CN107607502B - 一种利用多色荧光碳点同时且可视化检测多种抗生素的方法及多种抗生素的荧光检测指示卡 - Google Patents

一种利用多色荧光碳点同时且可视化检测多种抗生素的方法及多种抗生素的荧光检测指示卡 Download PDF

Info

Publication number
CN107607502B
CN107607502B CN201710762943.1A CN201710762943A CN107607502B CN 107607502 B CN107607502 B CN 107607502B CN 201710762943 A CN201710762943 A CN 201710762943A CN 107607502 B CN107607502 B CN 107607502B
Authority
CN
China
Prior art keywords
antibiotic
fluorescence
picture
detection
concentration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710762943.1A
Other languages
English (en)
Other versions
CN107607502A (zh
Inventor
邹小波
胡雪桃
石吉勇
史永强
张文
黄晓玮
李志华
徐艺伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201710762943.1A priority Critical patent/CN107607502B/zh
Publication of CN107607502A publication Critical patent/CN107607502A/zh
Application granted granted Critical
Publication of CN107607502B publication Critical patent/CN107607502B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明提供一种利用多色荧光碳点同时且可视化检测多种抗生素的方法及多种抗生素的荧光检测指示卡,该方法包括:S1、n种荧光碳点的制备;S2、检测n种抗生素荧光探针的制备;S3、检测n种抗生素荧光指示卡的建立;S4、n种抗生素定量预测模型的建立;S5、食品中n种抗生素的同时检测。本发明制备了具有不同发射性质的荧光碳点,将不同性质的荧光碳点修饰多种抗生素适配体制备得到了多种抗生素的荧光探针,借助荧光成像技术获取了多种抗生素不同浓度的荧光图片,建立定量预测多种抗生素的模型,实现了食品中多种抗生素的定性及定量检测。本发明制备的荧光指示卡具有更直观明显的颜色变化,可用于样品的多种抗生素同时定性以及快速的定量检测。

Description

一种利用多色荧光碳点同时且可视化检测多种抗生素的方法 及多种抗生素的荧光检测指示卡
技术领域
本发明涉及食品检测领域,具体涉及一种利用多色荧光碳点同时且可视化检测多种抗生素的方法及多种抗生素的荧光检测指示卡,该方法利用多色荧光碳点快速、同时、可视化检测食品中多种残留的抗生素。
背景技术
人类食用了残留有大量抗生素的食品,会使人体对抗生素产生抗性,引起各种组织器官的病变,甚至癌变,对人体的健康产生很大的危害[1]。许多国家的相关部门虽然已经颁布了一些关于生鲜牛乳中抗生素含量的标准,但是仍然有一些抗生素含量超标的食品流入市场,危及消费者的生命健康。因此,食品中抗生素残留量的检测一直是研究的热点[2]
一般来说,肉类(畜禽)、鱼虾(水产),蛋类,奶类、饲料和蜂蜜等产品需要进行抗生素的检测,常用方法包括色谱分析法、微生物检测法和免疫检测法。色谱分析法一般是将所需要检测的抗生素进行分离、纯化,从而达到检测的目的。但是为了减少背景干扰,样品需要复杂的前处理,分析速度慢,且需要专业的操作人员[3]。微生物检测法是根据样品对微生物的抑制作用,来定性或者定量检测受检样品中残留的抗生素,但是其操作时间长,检测结果需肉眼判断,易产生误差。免疫检测法是利用抗原抗体特异性结合反应达到检测抗生素的目的,其操作简单,分析速度比较快。但免疫检测法检测的准确性主要是依赖于抗体抗原质量,而抗原抗体通常是由动物免疫产生,其制备要求高且耗时,这些都限制了免疫法的广泛应用[4]
由于食品是一个复杂的体系,往往不可能只含有单一的抗生素,因此需要一种同时检测多种抗生素含量的方法。
参考文献
[1]Laxminarayan R,Duse A,Wattal C,Zaidi A K,Wertheim H F,Sumpradit N,Vlieghe E,Hara G L,Gould I M,Goossens H.Antibiotic resistance-the need forglobal solutions[J].Lancet Infectious Diseases.2013,13(12):1057-1098.
[2]Van Boeckel T P,Gandra S,Ashok A,Caudron Q,Grenfell B T,Levin S A,Laxminarayan R.Global antibiotic consumption 2000to 2010:an analysis ofnational pharmaceutical sales data.[J].Lancet Infectious Diseases.2014,14(8):742.
[3]李兆君,冯瑶,张文娟.利用高效液相色谱同时检测畜禽粪便中多种抗生素的方法[P].北京:CN105548392A,2016-05-04.
[4]魏新林,王元凤,余超,徐乃丰,汪艳姣,徐凤.检测呋喃唑酮代谢物的荧光免疫层析试纸条及制备与应用[P].上海:CN106053787A,2016-10-26.
