BHb (B )and Ova (C )with different concentrations2.1.2 蛋白质浓度对阵列识别的影响 图4为可视传感阵列对不同浓度下3种蛋白检测的可视差谱图.可见,差谱颜色变化与蛋白的浓度呈正相关,实际代表的是浓度与光谱响应的线性相关性.随着BHb 的浓度从5μmol /L 逐渐增加到20μmol /L,可视差谱图中的响应点数量明显增加.部分响应点的亮度在低浓度时增强,在高浓度时达到饱和;部分响应点的颜色则随着浓度的增加不断变化,表明阵列可以定量检测不同浓度的蛋白质.同时,对比3种蛋白质在相同浓度时的差谱图可见,响应点的位置和颜色均为唯一确定的,表明阵列对蛋白质具有选择性识别作用.对此现象从欧氏距离与蛋白质浓度的关系进行了分析.4242高等学校化学学报 Vol.33 图5示出了检测差谱的欧氏距离与蛋白质浓度的关系,可见曲线整体呈现上升趋势.当蛋白质浓Fig.5 Euclidean distance change with the concentration of BSA (a ),BHb (b )and Ova (c )度从0增长到5μmol /L 时,欧式距离增加最快,对应于阵列中RGB 值变化最大处.随着检测浓度的增加,欧式距离增加变慢,表明阵列对低浓度蛋白质的变化极其敏感.当BSA 浓度达到10μmol /L后,欧氏距离不再发生明显变化,表明此浓度下阵列对BSA 的检测趋于饱和.当BHb 和Ova 的浓度大于5μmol /L 时,欧氏距离与浓度基本呈正相关,表明阵列可识别更高浓度的BHb 和Ova.以上结果表明,通过对不同浓度的蛋白质进行检测,建立大样本量的指纹图谱库,有望实现对蛋白质的定量检测.2.2 阵列对变性蛋白的识别2.2.1 阵列对变性蛋白质和天然蛋白质的识别 以3种天然蛋白质为对比,对100℃下热变性的BSA,BHb 和Ova 进行阵列检测,作用前后的差谱如图6(A)所示.可见,3种蛋白质变性前后的差谱图明显不同,变性后的蛋白质与阵列作用的敏感点数量明显增加,且敏感点颜色发生了变化,表明蛋白质变性后其结构发生了变化.这主要是因为在一定的温度下,蛋白质分子间引力被破坏,导致有规则的肽链折叠结构打开,呈松散状的不规则结构,非极性氨基酸大量暴露,致使蛋白质分子间的疏水引力增加,进而凝聚成凝胶状的蛋白块或纤维状蛋白丝[17].同时,这些变化引起反应体系微环境pH 值及蛋白质极性的改变,反映在可视交叉传感阵列中即为敏感点数量及颜色的变化.Fig.6 Colorimetric array responses (A )and scatter diagram of PCA (B )for natural and denaturedproteins with a concentration of 10μmol /L对实验样本进行了主成分分析,以分析结果中的第一主成分为横坐标,第二主成分为纵坐标,得到如图6(B)所示的二维散点分布图.在图6(B)中,前二维的主成分可反映出82.3%的总信息量,且对变性蛋白质和天然蛋白质有很好的区别度.变性的BHb 和Ova 变化较为接近,这可能是因为BHb 和Ova 变性后沉淀现象较为明显,导致在可视传感阵列的主要识别单元上的识别结果相似.同时,变性蛋白质与天然蛋白质在第二主成分方向的差别表明蛋白质变性后其空间构型发生了较大改变.此外,可视传感阵列的分辨能力由阵列中传感单元的识别能力和阵列的交叉敏感效应共同决定,但是PCA 二维散点图却可以将各种天然蛋白质和变性蛋白质很好地区分出来,表明可视传感阵列对于变性蛋白质和天然蛋白质具有非常好的识别能力.2.2.2 阵列对不同温度下变性蛋白质的识别 实验研究了阵列对不同温度下BSA,BHb 和Ova 分子结构变化的响应过程,其作用前后的差谱图见图7.可见,在温度由25℃逐渐升至100℃的过程中,阵列响应点的数量逐渐增多,颜色和亮度不断发生变化,表明阵列对不同温度下的蛋白质具有独特的颜色反应.对BHb 的识别结果进行了聚类分析,如图8(A)所示.可见,50℃和60℃下的BHb 蛋白样5242 No.11 霍丹群等:可视交叉传感阵列对蛋白质及其热变性过程的快速识别Fig.7 Color difference maps of 10μmol /L BHb (A ),BSA (B )and Ova (C )at differenttemperaturesFig.8 Hierarchical cluster analysis dendrograms for BHb (A ),BSA (B )and Ova (C )at different temperaturesThe ordinate representing:1 5:25℃;6 10:50℃;11 15:60℃;16 20:70℃;21 25:80℃;26 30:90℃;31 35:100℃.本距离较近,表明在此温度下BHb 与阵列的作用变化较小.而70℃和80℃下BHb 的距离较远,表明此时BHb 发生了较大的结构变化,这与图7的变化一致.对BSA 和Ova 进行了聚类分析,各温度下的样本均有很好的区分度,结果如图8(B)和(C)所示.主成分分析结果如图9所示.在由前三维主成分为轴的立体空间内,阵列对BHb 的识别结果随温度的升高呈现从右上向左下的规律性排列,且各温度的样品很好地团簇在一起,天然BHb 和完全变性的BHb 在立体空间的距离最远.这些现象反映了BHb 随着温度升高发生变性的整个过程.在这个过程中,BHb 溶液微环境的pH 值㊁BHb 的空间构型以及溶解度均发生改变,这些因素对应于PCA 分析的3个主成分,它们的共同作用导致BHb 在PCA 散点图上呈团簇而规律的分布.图9(B)和(C)所示的BSA 和Ova 的主成分分析结果也呈现出与BHb 相同的规律.2.2.3 阵列响应与蛋白质结构变化的关系 从结构上讲,蛋白质的不可逆变性至少经历了2个阶段:一是天然蛋白(N)的可逆伸展态,二是可逆伸展态(U)变为不可逆伸展态(I)[18],即N ⥫⥬Step 1U →Step 2I [19].其中,第一步是蛋白质变性的动力学过程,第二步是时间依赖过程.当2步的速率常数相当时,蛋白质发生不可逆变性;当第一步速率远大于第二步时,蛋白质发生可逆伸展[18].为了阐明BSA,6242高等学校化学学报 Vol.33 Fig.9 Scatter diagrams of PCA for BHb (A ),BSA (B )and Ova (C )at different temperaturesBHb 和Ova 的热变性过程,对图7中敏感点的RGB 进行了欧式距离计算,以揭示阵列响应与蛋白质结构变化的关系(见图10).Fig.10 Euclidean distance change for BHb (A ),BSA (B )and Ova (C )with the temperature血红蛋白作为动物体和人体内执行输氧任务的蛋白质,其空间结构的任何变化引起的构象改变都意味着蛋白质分子活性的改变[20],这对机体生理活动的影响巨大.因此,快速识别其变性状态意义重大.由图10(A)可见,当温度从25℃升至70℃时,BHb 的欧式距离增加较缓慢;70~90℃时欧式距离增加最为迅速;继续升高温度,欧式距离继续缓慢增加.这可能是由于加热使BHb 的折叠结构缓慢打开,其中的色氨酸和酪氨酸等芳香氨基酸残基逐渐暴露[21],使其与阵列的反应点数量增加,作用增强.在25~70℃时,BHb 主要发生可逆变性;继续升高温度(70~90℃)使原来包裹在BHb 内部的血红素辅基逐渐暴露而被氧化,导致BHb 不可逆变性为高铁血红蛋白[21,22],这与文献[23]报道的BHb 变性温度一致,此时BHb 溶液中出现大量血红色沉淀,溶液散发臭鸡蛋气味;当继续升高温度至100℃,BHb 构象的持续改变导致欧式距离继续增加.血清蛋白是血浆内含量最丰富的蛋白,它对于脉管系统代谢物和药物的转运起着特殊的作用[18],研究其加热变性过程有助于更好地实际运用.图10(B)显示,从25℃加热到70℃的过程中,BSA 的欧式距离平稳地增大;而从70℃加热到80℃时,欧式距离突然下降;继而又迅速增加(80~100℃).