基于铜纳米簇及其复合材料的荧光生物传感器的构建及应用

来源 :河北大学 | 被引量 : 0次 | 上传用户:liongliong542
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
铜纳米簇(CuNCs)具有前体廉价易得,制备成本低,合成速度快,生物相容性好及环境危害性低等优点,受到了众多研究者的关注。但是,CuNCs在合成过程中易发生团聚,裸露的表面也容易被空气氧化,导致其光稳定性较差,限制了CuNCs在生物传感领域的分析应用。因此,本文致力于改善CuNCs的光学性能,合成高稳定性和高荧光强度的CuNCs及其复合材料,并将其作为荧光探针构建了生物传感检测新方法。其主要研究内容如下:1.以聚乙烯亚胺(PEI)为稳定剂,盐酸羟胺(NH2OH·HCl)为还原剂,采用一锅法制备了蓝色荧光PEI-CuNCs,其荧光量子产率高达18.81%,室温下光稳定性可达30天以上。基于电子转移效应,以PEI-CuNCs作荧光探针可用于检测Cu2+,线性检测范围为0.1-10μM,最低检出限(LOD)为0.02μM;基于Cu2+与PEI-CuNCs荧光探针或生物硫醇之间的竞争配位关系,该荧光探针也可用于半胱氨酸和谷胱甘肽两种生物硫醇的检测,线性检测范围分别为1-30μM和1-30μM,LOD分别为0.66μM和0.51μM。此外,将该传感方法成功用于检测人血清样品中半胱氨酸和谷胱甘肽的含量,其相对标准偏差(RSD)分别小于3.44%和3.14%,加标回收率分别为96.6%-103.6%和97.9%-101.8%。2.采用牛血清白蛋白(BSA)为稳定剂,水合肼(N2H4·H2O)为还原剂,在室温下快速合成了BSA-CuNCs,并通过3-氨基苯硼酸(APBA)对其进行功能化,由于APBA中的氨基为给电子基团,增强了BSA与铜原子之间的电子转移效应,提高了BSA-CuNCs的荧光强度,光稳定性也从1个月延长至3个月。基于APBA的硼酸基团与多巴胺(DA)的邻苯二酚基团之间具有较高的亲和力,以APBA-CuNCs作为荧光探针可提高对DA检测的灵敏度和选择性,其线性检测范围为5-200 n M,LOD为3.01 n M。此外,将该传感方法成功用于检测人血清样品中DA的含量,RSD小于3.77%,加标回收率为97.6%-102.1%。3.通过在金属有机骨架UIO-66中组装BSA-CuNCs前体,合成了CuNCs@UIO-66复合材料。由于UIO-66的保护作用和空间限制效应,导致CuNCs聚集诱导荧光增强,光稳定性也从1个月延长至6个月。基于肌酐(CR)和CuNCs@UIO-66复合材料之间可能形成了非荧光配位复合物,加入CR后,该复合材料的荧光显著猝灭。因此,以CuNCs@UIO-66复合材料作为荧光探针可实现对CR高灵敏高选择性的检测,其线性检测范围为50-1000 n M,LOD为30.81 n M。此外,将该传感方法成功用于检测人血清样品中CR的含量测定,RSD小于4.18%,加标回收率为96.8%-103.3%。
其他文献
伴随着系统仿真和控制芯片性能的日趋发展,对于现在的控制需求来说仅仅依靠纯数学仿真显得力不从心。由此而来的半实物仿真技术逐渐得到了普及,因它兼具纯数学仿真和物理试验的特性,所以在工业界得到了广泛的应用。本文通过对半实物仿真技术进行分析与研究,结合学校中的实际情况,在保证性能的前提下,控制设计成本,搭建了基于STM32与MATLAB/Simulink的半实物仿真平台,满足了教学与科研中的需求。为了验证
传统的单类支持向量机(one-class support vector machine,OCSVM)在非监督学习领域中取得了较优的性能,从而得到了越来越多的关注。然而,OCSVM存在以下不足之处:一、OCSVM的分类性能在很大程度上依赖于核函数及其参数的选取,若选取不当,则OCSVM就会取得较差的分类效果,而对OCSVM的核函数及其参数的选取迄今仍无可靠的理论依据;二、OCSVM对训练集中的噪声非