发明内容
本发明针对现有的检测问题,提供一种利用多色荧光碳点同时且可视化检测多种抗生素的方法及多种抗生素的荧光检测指示卡。本发明首先制备了多种性质的荧光碳点,旨在建立一种同时、可视化检测多种抗生素的方法,并将其应用于食品中多种抗生素的检测,实现食品中多种抗生素同时、快速和可视化的检测。本发明可以克服检测抗生素方法复杂,耗时长,同时检测的抗生素种类单一,检测结果不直观等缺点。
本发明的技术方案是:一种利用多色荧光碳点同时且可视化检测多种抗生素的方法,包括以下步骤:
S1、n种荧光碳点的制备
将一定量的L-半胱氨酸和NaOH分别加入到聚乙二醇(PEG200)中,混合均匀后放入900W的微波炉中加热不同的时间T1,T2,T3……,Tn;将加热T1时间的混合液通过离心和透析等分离过程,将荧光碳点纯化,得到了发射波长分别为λ1的荧光碳点E1;将加热T2时间的混合液通过离心和透析等分离过程,将荧光碳点纯化,得到了发射波长分别为λ2的荧光碳点E2;同理,可得到发射波长为λ3,λ4,……,λn的荧光碳点,分别命名为E3,E4,……,En;由此,实现了发射波长为λ1,λ2,λ3,……,λn n种荧光碳点(E1,E2,E3,……,En)的制备;
S2、检测n种抗生素荧光探针的制备
首先首先调整n种荧光碳点pH值,并加入1-乙基-3-(3-二甲基氨丙基)碳二亚胺(EDC)和N-羟基硫代琥珀酰亚胺(Sulfo-NHS)活化荧光碳点表面的羧基;随后,将活化后的荧光碳点E1与抗生素K1的适配体A1(混合并在室温下不断搅拌反应24小时,通过离心洗涤将上述混合液中未结合的荧光碳点E1或者适配体A1除去,得到了荧光碳点E1修饰的抗生素适配体A1,即检测抗生素K1的荧光探针P1;将活化后的荧光碳点E2与抗生素K2的适配体A2混合并在室温下不断搅拌反应24小时,通过离心洗涤将上述混合液中未结合的荧光碳点E2或者适配体A2除去,得到了荧光碳点E2修饰的抗生素适配体A2,即检测抗生素K2的荧光探针P2;……;将活化后的荧光碳点En与抗生素Kn的适配体An混合并在室温下不断搅拌反应24小时,通过离心洗涤将上述混合液中未结合的荧光碳点En或者适配体An除去,得到了荧光碳点En修饰的抗生素适配体An,即检测抗生素Kn的荧光探针Pn
荧光碳点E1与适配体A1合成了检测抗生素K1的荧光探针P1,荧光碳点E2与适配体A2合成了检测抗生素K2的荧光探针P2,荧光碳点E3与适配体A3合成了检测抗生素K3的荧光探针P3,……,荧光碳点En与适配体An合成了检测抗生素Kn的荧光探针Pn;由此,实现了n种抗生素荧光探针P1,P2,P3,……,Pn的制备;
S3、检测n种抗生素荧光指示卡的建立
利用荧光探针Pi(其中i=1,2,3,……,n)建立检测抗生素Ki(其中i=1,2,3,……,n)的荧光指示卡,将不同浓度的抗生素K1,浓度分别为C1,C2,C3,……,Cf,共f个浓度,分别加入到荧光探针P1中,利用荧光成像技术得到了抗生素K1浓度分别为C1,C2,C3,……,Cf的荧光图片,根据抗生素浓度由小到大排列f幅荧光图片,组成了检测抗生素K1的荧光指示卡,共包含f幅荧光图片;同理,可得到检测抗生素K2,K3,……,Kn的荧光指示卡;
S4、n种抗生素定量预测模型的建立
提取检测抗生素K1荧光指示卡第1,2,3,……,f幅荧光图片的RGB值,构成检测抗生素K1荧光指示卡RGB值矩阵ZK1的第1,2,3,……,f行;同理,抗生素K2,K3,……,Kn荧光指示卡荧光图片的RGB值分别构成阵列ZK2,ZK3,……,ZKn;每个阵列大小都是f×3,f代表了抗生素荧光指示卡包含的图片数,3代表了3个变量,即R,G,B的值;
分别以检测抗生素K1荧光指示卡RGB值矩阵ZK1为自变量,浓度列向量C=[C1,C2,C3,……,Cf]’为因变量,建立多元线性回归定量预测模型,得到检测抗生素K1的定量预测模型M1;同理可得检测抗生素K2,K3,……,Kn的定量预测模型M2,M3,M4,……,Mn;由此,建立了抗生素K1,K2,K3,……,Kn的定量预测模型M1,M2,M3,M4,……,Mn
S5、食品中n种抗生素的同时检测
将食品待测液分别加入到荧光探针P1,P2,P3,……,Pn中,分别得到检测食品中抗生素K1,K2,K3,……,Kn的n幅荧光图片;第1幅荧光图片为含有荧光探针P1、检测抗生素K1的荧光图片,第2幅荧光图片为含有荧光探针P2、检测抗生素K2的荧光图片,……,第n幅荧光图片为含有荧光探针Pn、检测抗生素Kn的荧光图片。分别提取第1,2,3,……,n幅荧光图片的RGB值,分别构成了矩阵Zs的第1,2,3,……,n行;
通过观察检测食品中抗生素K1,K2,K3,Kn的荧光图片,发现抗生素K1,K2,K3,……,Kn的含量分别介于Ci-Ci+1之间,其中i=1,2,3,……,f-1;