其可能原因是BSA 在加热时由于分子内协同作用及非极性氨基酸残基的暴露[24],使其与阵列的作用增强,欧式距离增大,因此25~70℃主要发生可逆变性.据文献[25]报道,BSA 水溶液(pH =7.0)的变性温度约为72.5℃,因此从70℃到80℃,BSA 发生了不可逆变性.此时,一方面氨基酸残基与周围的BSA 发生作用而减弱了其与阵列的作用;另一方面,BSA 分子表面的巯基被氧化以及新二硫键的形成使BSA 在溶液中形成分子聚集体[26],从而导致欧式距离突然下降.继续加热会打断BSA 分子内氢键,使α⁃螺旋数量减少[24],更多的残基与阵列发生作用,导致欧式距离显著增加.Ova 的发泡㊁乳化及聚集等行为在食品学和生物学中研究广泛[24,27],在不同温度下其性质差异较大.因此,快速识别不同变性程度的Ova 尤为重要.如图10(C)所示,从25℃加热到90℃时,Ova 的欧式距离一直增大;温度继续升高,欧氏距离减小.这可能是由于Ova 热变性程度具有明显的温度依赖性[24],因此25~70℃时欧式距离随着变性Ova 和疏水残基数量的增多而增大.当温度升高到80~90℃时,几乎全部的Ova 发生变性,此时Ova 分子中的α⁃螺旋和β⁃转角被大量β⁃折叠结构取代[28].7242 No.11 霍丹群等:可视交叉传感阵列对蛋白质及其热变性过程的快速识别8242高等学校化学学报 Vol.33 新的茁⁃折叠和氢键使Ova与阵列不仅产生新的敏感点,而且欧式距离明显增大.继续升高温度,部分变性的Ova聚集沉淀[29],导致与阵列作用的Ova数量减少,欧式距离有所降低.以上结果表明,该阵列的识别效果与蛋白质的实时变性过程紧密相关,能准确地反映蛋白质构型的变化.因此,与传统的蛋白质检测方法相比,可视交叉响应传感阵列可以更加快速㊁方便地监控蛋白质的变性过程,对蛋白质的品质检测和变性机理研究具有重要意义.3 结 论采用卟啉及其衍生物和染料构建了一种新型可视交叉传感阵列,通过阵列数据采集与处理系统对牛血清白蛋白(BSA)㊁牛血红蛋白(BHb)和卵清白蛋白(Ova)及其混合蛋白和热变性蛋白体系进行了检测.同时考察了蛋白质的浓度和温度变化对阵列识别效果的影响,检测时间仅为5min.结果表明,构建的阵列具有高敏感性和浓度依赖性,不仅可对3种蛋白进行准确的识别,还有望实现蛋白的定量分析.该阵列产生的特殊颜色变化与蛋白质空间构型和微环境pH值及溶解度的差异有关.此外,阵列的温度依赖性使其不仅能区分天然蛋白质和不同变性程度的蛋白质,而且能对蛋白质的热变性过程进行可视化实时监控,为蛋白质热变性机理的研究提供了一种新途径,对蛋白质的质量监控起着重要作用.由此可见,这种新型的低成本㊁高敏感㊁快速且准确的可视传感阵列在蛋白质检测方面有着传统检测方法不可比拟的优势,在进出口检验检疫和食品安全等方面有潜在的应用价值.参 考 文 献[1] XU Xia(徐霞),YE Zun⁃Zhong(叶尊忠),WU Jian(吴坚),YING Yi⁃Bin(应义斌).Chin.J.Anal.Chem.(分析化学)[J],2011,38(7):1052 1059[2] ZHANG Hai⁃Yan(张海燕),XING Pei⁃Pei(邢佩佩),LI Na(李娜),XU Ke⁃Hua(徐克花),TANG Bo(唐波).J.Anal.Sci.(分析科学学报)[J],2009,25(5):593 597[3] Hou C.J.,Dong J.L.,Zhang G.P.,Lei Y.,Yang M.,Zhang Y.C.,Liu Z.,Zhang S.Y.,Huo D.Q..Biosensors and Bioelec⁃tronics[J],2011,26(10):3981 3986[4] Li C.P.,Enomoto H.,Hayashi Y.,Zhao H.,Aoki T..LWT⁃Food Science and Technology[J],2010,43(9):1295 1300[5] Ya F.,Charles S.R..EMBO Reports[J],2011,12(8):785 796[6] Zhu C.Y.,Sun T.T.,Zhao J.,Wang N.,Zheng F.L.,Ai H.X.,Zhu J.F.,Wang X.Y.,Zhu Y.,Wu J.G.,Liu H.S..Chem.Res.Chinese Universities[J],2012,28(1):103 107[7] Jagotamoy D.,Shana O.K..Anal.Chem.[J],2011,83(4):1167 1172[8] Wang J.E.,Wang C.K.,Liu D.J.,Wang Z.X..Chem.Res.Chinese Universities[J],2011,27(2):193 197[9] HUO Dan⁃Qun(霍丹群),ZHANG Guo⁃Ping(张国平),HOU Chang⁃Jun(侯长军),DONG Jia⁃Le(董家乐),ZHANG Yu⁃Chan(张玉婵),LIU Zhen(刘振),LUO Xiao⁃Gang(罗小刚),FA Huan⁃Bao(法焕宝),ZHANG Su⁃Yi(张宿义).Chin.J.Anal.Chem.(分析化学)[J],2010,38(8):1115 1120[10] Bang J.H.,Lim S.H.,Park E.,Suslick ngmuir[J],2008,24(22):13168 13172[11] Lim S.H.,Musto C.J.,Park E.,Zhong W.X.,Suslick .Lett.[J],2008,10(20):4405 4408[12] Buryak A.,Severin K..J.Am.Chem.Soc.[J],2005,127(11):3700 3701[13] Wright A.T.,Anslyn E.V.,McDevitt J.T..J.Am.Chem.Soc.[J],2005,127(49):17405 17411[14] HUO Dan⁃Qun(霍丹群),YIN Meng⁃Meng(尹猛猛),HOU Chang⁃Jun(侯长军),QIN Hui(秦辉),ZHANG Miao⁃Miao(张苗苗),DONG Jia⁃Le(董家乐),LUO Xiao⁃Gang(罗小刚),SHEN Cai⁃Hong(沈才洪),ZHANG Su⁃Yi(张宿义).Chin.J.Anal.Chem.(分析化学)[J],2011,39(4):1115 1120[15] Zhou H.C.,Baldini L.,Hong J.,Wilson A.J.,Hamilton A.D..J.Am.Chem.Soc.[J],2006,128(7):2421 2425[16] Zhang C.,Suslick K.S..J.Agric.Food Chem.[J],2007,55(2):237 242[17] Bryant C.M.,McClements D.J..Trends in Food Science&Technology[J],1998,9(4):143 151[18] PicóG.A..Inter.J.Biol.Macromol.[J],1997,20(1):63 73[19] Galisteo M.L.,Mateo P.L.,Sanchez⁃Ruiz J.M..Biochem.[J],1991,30(8):2061 2066[20] Wang Y.Q.,Zhang H.M.,Zhang G.C.,Liu S.X.,Zhou Q.H.,Fei Z.H.,Liu Z.T..Inter.J.Biol.Macromol.[J],2007,41(3):243 250[21] ZHANG Gen⁃Cheng(张根成),FAN Su(范苏).Chin.J.Inorg.Chem.