首页期刊导航|分析化学
期刊信息/Journal information
分析化学
中国化学会 中国科学院长春应用化学研究所
分析化学

中国化学会 中国科学院长春应用化学研究所

汪尔康

月刊

0253-3820

fxhx@ciac.jl.cn

0431-85262017

130022

长春人民大街5625号

分析化学/Journal Chinese Journal of Analytical ChemistryCSCD北大核心CSTPCDEISCI
查看更多>>《分析化学》是中国化学会和中国科学院长春应用化学研究所共同主办的专业性学术期刊,主要报道我国分析化学创新性研究成果,反映国内外分析化学学科前沿和进展。本刊旨在为冶金、地质、化工、材料、农业、食品、药物、环境等领域从事研究测试的科技人员及高等院校相关专业的广大师生提供最新的分析化学的理论、方法和研究进展,促进学术交流和科技进步,为国家的经济建设服务。
正式出版
收录年代

    学贯中西,婉珍化石为金德配天地,国士写忠于心——纪念陆婉珍院士百年诞辰

    邢亚辉褚小立
    1211-1212页

    近五年我国近红外光谱分析技术的研究与应用进展

    陈瀑杨健褚小立李敬岩...
    1213-1224页
    查看更多>>摘要:近红外光谱是一种分子吸收光谱,包含丰富的组成和结构信息,应用范围广泛.近年来,在人工智能、物联网和智能工厂等大背景推动下,我国近红外光谱分析技术得到了快速和高质量发展,在很多领域的研究和应用都取得了很好的效果.本文评述了近五年(2019~2023年)我国近红外光谱分析技术的研究与应用进展,涉及方法学研究、实用性技术研究和应用研究等方面,并对我国近红外光谱关键技术未来的发展前景进行了展望.

    近红外光谱化学计量学便携式分析在线分析评述

    近红外光谱技术应用于癌症检测的研究进展

    朗韦玮李嘉晨董林毅韩丽...
    1225-1233页
    查看更多>>摘要:近红外(Near-infrared,NIR)光谱主要反映了含氢基团的振动信息,可用于获取由疾病引起的生物样品中蛋白质、脂质等成分的含量和结构变化信息.近年来,近红外光谱技术由于其快速、无损和非侵入性等优势,在疾病诊断领域发挥了重要作用.在癌症检测方面,恶性肿瘤细胞与正常细胞的化学结构和成分存在明显差异,并且癌症引起的异常代谢功能会导致生物组织和体液成分发生变化,从而影响光谱吸收,这使得近红外光谱有望成为探测生物体内癌变信息的有效工具.然而,近红外光谱的谱峰重叠严重,因此通常需要借助化学计量学方法对光谱进行解析,以有效提取癌症诊断信息.本文总结了近年来近红外光谱技术应用于癌症检测的研究进展,包括使用光谱预处理方法用于获取高分辨率光谱信号和建立模型方法用于癌症诊断,以及近红外高光谱成像结合深度学习方法的医学诊疗应用趋势.通过对光谱进行解析,可以探测生物体系中分子的定量信息和结构变化,特别是利用近红外光谱对水的敏感性,分析了水在癌变过程中的含量和结构变化及其在癌症检测中的作用机理.

    近红外光谱癌症诊断化学计量学定量分析结构分析评述

    甲状腺球蛋白检测技术的研究进展

    吴越单勇杰曹守纪季世琦...
    1234-1243页
    查看更多>>摘要:甲状腺球蛋白(Thyroglobulin,Tg)是一种由甲状腺滤泡细胞合成并分泌到血液中的大分子糖蛋白.血液中Tg的浓度水平是判定分化型甲状腺癌和亚急性甲状腺炎等甲状腺疾病的重要指标之一.放射免疫分析法、免疫放射分析法和免疫化学发光分析法是临床检测Tg的主要方法.近年来,为了满足甲状腺清除术后对较低浓度血液Tg的检测需求,研究者开发了多种高性能分析方法用于血液样本中Tg浓度的检测,为甲状腺疾病筛查和疗效评估提供了新的技术手段.本文综述了Tg的分析方法,尤其是近五年来用于血液中低浓度Tg监测的生物传感器研究的新进展,探讨了其在实际临床应用中面临的技术挑战,为开发分化型甲状腺癌液体活检新方法提供了参考.