将矩阵Zs的第1,2,3,……,n行分别代入检测抗生素K1的模型M1,抗生素K2的模型M2,抗生素K3的模型M3,……,抗生素Kn的模型Mn中,得到的h1,h2,h3,……,hn分别构成了含量矩阵H的第1,2,3,……,n行。第一行h1代表的是抗生素K1的含量,第二行h2代表的是食品中抗生素K2的含量,第三行h3代表的是抗生素K3的含量,……,第n行hn代表的是抗生素Kn的含量;由此,实现了食品中多种抗生素含量的快速和同时检测。
上述方案中,所述步骤S1中L-半胱氨酸的质量为0.5g;NaOH体积为1mL,浓度为5mol/L;聚乙二醇的体积为3mL。
上述方案中,所述步骤S2中n种荧光碳点pH值都调整至5;1-乙基-3-(3-二甲基氨丙基)碳二亚胺的浓度为50mg/mL;N-羟基硫代琥珀酰亚胺的浓度为50mg/mL。
上述方案中,步骤S3中检测n种抗生素荧光指示卡建立的具体步骤为:
1)将荧光探针P1包埋至酶标板的f个微孔中,同理,将荧光探针P2,P3,……,P4分别包埋至酶标板的f个微孔中;
2)将不同量的抗生素K1分别加入到包埋了荧光探针P1的f个微孔中,使浓度分别为C1,C2,C3,……,Cf;将不同量的抗生素K2分别加入到包埋了荧光探针P2的f个微孔中,使浓度分别为C1,C2,C3,……,Cf;将不同量的抗生素K3分别加入到包埋了荧光探针P3的f个微孔中,使浓度分别为C1,C2,C3,……,Cf;……;将不同量的抗生素Kn分别加入到包埋了荧光探针Pn的f个微孔中,使浓度分别为C1,C2,C3,……,Cf
3)将所有的微孔在37℃下反应40分钟后在370nm光激发下,可以观察到荧光颜色随着抗生素浓度增大呈现阶梯变化。利用荧光成像技术得到了抗生素K1浓度分别为C1,C2,C3,……,Cf的荧光图片,按照抗生素浓度由小到大排列荧光图片,组成了检测抗生素K1残留量的荧光指示卡;得到了抗生素K2浓度分别为C1,C2,C3,……,Cf的荧光图片,按照抗生素浓度由小到大排列荧光图片,组成了检测抗生素K2残留量的荧光指示卡;同理,得到了抗生素K3,K4,……,Kn浓度分别为C1,C2,C3,……,Cf的荧光图片,按照抗生素浓度由小到大排列荧光图片,组成了检测抗生素K3,K4,……,Kn残留量的荧光指示卡;由此,分别得到了检测抗生素K1,K2,K3,……,Kn残留量的荧光指示卡;
上述方案中,所述步骤S4中检测n种抗生素的定量模型建立的具体步骤为:
生成检测抗生素K1荧光指示卡RGB值矩阵ZK1的具体过程是:首先提取抗生素K1荧光指示卡中第1个荧光图片(即浓度为C1抗生素K1的荧光图片)的RGB值,组成行向量Zk11=[R1,1 G1,1 B1,1];提取抗生素K1荧光指示卡中第2个荧光图片(即浓度为C2抗生素K1的荧光图片)的RGB值,组成行向量Zk1,2=[R1,2 G1,2 B1,2];提取抗生素K1荧光指示卡中第3个荧光图片(即浓度为C3抗生素K1的荧光图片)的RGB值,组成行向量Zk1,3=[R1,3 G1,3 B13];……;一直到提取抗生素K1荧光指示卡中第f个荧光图片(即浓度为Cf抗生素K1的荧光图片)的RGB值,组成行向量Zk1,f=[R1,f G1,f B1,f]。最后f个行向量生成检测抗生素K1荧光指示卡RGB值矩阵Zk1,Zk1=[Zk1,1;Zk1,2;Zk1,3;……;Zk1,f];矩阵Zk1的大小为f×3,f代表了抗生素荧光指示卡包含的图片数,3代表了3个变量,即R,G,B的值;
生成检测抗生素K2荧光指示卡RGB值矩阵ZK2的具体过程是:首先提取抗生素K2荧光指示卡中第1个荧光图片(即浓度为C1抗生素K2的荧光图片)的RGB值,组成行向量Zk21=[R2,1 G2,1 B2,1];提取抗生素K2荧光指示卡中第2个荧光图片(即浓度为C2抗生素K2的荧光图片)的RGB值,组成行向量Zk2,2=[R2,2 G2,2 B2,2];提取抗生素K2荧光指示卡中第3个荧光图片(即浓度为C3抗生素K2的荧光图片)的RGB值,组成行向量Zk2,3=[R2,3 G2,3 B23];……;一直到提取抗生素K2荧光指示卡中第f个荧光图片(即浓度为Cf抗生素K2的荧光图片)的RGB值,组成行向量Zk2f=[R2,f G2,f B2,f];最后组成的f个行向量生成检测抗生素K2荧光指示卡RGB值矩阵Zk2,Zk2=[Zk2,1;Zk2,2;Zk2,3;……;Zk2,f];矩阵Zk2的大小为f×3,f代表了抗生素荧光指示卡包含的图片数,3代表了3个变量,即R,G,B的值;
生成检测抗生素K3荧光指示卡RGB值矩阵ZK3的过程是:首先提取抗生素K3荧光图片中第1个微孔中的RGB值,组成行向量Zk3,1=[R3,1 G3,1 B3,1];提取抗生素K3荧光图片中第2个微孔中的RGB值,组成行向量Zk3,2=[R3,2 G3,2 B3,2];提取抗生素K3荧光图片中第3个微孔中的RGB值,组成行向量Zk3,3=[R3,3 G3,3 B3,3];……;一直到提取抗生素K3荧光图片中第f个微孔中的RGB值,组成行向量Zk3,f=[R3,f G3,f B3,f]。最后f个行向量构成检测抗生素K3荧光指示卡RGB值矩阵Zk3,Zk3=[Zk3,1;Zk3,2;Zk3,3;……;Zk3,f];矩阵Zk3的大小为f×3,f代表了抗生素荧光指示卡包含的图片数,3代表了3个变量,即R,G,B的值;