(无机化学学报)[J],2009,25(7):1199 1204[22] Jia Y.P.,Wood F.,Menu P.,Faivre B.,Caron A.,Alayash A.I..Biochimica et Biophysica Acta(BBA)⁃General Subjects[J],2004,1672(3):164 173[23] Sakai H.,Masada Y.,Takeoka S.,Tsuchida E..J.Biochem.[J],2002,131(4):611 617[24] Hayakawa I.,Kajihara J.,Morikawa K.,Oda K.,Fujio Y..J.Food Sci.[J],1992,57(2):288 292[25] Baier S.K.,McClements J..Food Research International[J],2003,36(9/10):1081 1087[26] WEI Xiao⁃Fang (魏晓芳),LIU Hui⁃Zhou(刘会洲).Engineering Chemistry &Metallurgy(化工冶金)[J],2000,21(4):379 383[27] Gulzar M.,Bouhallab S.,Jeantet R.,Schuck P.,Croguennec T..Food Chem.[J],2011,129(1):110 116[28] Kato A.,Takagi T..J.Agric.Food Chem.[J],1988,36(6):1156 1159[29] Weijers M.,Barneveld P.A.,Cohen S.M.A.,Visschers R.W..Protein Science[J],2003,12(12):2693 2703Colorimetric Cross⁃responsive Sensor Array for Protein and Its Heat⁃induced Denaturation IdentificationHUO Dan⁃Qun 1*,LI Juan 1,DONG Jia⁃Le 1,HOU Chang⁃Jun 1,HUANG Cheng⁃Hong 1,DAI Bin 1,FA Huan⁃Bao 2,ZHANG Liang 3(1.Key Laboratory of Biorheological Science and Technology ,Ministry of Education ,Bioengineering College ,2.College of Chemistry and Chemical Engineering ,Chongqing University ,Chongqing 400030,China ;3.National Engineering Research Center of Solid⁃State Brewing ,Luzhou Laojiao Group Co.,Ltd.,Luzhou 646000,China )Abstract A novel colorimetric cross⁃responsive sensor array for protein identification was designed with prophyrin derivatves and dyes as chemical sensing elements.The 6×6sensor array could react specifically with various proteins in 5minutes,and it provided a color change profile before and after the reaction as a unique fingerprint for each specific protein.The image for each sample was then subjected to hierarchical cluster analysis(HCA),principal component analysis (PCA)and Euclidean distance calculation.Bovine serum albumin(BSA),Bovine hemoglobin (BHb)and Ovalbumin (Ova)as well as their mixtures,gave distinct patterns.In addition,native proteins and denatured ones could also be discriminated by the sensor array with high sensitivity,thus leading to their unambiguous identification.Furthermore,the sensor array showed a characteristic of temperature⁃dependence which visualized the whole heat⁃induced denaturation of protein.The results suggested that the unique pattern of colorimetric change may be due to the differences of protein confor⁃mation,local environmental pH and solubility.This is the essence of the protein discrimination.Therefore,the low cost and fast responsive colorimetric sensor array not only provide an excellent sensing platform for dis⁃crimination and quantitative analysis of protein samples,but also pave a new way for the mechanism study of heat⁃induced denaturation of protein and represent a potential application in real⁃time monitoring in the field of clinical medicine and food quality assurance.Keywords Prophyrin;Colorimetric cross⁃responsive sensor array;Protein identification;Denatured protein(Ed.:N ,K )9242 No.11 霍丹群等:可视交叉传感阵列对蛋白质及其热变性过程的快速识别。
基于仿生传感器的简介
仿生传感器摘要仿生传感器是目前热门的研究领域。
人们对人或其他动物的各种感觉如视觉，听觉，感觉，嗅觉和思维等行为进行模拟，本问对仿生传感器的定义，工作原理，应用领域有初步的介绍。
并对葡萄糖传感器和生物传感器做了详细介绍，综述这两种传感器的工作原理，应用，及各自特点。
在最后。
并对仿生传感器的发展前景进行了评述。
关键词：仿生传感器，尿素传感器，生物传感器，发展前景1，仿生传感器的简介1.1仿生传感器的定义及工作原理：仿生传感器，是一种采用新的检测原理的新型传感器，它采用固定化的细胞、酶或者其他生物活性物质与换能器相配合组成，基于生物学原理设计的可以感受规定待测物并按照一定规律转换及输出可用信号的器件或装置，是一种采用新的检测原理的新型传感器，由敏感元件和转换元件组成，另外辅之以信号调整电路或电源等。
这种传感器是近年来生物医学和电子学、工程学相互渗透而发展起来的一种新型的信息技术。
下图为仿生传感技术的研究模型的建立框图：1.2仿生传感器是目前热门的研究领域日本政府计划用30年时间完成一项名为“阿童木”的机器人开发计划，计划目标是使机器人开发出具备一个5岁孩子的能力和感情，而计划投入的一半以上将用来研制各种仿生传感器。