    甲状腺球蛋白生物传感器甲状腺疾病液体活检评述

    基于挥发性成分和多元统计分析法鉴别稻谷新陈度

    郭瑞李盼盼张炜王楠希...
    1244-1253页
    查看更多>>摘要:本研究以2019~2023年份收获的稻谷为研究对象,采用顶空固相微萃取-气相色谱-三重四极杆质谱联用方法对稻谷的挥发性成分进行检测,结合标准质谱数据库及保留指数建立选择离子监测方法,通过内标法计算各个组分的含量.采用主成分分析和正交偏最小二乘法判别分析对挥发性化合物进行多元统计分析,筛选出与稻谷新鲜度相关的差异化合物,建立了基于挥发性成分分析的储藏稻谷鉴别模型.在不同年份收获的稻谷样本中共检出44种挥发性化合物,包括醛类、醇类、酮类、酸类、酯类、酚类和呋喃等.多元统计分析结果表明,根据挥发性化合物含量建立的正交偏最小二乘法判别分析模型,2023年收获的稻谷与2019~2022年收获的稻谷可显著区分为两类,进一步基于变量重要性投影(VIP)值大于1和单因素分析p值小于0.05,确定己酸和壬酸等12种化合物为差异化合物.本研究提出的基于挥发性成分分析的储藏稻谷分类模型可为稻谷新陈度判定提供理论依据.

    稻谷挥发性成分气相色谱-三重四极杆质谱多元统计分析分类模型

    衰减全反射-傅里叶红外光谱高阶导数结合角度量的最小二乘预测风电机组润滑油酸值

    葛春晖刘妍君陈梦实杨策...
    1254-1265,中插1-中插4页
    查看更多>>摘要:针对多元统计建模依赖大样本的关键限制性问题,提出了高阶导数处理结合向量空间角度量乘性误差校正的最小二乘回归方法,并建立了衰减全反射-傅里叶红外光谱(ATR-FTIR)酸值预测模型.以某风电机组96个润滑油样品为案例,基于电位滴定法酸值测定数据实现了ATR-FTIR光谱对酸值的直接校正预测.采用模拟双曲函数法(SH)得到精密且准确的四阶导数光谱,通过分离重叠区域,提高光谱选择性;从校正集(48个样本)中按照相关系数判断特征区域;选取酸值最高样本作为参比,以角度量转换、1/(1+tan(θ/2))作为光谱的度量关系,抑制ATR-FTIR中有效光程变化等因素引起的乘性误差.经过四阶导数结合角度量方法的有效预处理,变量数由1737降至8,条件数由1.85×1015 降至56.34,有效消除了共线性对最小二乘(OLS)法的影响.直接应用OLS回归,验证集47个样本的决定系数(R2)达到0.981,相对误差为-8.38%~8.22%,优于常用的偏最小二乘(PLS)方法(R2=0.865,相对误差为-27.82%~22.38%),有效的数据预处理显著提高了预测精度.为进一步验证样本数对模型的影响,将校正样本集压缩至25,验证集扩充至70.结果表明,此模型的变量数由1737降为8,条件数由3.88×1015 降至42.60,验证集的R2=0.972,相对误差为-10.80%~12.31%,较PLS方法(R2=0.724,相对误差为-34.26%~53.84%)改善更明显,表明本方法在更少的建模样本条件下依然具有较高的预测精度,同时对乘性误差干扰具有良好的抑制作用和鲁棒性.

    润滑油酸值衰减全反射-傅立叶红外光谱高阶导数向量空间角共线性最小二乘回归

    基于数据增强策略和卷积神经网络的近红外光谱分析研究

    郑运杨思雨王涛邓焯文...
    1266-1276页
    查看更多>>摘要:近红外光谱技术结合化学计量学算法已广泛应用于食品和药品等领域的定性和定量分析.然而,传统化学计量学方法,特别是线性分类方法,在解决多分类问题时的效果不佳.卷积神经网络(CNN)能够提取数据中的深层次特征,适合处理非线性关系,但其建模性能依赖样本量的大小和多样性,而近红外光谱样本数据的采集和预处理过程通常耗时且费力,获取样本成本较高.本研究提出了一种基于数据增强策略和CNN的近红外光谱定性分析方法.此数据增强策略分为两步:(1)分别采用Bootstrap重采样和生成对抗网络(GAN)方法对3个近红外光谱数据集(药片、咖啡和葡萄)进行样本扩增;(2)将原始样本(Y)分别与Bootstrap扩增样本(B)和GAN扩增样本(G)进行组合,得到3种增强数据集(Y-B、Y-G和Y-B-G).在此基础上,设计了适用于此数据集的CNN模型结构,由2个一维卷积层、1个最大池化层和1个全连接层组成.与偏最小二乘判别分析(PLS-DA)、支持向量机(SVM)和BP神经网络(BP)的最优模型相比,基于Y-B数据集的CNN模型对药片(2类)分析的平均准确率分别提升了3.998%、9.364%和4.689%;基于Y-B-G数据集的CNN模型对咖啡(7类)分析的平均准确率分别提升了6.001%、2.004%和7.523%;基于Y-B数据集的CNN模型对葡萄(20类)分析的平均准确率分别提升了33.408%、51.994%和34.378%.此结果表明,基于数据增强策略和CNN在不同数据集和分类类别中建立的模型均表现出更好的分类准确率和泛化性能.