同理,可提取抗生素K4,K5,……,Kn荧光指示卡中f个荧光图片的RGB值,分别组成检测抗生素K4,K5,……,Kn荧光指示卡RGB值矩阵ZK4,ZK5,……,ZKn;最后得到了n个矩阵ZK1,ZK2,ZK3,……,ZKn
利用多元线性回归方法以检测抗生素K1荧光指示卡RGB值矩阵ZK1为自变量,浓度C=[C1,C2,C3,C4,……,Cf]’为因变量,建立抗生素K1的定量预测模型M1;利用多元线性回归方法以ZK2为自变量,浓度C=[C1,C2,C3,C4,……,Cf]’为因变量,建立抗生素K2的定量预测模型M2;利用多元线性回归方法以ZK3为自变量,浓度C=[C1,C2,C3,C4,……,Cf]’为因变量,建立抗生素K3的定量预测模型M3;……;利用多元线性回归方法分别以ZKn为自变量,浓度C=[C1,C2,C3,C4,……,Cf]’为因变量,建立抗生素Kn的定量预测模型Mn;由此,得到了检测抗生素K1,K2,K3,……,Kn残留量的定量模型M1,M2,M3,……,Mn
模型M1的回归方程为Y1=a+b×R+c×G+d×B
模型M2的回归方程为Y2=h+i×R+j×G+k×B
模型M3的回归方程为Y2=p+q×R+r×G+s×B
……
模型Mn的回归方程为Y2=w+x×R+y×G+z×B。
上述方案中,所述步骤S5食品中多种抗生素同时检测的具体步骤如下:
1)将步骤S2中制备的n种荧光探针P1,P2,P3,……,Pn分别包埋至酶标板n个微孔中;将待测食品提取液分别加入到包埋有荧光探针的n个微孔中,在一定温度下反应一定时间,除去未结合的荧光探针;利用荧光成像技术获取了包埋了荧光探针P1与食品提取液的荧光图片,获得了检测抗生素K1的荧光图片;利用荧光成像技术获取了包埋了荧光探针P2与食品提取液的荧光图片,获得了检测抗生素K2的荧光图片;……;一直到利用荧光成像技术获取了包埋了荧光探针Pn与食品提取液的荧光图片,获得了检测抗生素Kn的荧光图片;由此,获得了检测食品中检测抗生素K1,K2,……,Kn的荧光图片;
2)提取n幅检测抗生素K1,K2,……,Kn荧光图片的RGB值;根据第1幅荧光图片(即检测抗生素K1的荧光图片)的RGB值,得到行向量[R1 G1 B1],根据第2幅荧光图片(即检测抗生素K2的荧光图片)的RGB值,得到行向量[R2 G2 B2];……;根据第n幅荧光图片(即检测抗生素Kn的荧光图片)的RGB值,得到行向量[Rn Gn Bn]。由此,n个行向量组成检测食品抗生素荧光图片RGB值矩阵Zs,
3)根据检测食品抗生素的荧光图片可得到抗生素残留量的范围:通过检测抗生素Ki(其中i=1,2,3,……,n)荧光图片与抗生素Ki(其中i=1,2,3,……,n)荧光指示卡的对比,得到抗生素Ki(其中i=1,2,3,……,n)含量的范围为Ci-Ci+1(其中i=1,2,3,……,f-1);如通过观察检测抗生素K1的荧光图片,发现抗生素K1的含量介于Ci-Ci+1(其中i=1,2,3,……,f-1)之间;通过观察检测抗生素K2的荧光图片,发现抗生素K2的含量介于Ci-Ci+1(其中i=1,2,3,……,f-1)之间;通过观察检测抗生素K3的荧光图片,发现抗生素K3的含量介于Ci-Ci+1(其中i=1,2,3,……,f-1)之间;……;通过观察检测抗生素Kn的荧光图片,发现抗生素Kn的含量介于Ci-Ci+1(其中i=1,2,3,……,f-1)之间,实现了多种抗生素的可视化检测;
4)根据检测抗生素K1,K2,K3,……,Kn荧光图片的RGB值矩阵Zs可以预测抗生素K1,K2,K3,……,Kn的残留量,得到含量矩阵H。含量矩阵H具体生成过程为:将ZS矩阵的每一行对应的变量分别代入所对应的检测抗生素的多元回归模型M1,M2,M3,……,Mn中,即第1张荧光图片的RGB值[R1 G1 B1]代入模型M1中,得到抗生素K1的残留量为h1,构成矩阵H的第1列;第2张荧光图片的RGB值[R2 G2 B2]代入模型M2中,得到抗生素K2的残留量为h2,构成矩阵H的第2列;第3张荧光图片的RGB值[R3 G3 B3]代入模型M3中,得到抗生素K3的残留量为h3,构成矩阵H的第3列;……;第n张荧光图片的RGB值[Rn Gn Bn]代入模型Mn中,得到抗生素Kn的残留量为hn,构成矩阵H的第n列;由此,得到了抗生素K1,K2,K3,……,Kn残留量矩阵H