英国研制新型机器人可实时模仿10种人类表情，情，美国美国GE 公司全球研发中心即将投入开发的仿生光敏纳米传感器，公司全球研发中心即将投入开发的仿生光敏纳米传感器，即是纳米即是纳米技术与仿生结合的典型例子，通过模仿蝴蝶翅膀鳞片中独特的纳米结构，以实现环境中的化学物质高灵敏光学探测。
又如基于纳米压印技术发展的高分子聚合物纳米透镜阵列，可以实现昆虫复眼的多角度观察功能。
机器人使用的传感器就是仿生传感器的典型应用,目前各国对此类传感器的研制和开发都非常重视。
这种传感器的特点是性能好、寿命长。
1.3仿生传感器的分类：在仿生传感器常分为视觉传感器，在仿生传感器常分为视觉传感器，嗅觉传感器，嗅觉传感器，嗅觉传感器，听听觉传感器，味觉传感器，触觉传感器，接近觉传感器，力觉传感器和滑觉传感器，比较常用的是生体模拟的传感器。
一种新型的鉴别氨基酸的阵列传感器
图 ３ 阵列 构 建 图
用的液体 阵列传感方法对于 ９种氨基 酸的 区分能 力 ， 同时聚类
图还 表示 了不 同类别 氨基 酸的相似 程度 。用 欧 氏距离定 义样 品之间的相似度 ， 用组 间连接 来定 义集群 。利 用 Ｓ Ｐ Ｓ Ｓ软件 对
液体阵列构建时 ， 选用 的传感物 质不 需进行 特异 性设 计 ， 但为 了保证其交叉响应的特性 和光谱信号 的实现 ， 传感 物质 的
选 择 需 要 考 虑 以 下 ２个方 面 ：
该传感器构建前期 进行 了大量 光谱学研 究 ， 经过试 验筛选 出 ７种染料 与 １ 种 卟啉化合物 ， 其化学 结构与 测定波 长如 图 ２ 所示 。
度上表现为中性氨基酸。同时 ， 分析这 ５种氨基酸 的极性发现， 缬
氨酸、 脯氨酸和甲硫氨酸均为非极性氨基酸 ， 而甘氨酸和丝氨酸虽
然为极 ｆ 生氨基酸， 但是这 ２种氨基酸均为极性不带 电氨基酸 。分
析Ｈ Ｃ Ａ图可知 ， ９种氨基酸的区分主要是基于氨基酸之间的酸碱 度与极 ｌ 生的不同， 追溯到阵列构建上， 传感阵列对于分析物酸碱度
第１ ０期
张伟 ： 一种新型的鉴别氨基酸 的阵列传感器
析样品与阵列的识别反应模式差别大。
１ ３
ＨＣ Ａ图上， ９ 种氨基酸被完全分开 ， 由此可见 ， 所构建 的液体传感
阵列对于氨基酸具有 强大 的识别能力 。由图 ４可见 ， 当欧式距离
为２ ５时 ， ９种氨基酸可以分成两大簇 ， 其中赖氨酸和组氨酸形成一 簇， 而其他的 ７ 种氨基酸为一簇。从理化性质上分析 ， 赖氨酸与组 氨酸均为碱性氨基酸， 且均 为极性带 正电氨基酸。而谷 氨酸与这 两种氨基酸的欧式距离最远 ， 是因为谷氨酸为酸Ｉ 生 氨基酸 ， 且为极 性带负电氨基酸。而缬氨酸、 甘氨酸、 脯氨酸、 甲硫氨酸与丝氨 酸 形成一簇 ， 这５ 种氨基酸分子均含有一个羧基 和一个氨基 ， 在酸碱
仿生传感智能感官检测技术及其在云南特色农产品品质检测中的应用
仿生传感智能感官检测技术及其在云南特色农产品品质检测中的应用许文方;张海东;李贵荣;杨丽祥【摘要】The concepts of machine vision technology,electric smell technology,electric taste technology three bionics sensing intelligent sensor detection technology were introduced,their function,features and application in Yunnan cured tobacco,Pu' er tea,herbal medicines and cut flowers were elaborated.The existing problems in application of bionics sensing intelligent sensor detection technology in quality detection of Yunnan characteristics agricultural products were analyzed.%介绍了机器视觉技术、电子嗅觉技术和电子味觉技术3种仿生传感智能感官检测技术的概念,阐述了其功用、特点及其在云南烤烟、普洱茶、中药材和鲜切花品质检测中的应用,同时分析了仿生传感智能感官检测技术用于云南特色农产品品质检测还存在的问题.【期刊名称】《安徽农业科学》【年(卷),期】2013(041)010【总页数】4页(P4592-4595)【关键词】仿生传感智能感官检测;云南特色农产品;机器视觉;电子嗅觉;电子味觉【作者】许文方;张海东;李贵荣;杨丽祥【作者单位】云南农业大学工程技术学院,云南昆明650201;云南农业大学工程技术学院,云南昆明650201;云南农业大学工程技术学院,云南昆明650201;云南农业大学工程技术学院,云南昆明650201【正文语种】中文【中图分类】S126改革开放以来，我国农产品丰富的种类、巨大的产量极大地满足了人民群众的需求。
基于纳米ZnO气体传感器阵列的乙醇、丙酮、苯、甲苯、二甲苯的识别研究
Ａｂ ｔａ ｔ Ｒｅ ｏ ｎ ｔｏ ｆ ｅ ｈ ｎ ｌ ｃ ｔ ｎ ，ｂ ｎ ｅ ｅ ｔ ｌ ｅ ｅ ａ ｄ ｘ ｌ ｎ ｓ ｐ ｒｏ ｍｅ ｙ ｕ ｉ ｇ ６ ｄ ｐ ｄ ｓｒ ｃ ： ｃ ｇ ｉ ｎ ｏ ｔ ａ ｏ ，ａ ｅ ｏ ｅ ｉ ｅ ｚ ｎ ， ｏ ｕ ｎ ｎ ｙ ｅ ｅ ｗａ ｅ ｆ ｒ ｄ ｂ ｓ ｎ ｏ ｅ
维普资讯
第１ 卷 第３ ９ 期
传 感 技 术 报 学
Ａ ＮＤ ｒ Ｉ ＤＲ Ａ 【 Ａ１ Ｓ
Ｖｏ ． ９ Ｎｏ ３ １１ ．
Ｊ ｎ ２ ０ ｕ ．０６
Ｒｅ ｏ ｎｉｉ ｎ ｏ ｈ ｎ ｌ ｃ ｇ ｔｏ ｆＥｔ ａ ｏ ，Ａｃ ｔ ｎ ｅ ｏ ｅ，Ｂｅ ｚ ｎｅ，Ｔｏ ｕ ｎ ｎ ｎｅ ｌ ｅ ｅａ ｄ
ｉ ｒ ｖ ｄ ｂ ｏ ａ ｔ ． Ｋ— ｅ ｒ ｓ ｅｇ ｂ ｕ ｋ ＮＮ ） ｉ ｅ ｒｄ ｓ ｒｍ ｉ ａ ｔａ ａ ｙ ｉ ＩＤＡ） ａ ｋ ｐ ｏ ａ ａ ｉ ｎ ｍｐ ｏ ｅ ｙ ｄ ｐ ｎ ｓ ｎ ａ ｅ ｔｎ ｉ ｈ ｏ ｒ（ － ，ｌ ａ ｉ ｃ ｉ ｎ ｎ ｎ ｌ ｓｓ（ ｎ ，ｂ ｃ — ｒ ｐ ｇ ｔ ｏ
，
１Ｄｅ ｔ ｆＭ ａｅｉｌ ｃ．ａ ｄＥ ｇ ，Ｈｕ ｚ ｏｇＵｎｖｒｉ ｆＳ ｉｎｅａ ｄＴｅｈ ｏｏ ｙ ， ｕ ３ ０ ４ Ｃ ｉａ 、 ． ｐ ．ｏ ｔｒａ ｉ ｎ ｎ ． Ｓ ａ ｈｎ ｉｅｓ ｙｏ ｃｅｃ ｎ ｃｎ ｌｇ Ｗ ｌ ４ ０ ７ ， ｈｎ ； ｔ ｍｎ ２ Ｄ ．０ ． ｆＭａｅｉｌ ｃ．ａ ｄＥ ｇ ， ｈ ｎＵ ｉｅｓｔ ｆ Ｔ ｃ ｎｌｇ ， ｈ ｎ４ ０ ７ ，Ｃ ｉａ ｔｒａ ｉ ｎ ｎ ． Ｗｕ ａ ｎｖｒｉ ｏ ｅｈ ｏｏ ｙ Ｗｕ ａ ３ ０ ０ ｈｎ Ｓ ｙ ，
纳米探针与诊断技术
Jaswal等用两种方法分别对HeLa细胞用量子 点标记，首先用二氢叶酸包裹量子点，然后通 过内吞作用将量子点标记在HeLa细胞的囊泡内， 标记的量子点第12天仍稳定存在于细胞中;另 外通过量子点与生物素连接而成的量子点一生 物素(QDs-avidin )荧光探针，对表面生物素 化的HeLa细胞膜进行特异性的标记，结果表明: 标记的半导体量子点在活细胞内能连续承受激 发光(5Omw,488nm laser)照射14小时而荧光强 度不发生明显的减退，在12天后细胞内仍能检 测到可见荧光。
主 要 材 料
水相合成CdTe量子点荧光探针简介
主 要 材 料
水相合成CdTe量子点荧光探针简介
实 验 方 法
水相合成CdTe量子点荧光探针简介
实 验 方 法
水相合成CdTe量子点荧光探针简介
实 验 方 法
水相合成CdTe量子点荧光探针简介
（四）量子点偶联蛋白
实 验 方 法
水相合成CdTe量子点荧光探针简介
2、光学特性
① 激发光波长范围宽且连续分布，而发射波 长的范围窄且呈对称分布，斯托克斯位移大， 不同半导体材料的量子点或同一材料不同粒径 大小的量子点在同一光源照射下发射出不同颜 色的光.
