项目名称: 磁性分子印记聚合物SERS基底的构筑及对抗生素残留的检测

项目编号: No.21203076

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 物理化学

项目作者: 谢云飞

作者单位: 江南大学

项目金额: 25万元

中文摘要: 本项目拟将表面增强拉曼散射(SERS)技术和磁性分子印迹技术相结合对食品中残留的痕量抗生素进行检测。创新性地针对待测抗生素分子"量身定制"构筑SERS基底,并结合磁性分离技术,研究了分子印迹聚合物与SERS基底不同的复合方式对SERS增强机理的影响。本项目的重点在于如何将分子印迹聚合物引入到传统的SERS基底材料,达到二者的完美结合,分别设计了三种复合方式:将已合成好的印迹聚合物组装到制备好的银纳米粒子上;将制备好的银作为反应物置于分子印迹聚合物的制备过程中;将制备好的印迹聚合物置于银纳米粒子的合成过程中。通过比较,选择最优的SERS基底,不仅可以利用SERS本身的高灵敏度以及高选择性等,还兼顾了印迹聚合物的特异性、选择性、可重复利用等优势对食品中的抗生素残留进行简便、快速、高效、现场地检测,有利于发现和解决食品中抗生素残留问题的途径,具有重要的社会价值并为食品安全监督提供技术支撑。

中文关键词: 表面增强拉曼光谱;分子印迹技术;抗生素残留;复合基底;快速检测

英文摘要: The project intends to detect trace antibiotic residues in food by combined surface-enhanced Raman scattering (SERS) and magnetic molecular imprinting technique. It is an innovative research to "tailor-made" synthesize SERS substrate based on the antibiotic molecule to be tested combined with magnetic separation technology, which has studied different SERS ehanced mechanism effected by various combinition modes. This topic focuses on how to introduce molecular imprinted polymer (MIP) to the SERS substrate to form a perfect combination, which is designed for three manners: the synthesised MIP assembly to the prepared silver substrate; the prepared silver as a reactant added to the preparation process of MIP; the prepared MIP as a reactant added into the synthetic process of silver nanoparticles. The optimal SERS substrate is selected by compared ehanced effect from different prepared methods, which not only can take advantage of high sensitivity and selectivity of SERS itself, but also can take into account the specificity, selective and reusable of MIP. It may become a simple, rapid and efficient detection method for antibiotic residues in food. As a novel SERS substrate, it is useful to provide technical support for food safety supervision.

英文关键词: SERS;Molecular imprinted polymer (MIP);Antibiotic residues;Composite substrate;Rapid detection

成为VIP会员查看完整内容
0

相关内容

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
数据价值释放与隐私保护计算应用研究报告,64页pdf
专知会员服务
39+阅读 · 2021年11月29日
专知会员服务
28+阅读 · 2021年8月27日
【KDD2021】图神经网络,NUS- Xavier Bresson教授
专知会员服务
62+阅读 · 2021年8月20日
异质图嵌入综述: 方法、技术、应用和资源
专知会员服务
47+阅读 · 2020年12月13日
专知会员服务
84+阅读 · 2020年12月5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
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
2-3K 价位 65 英寸智能电视终极 PK,到底哪款更值得?
高分子材料领域的十大院士!
材料科学与工程
19+阅读 · 2018年9月18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 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
25+阅读 · 2022年1月3日
小贴士
相关VIP内容
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
数据价值释放与隐私保护计算应用研究报告,64页pdf
专知会员服务
39+阅读 · 2021年11月29日
专知会员服务
28+阅读 · 2021年8月27日
【KDD2021】图神经网络,NUS- Xavier Bresson教授
专知会员服务
62+阅读 · 2021年8月20日
异质图嵌入综述: 方法、技术、应用和资源
专知会员服务
47+阅读 · 2020年12月13日
专知会员服务
84+阅读 · 2020年12月5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
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
25+阅读 · 2022年1月3日
微信扫码咨询专知VIP会员