H为一个列矩阵,第一行h1代表的是抗生素K1的含量,第二行h2代表的是食品中抗生素K2的含量,第三行h3代表的是抗生素K3的含量,……,第n行hn代表的是抗生素Kn的含量;由此,实现了食品中多种抗生素含量的快速和同时检测。上述方案真,所述步骤S5中将待测食品提取液分别加入到包埋有荧光探针的n个微孔中,在37℃下反应40分钟,除去未结合的荧光探针。
本发明还提供一种多种抗生素的的荧光检测指示卡,包括多种抗生素对应的多组荧光图片;每组荧光图片为一种抗生素在不同浓度下得到的颜色不同的多张荧光图片;每组所述荧光图片根据抗生素浓度由低到高排列或由高到低排列;每组荧光图片标有相对应的抗生素名称和相对应的浓度指示。
与现有技术相比,本发明的有益效果是:
1.本发明首先制备了具有不同发射性质的荧光碳点,将不同性质的荧光碳点修饰多种抗生素适配体制备得到了多种抗生素的荧光探针,借助荧光成像技术获取了多种抗生素不同浓度的荧光图片,建立定量预测多种抗生素的模型,实现了食品中多种抗生素的定性及定量检测。
2.本发明制备的荧光指示卡具有更直观明显的颜色变化,可用于样品的定性以及快速、粗略的定量检测。本发明建立的多种抗生素定量预测模型能实现食品中多种抗生素的快速定量检测,克服了其他检测方法复杂,耗时长,同时检测的抗生素种类单一等缺点。本发明在一定程度上仅需要一个手持式紫外灯就可进行可视化检测,操作简单,且灵敏度高,能实现多种抗生素的实时、快速和可视化检测。
附图说明
图1为具体实施方式中制备的三种发射波长为520,445,和590nm荧光碳点的荧光图片;
图2为具体实施方式中三种抗生素的的荧光检测指示卡;
图3为具体实施方式中检测猪肉中三种抗生素的荧光图片,其中(a)为检测猪肉中恩诺沙星的荧光图片,(b)为检测猪肉中氯霉素的荧光图片,(c)为检测猪肉中四环素的荧光图片。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明,但本发明的保护范围并不限于此。
本发明所采用的荧光碳点是一种无机纳米荧光材料,其毒性低、生态环境友好以及荧光特性好,另外荧光碳点具有的多色性质能够用来标记多种抗生素的适配体,可以实现多种抗生素同时检测,借助荧光成像技术能够实现多种抗生素的同时、可视化检测。由此,可以实现复杂食品体系中快速、同时、可视化检测多种抗生素残留,有利于保障食品、农产品等的质量安全。以检测猪肉中含有的3种抗生素恩诺沙星、氯霉素以及四环素为具体实例,进一步阐述本发明:
本发明所述一种利用多色荧光碳点同时且可视化检测多种抗生素的方法,包括以下步骤:
S1、三种荧光碳点的制备
0.5g L-半胱氨酸和1mL的NaOH(5mol/L)分别加入到3mL的聚乙二醇(PEG200)中,混合均匀后放入900W的微波炉中分别加热15S,20S和25S。将加热15S得到的溶液通过离心和透析等分离过程,纯化荧光碳点,得到发射波长为520nm的荧光碳点E1;将加热20S得到的溶液通过离心和透析等分离过程,纯化荧光碳点,得到发射波长为445nm的荧光碳点E2;将加热25S得到的溶液通过离心和透析等分离过程,纯化荧光碳点,得到发射波长为590nm的荧光碳点E3。由此,得到了三种发射性质的荧光碳点E1、E2、和E3,分别发射绿色,蓝色和黄色的荧光如图1所示。
S2、检测三种抗生素荧光探针的制备
首先将3种荧光碳点溶液pH值都调整至5,并加入1-乙基-3-(3-二甲基氨丙基)碳二亚胺(EDC,50mg/mL)和N-羟基硫代琥珀酰亚胺(Sulfo-NHS,50mg/mL)活化荧光碳点表面的羧基。随后,将活化后的荧光碳点E1和抗生素恩诺沙星的适配体A1混合;荧光碳点E2和抗生素氯霉素的适配体A2混合;荧光碳点E3和四环素的适配体A3混合。三者在室温下不断搅拌反应24小时,使荧光碳点与适配体结合。通过离心洗涤将未结合的荧光碳点或者适配体除去,得到了荧光碳点修饰的抗生素适配体。荧光碳点E1和适配体A1结合得到检测恩诺沙星的荧光探针P1,荧光碳点E2和适配体A2结合得到检测氯霉素的荧光探针P2,荧光碳点E3和适配体A3结合得到检测四环素的荧光探针P3。由此,得到了用于检测抗生素恩诺沙星的荧光探针P1,检测氯霉素的荧光探针P2和检测四环素的荧光探针P3
A1的序列为:
CCCATCAGCCGCTAGGCTAACACGGTTCGGCTCTCTCTGACCCGGGTTATTTCAGGCGA,
A2的序列为:
AGCAGCACAGAGGTCAGATGACTTCAGTGAGTTGTCCCACGGTCGGCGAGTCGGTGGTAGCCTATGCGTGCTACCGTGAA,
A3的序列为:
CGTACGGAATTCGCTAGCGGGCGGACGCTAGGTGGTGATGCTGTGCTACACGTGTTGTGGATCCGAGCTCCACGTG。
S3、检测三种抗生素荧光指示卡的建立
将100μL荧光探针P1分别加入到酶标板的6个微孔中,将浓度分别为0ng/mL,1ng/mL,2ng/mL,4ng/mL,5ng/mL,6ng/mL的恩诺沙星各100μL分别加入到6个含有了荧光探针P1的酶标板微孔中;