极限学习机(Extreme Learning Machine,ELM)具有学习速度快和泛化性能较强的优点,它被广泛应用于分类问题的研究中。由于连接权重的随机初始化,ELM的网络输出往往不够稳定。与ELM相同,单类极限学习机(One-Class ELM,OCELM)同样具有输出稳定性较差的缺点。由于能够加强模型的稳定性和泛化性能,集成学习一直被认为是机器学习领域中一个重要的研究分支。为了提高OCEL
缔合流体是一种具有特殊结构和性质的流体,通过对缔合流体物理化学性质的研究,将会为未来科学的发展和工业的进步提供有价值的见解。因为缔合流体在生物化学、物理化学及材料化学的研究中扮演着重要角色。本文以Aa型缔合流体为研究对象,在具体研究中,首先基于统计力学原理,结合经典流体密度泛函理论,构建体系的巨势泛函,并根据巨势泛函极小化原理计算流体的平衡密度分布,进而得到径向分布函数,并进一步结合Kirkwoo
衡量航空发动机性能优劣的一个核心指标是其推力大小,而转子的转速与发动机推力紧密相关。转子转速调节的快速性和动态精度是衡量航空发动机调速性能的主要性能指标,响应快的调速系统能增加飞机飞行的机动性,但往往伴随着较大的速度超调。转速超调不仅会增加燃油消耗,更可能会导致转子叶片的抖动甚至引发喘振。因此,除了满足对发动机的性能要求外,其安全保护问题同样重要,研究航空发动机调速控制的无超调动态响应,兼顾调速系
生成对抗网络是一种新型的深度生成模型,具有可以拟合任意复杂数据分布的超强建模能力,尤其在图像生成任务中展现了出色的性能,故一经提出就迅速在深度学习领域占领了主流地位。然而,生成对抗网络模型在集图像清晰、简单高效等众多优点于一身的同时也存在着不足之处,模式崩溃就是其面临的主要挑战之一。模式崩溃是指生成器生成的数据样本之间具有较高的相似性,即生成的数据样本集中分布在目标分布的部分模式上,多样性较差。模
近几年,卷积神经网络(Convolution Neural Network,CNN)已经成功应用于许多计算机视觉任务,它的核心是通过卷积运算、池化以及非线性运算,使网络能够在每一层的局部感受野内融合空间和通道信息建立高维特征表示。传统CNN通过执行线性组合和逐元素非线性运算,可以从输入图像中提取一阶信息。而二阶统计信息是对局部特征组按通道计算协方差矩阵、Fisher信息矩阵或基于向量外积运算得到特
对高维数据(如图像)的复杂生成过程进行精确建模是深度学习的关键任务。在许多应用领域中,变分自编码器(VAE)被证明对这项任务非常有效,具有解释和直接控制与数据生成中潜在隐藏因素相对应的潜在变量的能力。但是传统的VAE也有不足之处,那就是对于复杂的模型表现力较差,并且生成的图像往往比较模糊。本文将从改进模型目标函数和改变模型结构两个方面来解决上述问题。本文提出一种基于行列式点过程的变分拉普拉斯自编码
在机器学习领域中,解决分类问题的算法针对的大多都是基于均匀分布的平衡数据的分类问题,而对于非平衡数据分类问题,达不到理想的分类效果。在实际的应用中,少数类数据的分类是非常重要的,如医学诊断、风险管理等。因此,研究非平衡数据分类问题是非常有意义的。本文研究的是两类非平衡数据分类问题。主要分为以下三部分工作:首先,提出了一种基于代价敏感的Ada Boost_v算法。该算法在已有的Ada Boost_v
心房颤动是常见的心律失常疾病。从房颤患者体表心电信号中提取出的房颤信号(f波)对于房颤的研究与临床诊断具有重要价值。为满足医学研究和临床领域对f波提取准确性的要求,本文结合深度学习新技术以及信号稀疏分解、重构理论对房颤信号提取算法做出进一步研究,主要研究内容如下:(1)为解决QRST波群形态改变对房颤f波提取准确性问题,本文提出基于双向长短期记忆和稀疏重构的房颤信号提取算法。设计多层双向长短期记忆