一种基于原位生长的普鲁士蓝纳米酶检测苯佐卡因的方法

    公开(公告)号:CN115656498A

    公开(公告)日:2023-01-31

    申请号:CN202211255363.0

    申请日:2022-10-13

    Abstract: 本发明公开了一种基于原位生长的普鲁士蓝纳米酶检测苯佐卡因的方法,其包括以下步骤:S1.原位生长普鲁士蓝纳米酶;S2.制备纳米探针;S3.制备比色免疫传感器:基于步骤S2得到的纳米探针制备比色免疫传感器;S4.构建标准曲线;S5.测定样品中的苯佐卡因。本发明利用含有铁离子的聚多巴胺在酸性条件下加入亚铁氰化钾原位生长普鲁士蓝纳米酶,普鲁士蓝纳米酶可以通过催化H2O2产生‑OH,从而使显色底物四甲基联苯胺由无色变为蓝色。通过静电吸附法标记苯佐卡因抗体,利用抗原与抗体的特异性识别,加入目标物,通过目标物与抗原的竞争作用,进而构建一种间接竞争酶联免疫比色传感分析方法。该方法用于痕量检测苯佐卡因的检出限为0.042ng/mL。

    一种检测亚硝酸盐的比率荧光分析方法

    公开(公告)号:CN113777087B

    公开(公告)日:2022-07-01

    申请号:CN202111137305.3

    申请日:2021-09-27

    Abstract: 本发明公开了一种检测亚硝酸盐的比率荧光分析方法,其包括以下步骤:S1.石墨烯量子点的合成:S2.标准曲线的建立;S3.样品中亚硝酸盐的测定。本发明通过利用亚硝酸钠与邻苯二胺(OPD)在酸性条件下发生衍生化反应生成苯并三唑(BPA),苯并三唑(BPA)在碱性介质中产生强烈荧光。而BPA同时作为一种良好的荧光猝灭剂和响应信号,在450nm处有特征吸收,可高效猝灭石墨烯量子点(Ex:350nm,Em:578nm)的荧光(参比信号),从而实现了比率荧光分析方法来对痕量亚硝酸盐进行检测。本方法具有操作简单、灵敏度高(最低检测限可低至1.29×10‑5mg/kg)、快速方便(反应时间15min)等优势,可用于亚硝酸盐快速检测,应用前景广阔。

    一种检测氨基甲酸乙酯的方法

    公开(公告)号:CN114085267A

    公开(公告)日:2022-02-25

    申请号:CN202111101007.9

    申请日:2021-09-18

    Abstract: 本发明公开了一种检测氨基甲酸乙酯的方法,该方法利用氨基甲酸乙酯衍生物模拟表位肽代替抗原建立竞争型噬菌体酶联免疫分析法(phage‑ELISA),氨基甲酸乙酯衍生物模拟表位肽的氨基酸序列如SEQ ID NO:1、3或5所示。其为首次报道的与氨基甲酸乙酯衍生物抗体特异性结合的模拟表位肽;利用本发明中所述的噬菌体展示模拟表位肽的噬菌体可以建立灵敏,快速的竞争型酶联免疫分析法;构建的竞争型免疫分析方法,IC50为0.89ng/mL,检测限为0.01ng/mL。与传统的基于半抗原的免疫分析方法灵敏度相比,本方法的灵敏度提高了928倍;建立的竞争型免疫分析方法对氨基甲酸乙酯的结构类似物的交叉反应良好。

    一种丙烯酰胺特异性纳米抗体的制备及其应用

    公开(公告)号:CN112457407A

    公开(公告)日:2021-03-09

    申请号:CN202011433474.7

    申请日:2020-12-09

    Abstract: 本发明公开了一种丙烯酰胺特异性纳米抗体及其应用。所述丙烯酰胺特异性纳米抗体的氨基酸序列如SEQ ID NO.1所示,该纳米抗体可以特异性识别丙烯酰胺衍生物,且具有优异的有机溶剂耐受性,在实际样品检测中不受前处理加工过程中的有机溶剂的影响,对食品中丙烯酰胺含量的检测线性范围为0.028μg/mL~0.18μg/mL,IC50为0.07μg/mL,最低检测限(LOD)为5.2ng/mL,稳定性好、特异性强,灵敏度高,且适用条件广,操作简单快速;本发明丙烯酰胺特异性纳米抗体的制备简单,具有普遍适用性,在检测食品中丙烯酰胺的污染水平及进一步开发免疫检测试剂盒等方面具有广泛的应用前景。

    一种利用元素分析-稳定同位素质谱鉴别燕窝真伪的方法及应用

    公开(公告)号:CN111879846A

    公开(公告)日:2020-11-03

    申请号:CN202010753277.7

    申请日:2020-07-30

    Abstract: 本发明公开了一种利用元素分析-稳定同位素质谱结合统计分析鉴别燕窝真伪的方法及应用。是将待测样品进行简单的前处理后,利用元素分析仪-稳定同位素质谱仪采集待测样品质谱信息,进行特征物质提取,将获得的待测样品的特征物质信息调入燕窝真伪鉴别模型和鉴别方程中进行定性和定量预测。本发明以真实燕窝、掺假燕窝样本建立的分类判别PCA-Class模型准确率达93.75%,可做未知燕窝样品的定性鉴别;本发明以真实燕窝、掺唾液酸燕窝和掺蛋清燕窝样本建立的正交偏最小二乘回归OPLS预测方程线性拟合良好,可以区分掺杂唾液酸含量超过2%和蛋清含量超过5%的燕窝,定量检测燕窝中的掺假物。本法可同时解决定性、定量的检测难题,使检测结果更加全面。

Patent Agency Ranking