将100μL荧光探针P2分别加入到酶标板的6个微孔中,随后将浓度为0ng/mL,1ng/mL,2ng/mL,4ng/mL,5ng/mL,6ng/mL的氯霉素各100μL分别加入到6个含有了荧光探针P2的酶标板微孔中;
将100μL荧光探针P3分别加入到酶标板的6个微孔中,随后将浓度为0ng/mL,1ng/mL,2ng/mL,4ng/mL,5ng/mL,6ng/mL的四环素各100μL分别加入到6个含有了荧光探针P3的酶标板微孔中。
将所有的微孔在37℃下反应40分钟后除去未结合的荧光探针。在370nm光激发下,可以观察到微孔中随着抗生素浓度变化,荧光颜色的变化情况。利用彩色摄影机拍摄得到了在浓度为0ng/mL,0.5ng/mL,1ng/mL,2ng/mL,2.5ng/mL,3ng/mL下三种抗生素:恩诺沙星,氯霉素和四环素的荧光图片,一共18幅荧光图片,每种抗生素有6张图片。根据抗生素浓度由低到高将抗生素恩诺沙星的6张荧光图片进行排列,即浓度为0ng/mL的荧光图片为指示卡的第1张图片,浓度为0.5g/mL的荧光图片为指示卡的第2张图片,浓度为1ng/mL的荧光图片为指示卡的第3张图片,浓度为2ng/mL的荧光图片为指示卡的第4张图片,浓度为2.5ng/mL的荧光图片为指示卡的第5张图片,浓度为3ng/mL的荧光图片为指示卡的第6张图片,建立检测恩诺沙星的荧光指示卡,同理,可得检测氯霉素和四环素的荧光指示卡。检测三种抗生素:恩诺沙星,氯霉素和四环素的荧光指示卡,如图2所示。
S4、三种抗生素定量预测模型的建立
应用MATLAB软件提取步骤S3中检测恩诺沙星荧光指示卡(共6幅荧光图)的RGB值,得到第1副图片的RGB值行向量为Zk1,2=[0 50 0],第2副图片的RGB值行向量为Zk12=[1280 5],第3副图片的RGB值行向量为Zk1,3=[0 100 0],第4副图片的RGB值行向量为Zk1,4=[0150 0],第5副图片的RGB值行向量为Zk1,5=[0 175 0],第6副图片的RGB值行向量为Zk1,6=[0 200 0]。第1、2、3、4、5、6幅荧光图片的RGB值分别为矩阵Zk1的第1,2,3,4,5,6行,由此得到了检测恩诺沙星荧光指示卡的RGB值矩阵Zk1
同理,可生成检测氯霉素荧光指示卡的RGB值矩阵Zk2
同理可生成检测四环素荧光指示卡的RGB值矩阵Zk3
利用多元线性回归分析分别建立恩诺沙星,氯霉素以及四环素的定量预测模型。分别以ZK1,ZK2和ZK3为模型的自变量,浓度矩阵C=[0 0.5 1 2 2.53]’为因变量,建立了定量检测3种抗生素的模型,分别为:
恩诺沙星:YK1=-1-0.005R+0.02G-0.008B;
氯霉素:YK2=-1.25+0.01R-0.04G+0.025B;
四环素:YK3=-3.3+0.06R-0.05G-0.001B。
S5、猪肉中三种抗生素的同时检测
将猪肉样品绞碎,称取5g猪肉样品,经过滤、超声等步骤得到含有抗生素的提取液,并定容到50mL,将100μL提取液分别加入到含有荧光探针P1,P2,和P3的3个微孔中。在37℃下反应40分钟后经离心除去未与抗生素结合的荧光探针,在370nm光的激发下,利用彩色照相机获取3个微孔中的荧光图片,如图3所示,检测猪肉中恩诺沙星的荧光图片为图3(a),检测猪肉中氯霉素的荧光图片为图3(b),检测猪肉中四环素的荧光图片为图3(c)。
将获取的检测猪肉中恩诺沙星的荧光图3(a)与检测恩诺沙星荧光指示卡对比,将获取的检测猪肉中氯霉素的荧光图3(b)与检测氯霉素荧光指示卡对比,将获取的检测猪肉中四环素含量的荧光图3(c)与检测四环素荧光指示卡对比,发现恩诺沙星的浓度介于0.5-1ng/mL之间,氯霉素以及四环素分别介于0-0.5和1-2ng/mL之间。由此,实现了猪肉样品中多种抗生素的定性以及粗略的定量分析。
提取检测猪肉中恩诺沙星含量的荧光图片(图3(a))的RGB值,得到行向量Zs1=[084 0];提取检测猪肉中氯霉素含量的荧光图片(图3(b))的RGB值,得到行向量Zs2=[0 065.5];提取检测猪肉中四环素含量的荧光图片(图3(c))的RGB值,得到行向量Zs3=[215165 0]。矩阵Zs的第1,2和3行分别由Zs1,Zs2和Zs3组成。
将Zs矩阵中的3行分别代入步骤S4中建立的3个定量模型中,即Zs的第1行代入定量检测恩诺沙星残留量的模型M1中,Zs的第2行代入定量检测氯霉素残留量的模型M2中,Zs的第3行代入定量检测四环素残留量的模型M3中,由此得到了含量矩阵H,H的大小为3×1。
含量矩阵H中第1行代表的是猪肉中恩诺沙星残留量,H中第2行代表的是猪肉中氯霉素残留量,H中第3行代表的是猪肉中四环素残留量。由此,猪肉中恩诺沙星,氯霉素,四环素的含量分别为0.68ng/mL,0.39ng/mL,1.35ng/mL。实现了猪肉中三种抗生素含量的同时检测。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。

