项目名称: 可控分子印迹-石英晶体微天平用于瘦肉精的检测

项目编号: No.U1204214

项目类型: 联合基金项目

立项/批准年度: 2013

项目学科: 分析化学

项目作者: 周文辉

作者单位: 河南大学

项目金额: 30万元

中文摘要: 基于瘦肉精滥用及在动物源食品中残留十分严重并造成中毒事故时有发生的现状,结合可控分子印迹技术和石英晶体微天平研究热点,本项目将开展农产品和食品中瘦肉精的分析与检测研究。可控分子印迹技术是采用可控自由基聚合反应进行功能单体和交联剂聚合的分子印迹技术。本项目拟利用可控分子印迹技术制备对瘦肉精具有特异性识别能力的分子印迹聚合物纳米膜,实现待测样品中瘦肉精的选择性分离与富集,并与石英晶体微天平结合构建仿生传感器,最终实现农产品或食品等复杂基质中瘦肉精的直接分析和检测。本项目研究成果将在农兽药残留分析与检测、食品安全与健康等国计民生相关领域发挥重大的作用。

中文关键词: 分子印迹聚合物;传感器;氯霉素;肾上腺素;沙丁胺醇

英文摘要: Clenbuterol abuse and residue in food of animal origin are very serious problems and often cause series of poisoning accident. Combined with the research focus of controlled molecularly imprinted technology and quartz crystal microbalance (QCM), this proposed project will carry out the analysis and detection of clenbuterol in farm products and food. Controlled molecularly imprinted technology is based on controlled radical polymerization (CRP) to prepare molecularly imprinted polymers (MIPs). This proposed research will investigate the synthesis of molecularly imprinted polymer nano-film with selective recognition ability for clenbuterol achieving selective separation and enrichment of clenbuterol in sample. Combining with the QCM, the proposed biomimetic sensor could be employed to analyze and detect clenbuterol in the complex matrix such as agricultural products or food. Results of this research will benefit pesticide and/or veterinary residues analysis in farm products and food, thus benefit food safety and health.

英文关键词: Molecularly imprinted polymer;sensor;chloramphenicol;epinephrine;salbutamol

成为VIP会员查看完整内容
0

相关内容

《智能制造机器视觉在线检测测试方法》国家标准意见稿
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
中国信通院:量子信息技术发展与应用研究报告
专知会员服务
42+阅读 · 2022年1月1日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
23+阅读 · 2021年6月19日
专知会员服务
15+阅读 · 2020年11月8日
[ICML2020]层次间消息传递的分子图学习
专知会员服务
33+阅读 · 2020年6月27日
已删除
将门创投
13+阅读 · 2019年4月17日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
37+阅读 · 2021年9月28日
Anomalous Instance Detection in Deep Learning: A Survey
Arxiv
15+阅读 · 2020年2月6日
Arxiv
14+阅读 · 2019年9月11日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
Arxiv
10+阅读 · 2018年3月23日
小贴士
相关主题
相关VIP内容
《智能制造机器视觉在线检测测试方法》国家标准意见稿
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
中国信通院:量子信息技术发展与应用研究报告
专知会员服务
42+阅读 · 2022年1月1日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
23+阅读 · 2021年6月19日
专知会员服务
15+阅读 · 2020年11月8日
[ICML2020]层次间消息传递的分子图学习
专知会员服务
33+阅读 · 2020年6月27日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员