② 具有严格的量子尺寸效应，通过改变量子点 粒径大小可获得从紫外到近红外范围(即从蓝 色到红色波长范围)内任意点的光谱。
2、对生物分子的运动、分布及信号传导的研究
Lidke等用量子点联合荧光蛋白技术对人 表皮癌细胞A431的HER家族erbB介导的信号传 导进行可视化的研究.他们先将人表皮癌细胞 A431的erbBl ,erbB2分别与绿色荧光蛋白和黄 色荧光蛋白融合，得到稳定的表达后，将量子 点与表皮生长因子(EGF)连接而成量子点一表 皮生长因子荧光探针( QDs-EGF)，直接可视化 观察了QDs-EGI与erbB受体的相互作用以及这 些信号分子受刺激后它们的运动情况。
基于传感器阵列动态响应可视化图谱的气体识别方法
气 体 和 挥 发 性 物 质 检 测 广 泛 存 在 于 化 工、食 品、环境、卫生 及 医 药 等 领 域。 基 于 气 体 的 物 理、 化学等性质有不同的检测方法。金属氧化物半导 体传 感 器 （ＭｅｔａｌＯｘｉｄｅＳｅｍｉｃｏｎｄｕｃｔｏｒ，ＭＯＳ）由 于 其价格低廉和 灵 敏 度 高，是 目 前 使 用 最 广 泛 的 气 体检测方法，其 本 质 是 气 体 与 传 感 器 材 料 接 触 发 生 反 应，引 起 材 料 表 面 电 阻 等 电 学 性 能 的 变 化 。 ［１，２］ ＭＯＳ基 的 气 敏 传 感 器 具 有 成 本 低、响 应 时 间 短 、气 体 范 围 目 标 宽 及 使 用 寿 命 长 等 优 点 ，但 同一种传感器会对多种气体响应，且 ＭＯＳ基的气 敏传感器一般 需 要 在 很 高 的 温 度 下 才 能 工 作，其 选择性和抗 环 境 干 扰 能 力 较 差，能 耗 较 高。 基 于 高分子材料的气体检测传感器能够进一步提高气 体 响 应 的 灵 敏 度 ，缩 短 响 应 时 间 ，但 是 依 然 存 在 不 稳定、不可恢复和选择性差的缺点 。 ［３］ 近年来，基 于碳纳米管和石墨烯材料表面修饰的气敏传感器 能够改善气敏 传 感 器 的 敏 感 性 和 选 择 性，但 是 具 有成本高、工艺复杂及重现性差等缺点 。 ［４］ 此外， 基于气体分子 原 子 的 光 学 特 性，开 发 了 各 种 光 学 气体检测仪器，主 要 应 用 差 分 吸 收 光 谱 ［５，６］、调 制
８００
化 工 自 动 化 及 仪 表 第 ４６卷
基于传感器阵列动态响应可视化图谱 的气体识别方法
夏 锋 社 １ 马 登 龙 ２ 谭 帏 ２ 张 晓 明 １ 王 瑜 １ 王 晓 桥 １
（１．陕 西 省 特 种 设 备 检 验 检 测 研 究 院 ；２．西 安 交 通 大 学 机 械 工 程 学 院 ）
东南大学2011年基于教师科研的SRTP验收结果公示
东南大学教务处
校机教〔2012〕143号
关于公布“东南大学2011年基于教师科研的SRTP项目”结
题验收结果的通知
各院（系）、项目指导老师、项目负责人：
东南大学2011年基于教师科研的SRTP项目已于2012年10月20日完成结题验收工作。
立项的123项目中，有119个项目参加本次结题验收，根据专家的现场评审和综合评定，最终评定结果为优秀25项、良好44项、通过38项、不通过1项、整改后验收11项。
另外有4项没有参加本次验收。
项目验收结果见附件。
对于本次验收结果为整改后验收的项目，学校将于该通知发布之日起2个月内组织最后一次验收。
对于无故没有参加本次答辩的项目，请所在院（系）终止使用项目剩余经费，其额度将计入下一年度学院“基于教师科研的SRTP项目”经费中，并且减少所在院系下一年度立项项目数。
附件：东南大学2011年基于教师科研的SRTP项目结题验收结果一览表
二〇一二年十一月十三日
主题词：基于教师 SRTP 结题验收结果通知
抄送：学生处科技处团委档案馆
东南大学教务处 2012年11月13日印发。
氨基酸泛素化位点预测
氨基酸泛素化位点预测
氨基酸泛素化位点预测是一种重要的生物信息学分析方法，它可以帮助科学家们更准确地了解蛋白质的功能和调控机制。
泛素化是一种重要的蛋白质修饰方式，通过在特定氨基酸残基上加上泛素分子，从而改变蛋白质的性质和功能。
因此，预测泛素化位点对于理解蛋白质的功能和调控机制具有重要意义。
在氨基酸泛素化位点预测中，科学家们通常采用基于计算的方法，通过分析蛋白质的序列和结构特征来预测泛素化位点。
其中，一些常见的预测方法包括基于机器学习的预测模型、基于规则的预测方法和基于结构的预测方法等。
基于机器学习的预测模型通常需要使用大量的实验数据来训练模型，并通过模型的学习来预测新的泛素化位点。
这种方法具有较高的预测精度和可靠性，但需要大量的实验数据来支持。
基于规则的预测方法则是通过分析蛋白质的序列特征来预测泛素化位点。
这种方法通常基于一些已知的规则和经验，例如某些氨基酸残基更容易发生泛素化等。
这种方法简单易行，但可能存在一定的误差和局限性。
基于结构的预测方法则是通过分析蛋白质的三维结构来预测泛素化位点。
这种方法需要考虑蛋白质的空间构象和相互作用等因素，因此预测精度较高，但需要更多的计算资源和时间。
总之，氨基酸泛素化位点预测是一项重要的生物信息学分析方法，可以帮助科学家们更深入地了解蛋白质的功能和调控机制。
随着技术的不断发展和完善，相信未来会有更多的预测方法和工具出现，为蛋白质研究带来更多的便利和突破。
ucell 可视化基因集打分
ucell 可视化基因集打分【实用版】目录1.介绍 Ucell 可视化基因集打分2.Ucell 的特点和优势3.Ucell 的应用场景4.使用 Ucell 的注意事项正文【1.介绍 Ucell 可视化基因集打分】Ucell 是一种用于基因集打分的可视化工具，可以帮助研究人员更直观、准确地评估基因集的活性和功能。
通过 Ucell，研究人员可以在基因组层面上快速发现与生物过程、疾病等相关的基因集，从而为进一步的实验研究和药物开发提供有价值的线索。
【2.Ucell 的特点和优势】Ucell 具有以下几个显著特点和优势：（1）可视化程度高：Ucell 采用图形化展示方式，使得基因集的打分结果更加直观易懂。
（2）数据处理能力强：Ucell 支持多种数据输入格式，如 Bed、Gtf、Tpm 等，同时具备数据归一化、批次效应校正等功能。
（3）算法优化：Ucell 基于多种算法对基因集进行打分，如 Wilcoxon 秩和检验、DESeq2、edgeR 等，以确保打分结果的准确性。
（4）结果可定制：Ucell 可以根据用户需求自定义基因集打分标准，如基因集大小、基因表达水平等。
【3.Ucell 的应用场景】Ucell 在以下场景中具有广泛的应用：（1）发现疾病相关基因集：在研究复杂疾病时，Ucell 可以帮助研究人员快速找到与疾病相关的基因集，从而为疾病诊断和治疗提供新的思路。
（2）探索基因功能：在基因功能研究中，Ucell 可用于评估基因集的活性和功能，有助于揭示基因之间的相互作用关系。
（3）药物靶点发现：在药物研发过程中，Ucell 可以帮助研究人员发现具有潜在药理作用的基因集，从而为药物筛选和靶点验证提供依据。