Claims (9)

1.一种利用多色荧光碳点同时且可视化检测多种抗生素的方法,其特征在于,包括以下步骤:
S1、n种荧光碳点的制备
将一定量的L-半胱氨酸和NaOH分别加入到聚乙二醇中,混合均匀后加热不同的时间T1,T2,T3……,Tn;将加热T1时间的混合液经过分离过程,将荧光碳点纯化,得到了发射波长分别为λ1的荧光碳点E1;将加热T2时间的混合液经过分离过程,将荧光碳点纯化,得到了发射波长分别为λ2的荧光碳点E2;同理,可得到发射波长为λ3,λ4,……,λn的荧光碳点,分别命名为E3,E4,……,En;实现了发射波长为λ1,λ2,λ3,……,λn n种荧光碳点E1,E2,E3,……,En的制备;
S2、检测n种抗生素荧光探针的制备
首先调整n种荧光碳点pH值,并加入一定量的1-乙基-3-(3-二甲基氨丙基)碳二亚胺和N-羟基硫代琥珀酰亚胺活化荧光碳点表面的羧基;再将活化后的荧光碳点E1与抗生素K1的适配体混合并在室温下不断搅拌反应一定时间,通过离心洗涤将混合液中未结合的荧光碳点E1或者适配体A1除去,得到了荧光碳点E1修饰的抗生素适配体A1,即检测抗生素K1的荧光探针P1;将活化后的荧光碳点E2与抗生素K2的适配体混合并在室温下不断搅拌反应一定时间,通过离心洗涤将混合液中未结合的荧光碳点E2或者适配体A2除去,得到了荧光碳点E2修饰的抗生素适配体A2,即检测抗生素K2的荧光探针P2;……;将活化后的荧光碳点En与抗生素Kn的适配体混合并在室温下不断搅拌反应一定时间,通过离心洗涤将混合液中未结合的荧光碳点En或者适配体An除去,得到了荧光碳点En修饰的抗生素适配体An,即检测抗生素Kn的荧光探针Pn
荧光碳点E1与适配体A1合成了检测抗生素K1的荧光探针P1,荧光碳点E2与适配体A2合成了检测抗生素K2的荧光探针P2,荧光碳点E3与适配体A3合成了检测抗生素K3的荧光探针P3,……,荧光碳点En与适配体An合成了检测抗生素Kn的荧光探针Pn;实现了n种抗生素荧光探针P1,P2,P3,……,Pn的制备;
S3、检测n种抗生素荧光指示卡的建立
利用荧光探针Pi,建立检测抗生素Ki的荧光指示卡,其中i=1,2,3,……, n;将不同浓度的抗生素K1,其中浓度分别为C1,C2,C3,……,Cf共f个浓度,分别加入到荧光探针P1中,利用荧光成像技术得到了抗生素K1浓度分别为C1,C2,C3,……,Cf的荧光图片,根据抗生素浓度由小到大排列f幅荧光图片,组成了检测抗生素K1的荧光指示卡,共包含f幅荧光图片;同理,可得到检测抗生素K2,K3,……,Kn的荧光指示卡;
S4、n种抗生素定量预测模型的建立
提取检测抗生素K1荧光指示卡第1,2,3,……,f幅荧光图片的RGB值,构成检测抗生素K1荧光指示卡RGB值矩阵ZK1的第1,2,3,……,f行;同理,抗生素K2,K3,……,Kn荧光指示卡荧光图片的RGB值分别构成阵列ZK2,ZK3,……,ZKn;每个阵列大小都是f×3,f代表了抗生素荧光指示卡包含的图片数,3代表了3个变量,即R,G,B的值;
分别以检测抗生素K1荧光指示卡RGB值矩阵ZK1为自变量,浓度列向量C=[C1,C2,C3,……,Cf]’为因变量,建立多元线性回归定量预测模型,得到检测抗生素K1的定量预测模型M1;同理可得检测抗生素K2,K3,……,Kn的定量预测模型M2,M3,M4,……,Mn;建立了抗生素K1,K2,K3,……,Kn的定量预测模型M1,M2,M3,M4,……,Mn
S5、食品中n种抗生素的同时检测
将食品待测液分别加入到荧光探针P1,P2,P3,……,Pn中,分别得到检测食品中抗生素K1,K2,K3,……,Kn的n幅荧光图片;第1幅荧光图片为含有荧光探针P1、检测抗生素K1的荧光图片,第2幅荧光图片为含有荧光探针P2、检测抗生素K2的荧光图片,……,第n幅荧光图片为含有荧光探针Pn、检测抗生素Kn的荧光图片;分别提取第1,2,3,……,n幅荧光图片的RGB值,分别构成了矩阵Zs的第1,2,3,……,n行;
通过观察检测食品中抗生素K1,K2,K3,Kn的荧光图片,发现抗生素K1,K2,K3,……,Kn的含量分别介于Ci-Ci+1之间,其中i=1,2,3,……,f-1;
将矩阵Zs的第1,2,3,……,n行分别代入检测抗生素K1的模型M1,抗生素K2的模型M2,抗生素K3的模型M3,……,抗生素Kn的模型Mn中,得到的h1,h2,h3,……,hn分别构成了含量矩阵H的第1,2,3,……,n行;第一行h1代表的是食品中抗生素K1的含量,第二行h2代表的是食品中抗生素K2的含量,第三行h3代表的是食品中抗生素K3的含量,……,第n行hn代表的是食品中抗生素Kn的含量;实现了食品中多种抗生素含量的快速和同时检测。