    数据增强近红外光谱卷积神经网络化学计量学

    峰值提取结合变分模态分解的复杂样品光谱去噪方法研究

    卢素敏郝悦石梓彤初园园...
    1277-1286页
    查看更多>>摘要:为解决变分模态分解(Variational mode decomposition,VMD)用于包含尖锐峰值的光谱去噪时产生的峰损失的问题,本研究提出了峰值提取结合变分模态分解(Peak extraction variational mode decomposition,PE-VMD)的复杂样品光谱信号去噪方法.首先,采用VMD对光谱信号进行去噪;然后,计算光谱信号的一阶导数以确定峰值中心,计算光谱信号的二阶导数以提取高信噪比的峰;最后,将VMD去噪后丢失信息的峰截取去除,剩余光谱与提取的尖锐峰值依次连接,得到最终的去噪光谱.将本方法用于模拟信号和双金属催化剂(MnCo-ISAs/CN)的X-射线衍射(X-ray diffraction,XRD)谱去噪,并与Savitzky-Golay(SG)平滑、经验模态分解(Empirical mode decomposition,EMD)和VMD方法进行比较,采用去噪前后的光谱图和信噪比评价去噪效果.结果表明,PE-VMD去噪具有最大的信噪比,并且有效保留了光谱信号的有用信息.因此,对于包含尖锐峰值的光谱,PE-VMD具有更优异的去噪能力.

    光谱去噪变分模态分解峰值提取X射线衍射

    基于离散小波变换算法和Inception卷积模块一维卷积神经网络的石油类污染物红外光谱定性分析

    孔德明何绍炜李心怡赵珺瑜...
    1287-1297页
    查看更多>>摘要:红外光谱技术具有高效和无损等优点,在石油类污染物分类检测领域中具有重要的研究与应用价值.本研究提出了一种结合离散小波变换(DWT)算法和基于Inception卷积模块的一维卷积神经网络(Incep-tion-1D-CNN)的石油类污染物分类方法,首先使用DWT算法对原始红外光谱数据进行去噪处理,消除因实验环境、仪器误差和人工操作等因素产生的干扰信息;再通过Inception-1D-CNN模型获取多尺度的红外光谱特征信息,并基于此模型对石油类污染物进行分类预测.实验结果表明,与标准正态变换(SNV)、迭代自适应加权惩罚最小二乘法(AirPLS)和卷积平滑(S-G)预处理方法相比,DWT算法结合卷积核大小为3×1的1D-CNN模型的预测准确率为86.6%,分别提高了6.6%、6.6%和3.3%;DWT算法结合卷积核大小为5×1的1D-CNN模型的预测准确率为93.3%,分别提高了10.0%、7.0%和3.3%;DWT算法结合卷积核大小为7×1的1D-CNN模型的预测准确率为90.0%,分别提高了6.7%、10.0%和3.4%;DWT算法结合Inception-1D-CNN模型的预测准确率为100.0%,分别提高了10.0%、10.0%和3.4%.因此,结合DWT算法和Inception-1D-CNN模型能够对石油类污染物准确分类预测,为后续海面溢油污染治理提供了一定的基础.

    红外光谱石油类污染物Inception模块卷积神经网络离散小波变换

    化学需氧量电化学传感器研究

    貟姗王磊万立国彭振宇...
    1298-1306页
    查看更多>>摘要:化学需氧量(COD)检测是实现水环境保护与污水处理过程控制的必要措施.本研究将掺杂氟的氧化硒导电玻璃(FTO)/TiO2/PbO2 电极与薄层电化学池结合,成功制备了电化学COD传感器用于水体中COD的流动检测.采用电化学分析仪、X-射线光电子能谱仪(XPS)、X-射线衍射仪(XRD)对FTO/TiO2/PbO2 电极进行表征.结果表明,在传感器工作初期,输出信号强度的快速衰减与电极表面PbSO4 的阳极氧化过程有关.优化了PbO2 沉积时间和支持电解质Na2SO4 浓度,并进行了实际样品的检测.采用此传感器检测湖水水样和河水水样,传感器信号强度变化规律与国标法《水质化学需氧量的测定快速消解分光光度法》(HJ/T 399-2007)一致,并且当湖水水样被高COD值污水水样替代后,传感器信号显著增大.对COD值为30 mg/L的污水水样连续测量45次,平均值为32.5 mg/L,相对标准偏差为6.8%,测试周期为400 s.所研制的电化学COD传感器具有测试周期可调、测试条件温和以及无需使用有毒有害化学试剂等优点,为水体COD常规检测、有机污染物偷排预警以及污水处理过程控制提供了一种有效的绿色解决方案.

    电催化氧化二氧化铅电极化学需氧量化学需氧量传感器羟基自由基