【4.使用 Ucell 的注意事项】在使用 Ucell 时，需要注意以下几点：（1）数据质量：输入数据的质量对打分结果具有重要影响。
在使用Ucell 前，应确保数据质量，如去除低质量测序数据、批次效应校正等。
一种定量测定群体感应信号分子ahl的生物学方法
一种定量测定群体感应信号分子ahl的生物学方法群体感应信号分子(AHL)是一类在细菌间传递的化学信号分子，起到调节以细菌共享资源为基础的群体行为的重要作用。
本文将介绍一种定量测定群体感应信号分子AHL的生物学方法。
AHL是通过产生、分泌和感应的方式在细菌社群中传递的信号分子。
在细菌合作进化中，AHL分子扮演了一种高效通信系统的角色。
测定AHL分子的含量可以帮助我们了解细菌社群的协作机制以及疾病形成的过程。
测定AHL的方法主要包括生物学方法和生物物理化学方法，本文将重点介绍一种生物学方法。
生物学测定AHL的方法是基于细菌感受器Quorum Sensing自动调控系统的原理。
这种方法通过测定AHL的效应剂对细菌群体行为的影响来定量测定AHL的含量。
具体操作步骤如下：1.培养产生AHL的细菌：选取含有AHL感应器基因的细菌株，例如常用的海洋细菌Vibrio fischeri。
将细菌在适当的培养基中培养至合适的生长期。
2.收集培养液：将细菌培养液离心，收集上清液，称为细菌培养液。
3.制备AHL效应剂：选取一种能够与AHL相互作用的棕榈酰传感蛋白(Pal)。
将该蛋白纯化并与探针染料(如螺旋体红)结合，制备AHL效应剂。
4.测定AHL的含量：将细菌培养液与AHL效应剂共孵育一段时间。
通过测定AHL效应剂与AHL之间的结合产生的荧光信号的强度来定量测定AHL的含量。
5.分析结果：根据测定得到的荧光信号强度，可以比较不同细菌培养液中AHL的含量。
这种生物学方法测定AHL的优势在于可以定量测定AHL的含量，并能通过对比不同细菌培养液中AHL含量的差异来研究细菌间的相互作用和共享资源的机制。
然而，这种方法也存在一些限制。
首先，该方法只适用于具有AHL 感应机制的细菌，对于其他不同类别的细菌需要采用其他方法。
其次，该方法需要对AHL感应器基因进行表达，这可能会增加实验的复杂性。
最后，该方法只能从培养液中测定AHL的含量，无法对AHL在细菌内部的分布和转运进行定量测定。
n端氨基酸序列检测方法
n端氨基酸序列检测方法引言：蛋白质是生物体内重要的功能分子，其功能与其氨基酸序列密切相关。
而在蛋白质的N端（氨基末端）存在着许多重要的功能区域，因此准确地确定N端氨基酸序列对于研究蛋白质的结构和功能具有重要意义。
本文将介绍几种常用的N端氨基酸序列检测方法。
一、Edman降解法Edman降解法是一种经典的蛋白质N端序列分析方法。
其基本原理是利用硼酸试剂对蛋白质N端进行酰基化反应，然后通过酸水解将酰基转化为相应的酸，再利用氨基酸分析仪进行定量分析。
该方法的优点是可以检测较短的氨基酸序列，且分析结果准确可靠。
但该方法需要大量的蛋白质样品，并且在酸水解过程中会有一定的损失。
二、质谱法质谱法是一种快速、准确的蛋白质N端序列分析方法。
该方法通过质谱仪对蛋白质进行分析，可以直接获得氨基酸的质量信息，从而确定N端序列。
质谱法可以检测较长的氨基酸序列，且不受样品量的限制。
但该方法需要专业的设备和操作技术，并且对蛋白质样品的纯度要求较高。
三、基因测序法基因测序法是一种基于DNA技术的蛋白质N端序列分析方法。
该方法首先通过PCR扩增蛋白质编码基因的DNA片段，然后进行测序，最后根据测序结果确定蛋白质的N端序列。
基因测序法可以检测较长的氨基酸序列，且可以获取全长的蛋白质序列信息。
但该方法需要蛋白质编码基因的DNA序列信息，并且对PCR扩增和测序的准确性要求较高。
四、质量分析法质量分析法是一种利用质谱仪对蛋白质进行质量分析的方法。
通过测定蛋白质的分子质量，可以推断出其氨基酸序列和修饰信息。
质量分析法可以快速地确定蛋白质的N端序列，且不受样品量的限制。
但该方法对蛋白质的纯度要求较高，并且在质谱分析过程中需要进行复杂的数据处理和解析。
总结：N端氨基酸序列的准确确定对于研究蛋白质的结构和功能具有重要意义。
本文介绍了几种常用的N端氨基酸序列检测方法，包括Edman降解法、质谱法、基因测序法和质量分析法。
这些方法各具优缺点，可以根据实际需要选取适合的方法进行分析。
呼出气体就像人的指纹一样是唯一的
呼出气体就像人的指纹一样是唯一的人体在吸入空气时，含氧的空气被带进肺中，由于生物体需要消耗氧气，产生二氧化碳，因此在呼气的时候，缺乏氧气和富含二氧化碳的空气被呼出。
人体通过呼吸作用来吸入空气中的氧气，排出体内产生的二氧化碳。
实验器材及试剂：Eislab400数字实验系统，数据采集器，氧气传感器，二氧化碳传感器，计算机，面包袋或小塑料袋，胶纸等。
实验步骤及数据分析：1.在塑料小袋底部开两个小口，各套在氧气传感器以及二氧化碳的探头上，用胶纸把塑料小袋和传感器器探头绑在一起，注意保持紧密不漏气.2.将氧气传感器和二氧化碳传感器接入数据采集器，然后进入配套的软件系统，选择“呼出气体的成分研究”模板，然后调节采集参数为1点/秒，采集时间为60秒。
3.向塑料小袋中吹气，然后把袋口握紧，使袋中有正常呼出的气体，观察氧气和二氧化碳传感器窗口的波形变化。
如下图疾病辅助诊断；【正文快照】日前，“利用电子鼻帮助诊断肺癌”的发起人之一、美国克里夫兰临床研究中心肺病专家瑟皮尔·厄祖鲁姆说“呼气时会产生各种各样的挥发性有机化合物，这些化合物是新陈代谢造成的。
癌症患者的新陈代谢会发生变化，呼出气体中的挥发性有机化合物也会随之变化。
利用电子鼻可以探?正文快照】意大利科研人员日前在罗马宣布，他们已成功研制出一种能“嗅”出肺癌独特气味的“电子鼻”。
迪纳塔莱介绍说，这种被称为“电子鼻”的仪器，由一个连接计算机的12厘米长的立方体和众多人体气味感应器组成。
当患者向连接“电子鼻”的一个?作者】；【正文快照】本报讯英国科学家目前在研制一种“生物电子鼻”，可以用来测量不同激素的水平，诊断疾病。
$$英国南安普敦大学的科学家发现，生物中有不同的分子组合可导致不同的电负荷，科学家利用这一点开发出可以感应这些电负荷变化的“感官”，从而判断出不同的分子组合类型。
$$?呼出气体可检病兆：1、肝昏迷有肝臭味；爆发性肝炎或肝功能损伤，由于甲基硫醇和二甲基二硫化物不能被肝代谢而发出的味道；2、酮症酸中毒有烂苹果味；3、消化道出血有血腥味；4、有机磷农药中毒呼吸有大蒜味；5、尿毒症有尿骚味；6、酪氨酸转化酶缺乏导致酪氨酸代谢障碍而潴留于血中，会发出烂白菜的味道；7、先天性隐形遗传病，人体缺乏三甲胺氧化酶，致使三甲胺在体内不能代谢，而发出鱼腥味；8、膀胱结肠瘘病人身体会有大粪味；9、染色体隐性遗传病（枫糖尿病）发出枫糖味即焦糖味；（智力低下）10、氨基酸代谢障碍病即高甘氨酸血症（智力低下、骨质疏松、白细胞和血小板减少，发出猫尿味；（一般说来，在一般膳食情况下，24小时排出的溶质为47～65克，其中一半为尿素。
茶叶色香味品质评价方法研究进展
茶叶色香味品质评价方法研究进展欧伊伶;张娅楠;覃丽;缪有成;肖力争【摘要】随着时代的进步,传统茶叶品质评价方法的局限性日渐凸显,运用感官审评能快速鉴定茶叶品质特征,但容易受到主客观因素的影响,传统理化检测法虽然较为准确客观,但操作繁琐,且无法较好地反映茶叶整体品质.若在感官审评和理化分析基础上结合现代仪器和技术进行检测,能优势互补,取长补短,实现更为全面的茶叶品质评判.为此,本文从色泽、香气和滋味三个方面归纳了近年来在茶叶品质评价研究中所用的新方法,包括计算机视觉图像处理技术、可视化传感阵列技术、电子鼻技术、全二维气相色谱-飞行时间质谱技术、气相色谱-嗅觉测定技术、电子舌技术及近红外光谱测定技术,并对新技术在茶叶品质评价应用的发展趋势进行了展望.【期刊名称】《食品工业科技》【年(卷),期】2019(040)006【总页数】7页(P342-347,360)【关键词】茶;茶叶品质;品质评价方法【作者】欧伊伶;张娅楠;覃丽;缪有成;肖力争【作者单位】湖南农业大学园艺园林学院,国家植物功能成分利用工程技术研究中心,茶学教育部重点实验室,湖南省植物功能成分利用协同创新中心,湖南长沙410128;湖南农业大学园艺园林学院,国家植物功能成分利用工程技术研究中心,茶学教育部重点实验室,湖南省植物功能成分利用协同创新中心,湖南长沙410128;湖南农业大学园艺园林学院,国家植物功能成分利用工程技术研究中心,茶学教育部重点实验室,湖南省植物功能成分利用协同创新中心,湖南长沙410128;湖南农业大学园艺园林学院,国家植物功能成分利用工程技术研究中心,茶学教育部重点实验室,湖南省植物功能成分利用协同创新中心,湖南长沙410128;湖南农业大学园艺园林学院,国家植物功能成分利用工程技术研究中心,茶学教育部重点实验室,湖南省植物功能成分利用协同创新中心,湖南长沙410128【正文语种】中文【中图分类】TS201.1长久以来,茶叶品质主要是通过感官审评和理化检测来评定的。
brain
Brain Sci. Adv. | 基于改进EEGNet的快速序列视觉呈现(RSVP)任务单试次脑电图(EEG)分类方法
关键词
脑电图（electroencephalogram, EEG）
快速序列视觉呈现（rapid serial visual presentation, RSVP）事件相关电位（event-related potential, ERP）
EEGNet
特定受试者模型（subject-specific model）
摘要
快速序列视觉呈现(RSVP)范式作为一种新型的脑机接口(BCI)，引发了广泛关注。
针对这一新型范式，本文提出一种改进的EEGNet模型，在离线和在线单试次RSVP数据中均取得了良好的性能。
具体实现流程为：
首先，脑电信号通过xDAWN滤波以增强信号的信噪比，特别地，笔者采用了focal loss损失函数代替交叉熵损失函数来解决样本不平衡的分类问题。
其次，利用每位受试者的数据对改进的EEGNet模型进行训练，从而获得面向受试者的特定模型。
在2021年世界机器人大赛的BCI脑控机器人大赛的ERP赛题中，上述模型获得了充分的评估和在线测试应用，四位受试者在三分类问题中的平均召回率达到了51.56%。
在离线数据集benchmark dataset（64名被试-RSVP任务）中A组和B 组的平均召回率分别达到 76.07% 和 78.11%。
本文研究为RSVP 范式下目标识别提供了一种有效方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
DO I :10.3724/S P.J .1096.2010.01115基于新型可视化学传感阵列的氨基酸快速识别霍丹群1 张国平1 侯长军*1 董家乐1张玉婵1刘振1 罗小刚1 法焕宝2 张宿义1,31(重庆大学生物流变科学与技术教育部重点实验室,生物工程学院,重庆400030)2(重庆大学化学化工学院,重庆400030)3(泸州老窖股份有限公司,泸州646000)摘 要 以卟啉和其衍生物及指示剂为传感元件,构建了一种对氨基酸敏感的可视传感阵列。
可视化学传感阵列以交互响应的敏感元件组成阵列,对不同物质产生特异的响应,并通过信号识别处理系统,将检测结果以图谱的方式显示,实现检测的可视化。
研究中筛选了对氨基酸敏感的36种化学物质,构建了6 6的传感阵列,使用自主研发的阵列数据采集与处理系统,对10种具有代表性的常见氨基酸进行了检测,氨基酸溶液与阵列的反应时间为5m i n 。
对实验检测结果数据采用主成分分析和判别分析进行了计算和分析。
实验结果显示,通过阵列响应的可视差图可以将浓度为375 m o l/L 的10种氨基酸明显区分。
判别分析结果显示,本可视阵列对氨基酸识别的准确率达到97%。
二维主成分散点图和判别分析散点图对10种氨基酸都有显著分辨效果。
本可视传感阵列可用于氨基酸的快速识别。
关键词 可视传感阵列;氨基酸;识别2009-11-04收稿;2010-02-26接受本文系国家自然科学基金(No .30770568)、国家高技术研究发展计划(863计划)(No .2006AA04Z349)、重庆市科委重点攻关(No .2008AB2024)、重庆大学研究生创新团队(No .200909B1008)和重庆大学 211工程 三期创新人才培养计划(No .S -091-4)资助项目*E-m ai:l houc@j cqu 1 引 言氨基酸是构成生命体的基本物质,是细胞代谢的基础物质。
氨基酸的快速识别对细胞代谢分析具有重要意义。
目前,对氨基酸进行识别的常用方法是高效液相色谱(H PLC )、气相色谱(GC )和毛细管电泳(CE )等各种色谱法[1~3]。
这些方法具有精确度高和检出限低的优点,但样品前处理时间长、成本高,很难适应快速检测,限制了它们的应用[4~6]。
近年来,研制出多种用于氨基酸鉴别的传感器[7~9]。
多数传感器采用了能够对氨基酸侧链基团进行识别的受体来实现选择性的识别[10,11],然而这些传感器却很难对丙氨酸(A la)和缬氨酸(Va l)这类没有特殊功能基团的氨基酸进行很好的识别。
Buryak 等[12]报道了一种由指示剂组成的化学传感阵列,通过紫外-可见光谱结合多元分析成功地进行了20种常见氨基酸的区分,为实现氨基酸的快速识别提供了一种全新的思路。
然而这种研究仍然要采用光谱仪进行数据采集,大大影响了实际应用中的识别效率。
基于阵列的化学传感器以交互响应的敏感元件组成阵列,可以模拟哺乳动物的嗅觉或味觉系统,对不同物质产生特异的响应[13]。
目前,多种对不同物质进行特异性识别的可视阵列传感器已经有报道,识别的物质包括小分子的糖类[14]、有机物[15,16]和脂肪族胺[17]等。
然而对于研究生命活动现象具有极其重要意义的氨基酸和蛋白质的识别尚未见报道。
本研究构建了对氨基酸敏感的可视传感阵列,对10种具有代表性的常见氨基酸进行特异性的识别,对蛋白质识别和细胞识别研究进行了前期的探索。
2 实验部分2.1 试剂各种氨基酸和染料均为分析纯(S i g m a -A l d rich 公司)。
m eso -四苯基卟啉(H 2TPP)及其各种衍生物均为分析纯(Fronti e r Scientific 公司)。
聚偏氟乙烯膜(A rke m a 公司)。
超纯水由M illi p o re D irec-t Q W ater syste m (法国M o lshei m 公司)制备。
第38卷2010年8月 分析化学(FENX I HUAXUE ) 研究报告Ch i nese Journal o fA na l y ti ca l Che m istry 第8期1115~11202.2 实验方法2.2.1 样品准备 以10种常见的氨基酸为检测对象,包括4种非极性氨基酸(L -甘氨酸(G ly)、L -缬氨酸(Va l)、L -甲硫氨酸(M et)和L -脯氨酸(Pro));3种极性不带电氨基酸(L -丝氨酸(Ser)、L -酪氨酸(Tyr)和L -谷氨酰胺(G l n ));3种极性带电氨基酸(L -谷氨酸(G l u )、L -赖氨酸(Lys)和L -组氨酸(H is))。
其中,Tyr 是唯一的芳香族氨基酸,G l u 是酸性最强的氨基酸,Lys 是碱性最强的氨基酸,H is 和Pro 是杂环氨基酸(如表1)。
10种氨基酸分别用超纯水定容至50mL ,浓度均为375 mo l/L ,备用。
表1 10种氨基酸的残基结构和等电点T able 1 R es i due structure and pI o f ten a m i no ac i d used Am i no aci d R es i due stru cture p l Gly H 5.97V al 5.96M et 5.74Pro 6.30Ser 5.68Tyr 5.66G l n 5.65G l u 3.22H is 7.59Lys 9.742.2.2 阵列构建与检测方法 构建可视传感阵列前需要进行大量的前期实验,通过分析目标物质与大量敏感材料的反应光谱,筛选出与目标物质反应灵敏、变色显著的敏感材料,作为传感阵列的传感单元。
本课题组经过前期实验,筛选了对氨基酸敏感的36种化学物质,构建了一种6 6的传感阵列。
传感阵列采用疏水的聚偏氟乙烯膜作为基底材料,可有效的防止空气湿度对阵列检测造成的影响。
制作好的阵列芯片密封保存于氮气黑暗环境中,以保持其反应活性。
实验采用本课题组研发的阵列数据采集与处理系统,系统原理图及检测过程如图1所示。
实验检测时,只需采集传感阵列与氨基酸溶液反应前后的可见光区阵列光谱变化,系统软件就能自动提取并保存阵列上每个点的R ,G 和B 数值,这些数据就显示了传感器阵列的反应变化。
通过系统软件标准化处理,最后生成反应前后的阵列点RGB 差图;通过系统软件计算出的R ,G,B 数据就是对应的氨基酸与阵列作用的指纹响应结果。
本实验中采用了6 6维的传感阵列,每个阵列点上包含R,G,B 三维向量数据,指纹响应结果包含了108维有效数据,每维数据理论上的变化范围为0~255,包含256个值,由此可得阵列在理论上的响应模式有256108种,这就保证了阵列强大的识别能力,可以对每种检测物的指纹响应结果进行特异性的识别。
本实验中,每种氨基酸进行了10次平行检测,阵列与氨基酸溶液的反应时间为5m in 。
3 结果与讨论3.1 基于分子识别的可视化学传感阵列特定识别受体 的模式识别方法是有效分析不同化学结构和混合物的有力工具。
合成的识别受体不需要特异性或者选择性的与目标分析物结合,取而代之的唯一要求是,阵列中的识别受体可以与不同分析物不同程度的结合,并由此产生可用于分析的诸多模式。
但对识别受体进行一定程度的理性设计,以保证其对分析物具有一定的亲和力和选择性,依然是有必要的。
可视化学传感阵列是近年来发展起来的一种新的模式识别传感技术,其利用传感阵列检测待测样本特征响应信号,通过信号识别处理系统,将检测结果以图谱的方式显示,实现检测的可视化。
该传感阵列的设计过程中需要考虑到4个方面:(1)化学传感阵列每单元应具有一定的选择性,分析物能够与其中心位点牢固结合,以保证阵列对分析物的响应是强的相互作用;(2)作用位点要有一个良好的生色基团与其配位,这就保证阵列与分析物的响应能引起敏感元件色彩变化;(3)阵列上的传感单元必须具有交叉敏感效应,即每个传感单元对不同的组分具有不同的响应能力;(4)传感器各项参数以及相应信号稳定,并具有良好的重现性。
本研究中主要采用了3种满足上述要求的传感单元:卟啉及其衍生物、1116 分析化学第38卷酸碱指示剂以及极性指示剂。
卟啉分子具有大 共轭环状结构,与待检测物配位结合后能产生较大的光谱响应,可有效识别分子间的相互作用,如键的形成、酸碱相互作用、氢键作用、偶极和多极作用、 - 共轭作用以及范德华力和物理吸附等。
因此,以多种卟啉及衍生物分子作为传感器阵列材料,根据阵列与待测物的响应特征图谱,对不同物质的特异性识别,可有效解决大多数传感器对不同物质的分辨能力较差的缺点,又能保持传感器的特异选择性。
另外,在可视传感阵列中采用卟啉衍生物、酸碱指示剂以及极性指示剂与目标物质反应之后,会产生明显的颜色变化,通过比对反应前后阵列颜色变化的R 、G 和B 数据即可实现对物质的特异性识别,与传统传感器以光谱数据进行识别的方式相比,可视阵列传感器的应用更加快捷简便。
3.2 阵列分析识别结果采用已建立的实验系统(图1),对浓度为375 m o l/L 的不同氨基酸进行了研究,可视传感阵列对10种氨基酸的响应结果如图2所示。
由图2可见,传感阵列对10种氨基酸具有显著的相应,且响应结果各不相同,用肉眼即可将它们区别出来。
通过观察可以发现,有些性质相近的氨基酸的相应指纹图相似度也高,如H i s 和Lys 以及Tyr 和Ser 等。
但通过系统软件分析很容易对它们进行识别。
而氨基酸性质相差较大,响应指纹图相差也较大,如G l u 作为酸性最强的氨基酸,H is 和Lys 作为碱性最强的氨基酸,均表现出与其它氨基酸极为显著的差异。
相比文献[18,19]利用单一溶液色度变化进行物质识别的方法而言,彩色传感阵列的识别效果和识别能力都显著提高。
图1 可视传感阵列系统原理图F i g.1 Schema ti c diagra m of co lori m e tric sensorarray图2 10种氨基酸与阵列作用的响应可视差图F i g .2 A verage co lor change profiles o f ten a m i no acids v i sua lized as co l or difference m aps3.3 实验结果主成分分析(PCA )主成分分析是一种常用的传感阵列分析方法。
其基本原理是设法将原来众多具有一定相关性的指标,重新组合成一组新的互相无关的综合指标来代替原来的指标,用几个主要的综合指标尽可能多的反映整体的信息,达到降维的目的。
在可视传感阵列上,每个阵列点包含有R 、G 、B 三维信息,因此其原始信息指标相当多,达到3N 维(N 为阵列上的阵列点个数)。