2.根据权利要求1所述的利用多色荧光碳点同时且可视化检测多种抗生素的方法,其特征在于,所述步骤S1中L-半胱氨酸的质量为0.5g;NaOH体积为1mL,浓度为5mol/L;聚乙二醇的体积为3mL。
3.根据权利要求1所述的利用多色荧光碳点同时且可视化检测多种抗生素的方法,其特征在于,所述步骤S2中n种荧光碳点pH值都调整至5;1-乙基-3-(3-二甲基氨丙基)碳二亚胺的浓度为50mg/mL;N-羟基硫代琥珀酰亚胺的浓度为50mg/mL。
4.根据权利要求1所述的利用多色荧光碳点同时且可视化检测多种抗生素的方法,其特征在于,所述步骤S3中检测n种抗生素荧光指示卡建立的具体步骤为:
1)将荧光探针P1包埋至酶标板的f个微孔中,同理,将荧光探针P2,P3,……,P4 分别包埋至酶标板的f个微孔中;
2)将不同量的抗生素K1分别加入到包埋了荧光探针P1的f个微孔中,使浓度分别为C1,C2,C3,……,Cf;将不同量的抗生素K2分别加入到包埋了荧光探针P2的f个微孔中,使浓度分别为C1,C2,C3,……,Cf;将不同量的抗生素K3分别加入到包埋了荧光探针P3的f个微孔中,使浓度分别为C1,C2,C3,……,Cf;……;将不同量的抗生素Kn分别加入到包埋了荧光探针Pn的f个微孔中,使浓度分别为C1,C2,C3,……,Cf
3)将所有的微孔光激发,观察到荧光颜色随着抗生素浓度增大呈现阶梯变化;利用荧光成像技术得到了抗生素K1浓度分别为C1,C2,C3,……,Cf的荧光图片,按照抗生素浓度由小到大排列荧光图片,组成了检测抗生素K1残留量的荧光指示卡;得到了抗生素K2浓度分别为C1,C2,C3,……,Cf的荧光图片,按照抗生素浓度由小到大排列荧光图片,组成了检测抗生素K2残留量的荧光指示卡;同理,得到了抗生素K3,K4,……,Kn浓度分别为C1,C2,C3,……,Cf的荧光图片,按照抗生素浓度由小到大排列荧光图片,组成了检测抗生素K3,K4,……,Kn残留量的荧光指示卡,由此,分别得到了检测抗生素K1,K2,K3,……,Kn残留量的荧光指示卡。
5.根据权利要求4所述的利用多色荧光碳点同时且可视化检测多种抗生素的方法,其特征在于,所有的微孔37℃下反应40分钟后在370nm光激发。
6.根据权利要求1所述的利用多色荧光碳点同时且可视化检测多种抗生素的方法,其特征在于,所述步骤S4中检测n种抗生素的定量模型建立的具体步骤为:
生成检测抗生素K1荧光指示卡RGB值矩阵ZK1的具体过程是:首先提取抗生素K1荧光指示卡中第1个荧光图片,即浓度为C1抗生素K1的荧光图片的RGB值,组成行向量Zk1,1=[R11 G1,1B1,1];提取抗生素K1荧光指示卡中第2个荧光图片,即浓度为C2抗生素K1的荧光图片的RGB值,组成行向量Zk1,2=[R1,2 G1,2 B1,2];提取抗生素K1荧光指示卡中第3个荧光图片,即浓度为C3抗生素K1的荧光图片的RGB值,组成行向量Zk1,3=[R1,3 G1,3 B1,3];……;一直到提取抗生素K1荧光指示卡中第f个荧光图片,即浓度为Cf抗生素K1的荧光图片的RGB值,组成行向量Zk1,f=[R1,f G1,f B1,f];最后f个行向量生成检测抗生素K1荧光指示卡RGB值矩阵Zk1,Zk1=[Zk1,1;Zk1,2;Zk1,3;……;Zk1,f];矩阵Zk1的大小为f×3,f代表了抗生素荧光指示卡包含的图片数,3代表了3个变量,即R,G,B的值;
生成检测抗生素K2荧光指示卡RGB值矩阵ZK2的具体过程是:首先提取抗生素K2荧光指示卡中第1个荧光图片,即浓度为C1抗生素K2的荧光图片的RGB值,组成行向量Zk2,1=[R21 G2,1B2,1];提取抗生素K2荧光指示卡中第2个荧光图片,即浓度为C2抗生素K2的荧光图片的RGB值,组成行向量Zk2,2=[R2,2 G2,2 B2,2];提取抗生素K2荧光指示卡中第3个荧光图片,即浓度为C3抗生素K2的荧光图片的RGB值,组成行向量Zk2,3=[R2,3 G2,3 B2,3];……;一直到提取抗生素K2荧光指示卡中第f个荧光图片,即浓度为Cf抗生素K2的荧光图片的RGB值,组成行向量Zk2,f=[R2,f G2,f B2,f];最后组成的f个行向量生成检测抗生素K2荧光指示卡RGB值矩阵Zk2,Zk2=[Zk2,1;Zk2,2;Zk2,3;……;Zk2,f];矩阵Zk2的大小为f×3,f代表了抗生素荧光指示卡包含的图片数,3代表了3个变量,即R,G,B的值;
生成检测抗生素K3荧光指示卡RGB值矩阵ZK3的过程是:首先提取抗生素K3荧光图片中第1个微孔中的RGB值,组成行向量Zk3,1=[R3,1 G3,1 B3,1];提取抗生素K3荧光图片中第2个微孔中的RGB值,组成行向量Zk3,2=[R3,2 G3,2 B3,2];提取抗生素K3荧光图片中第3个微孔中的RGB值,组成行向量Zk3,3=[R3,3 G3,3 B3,3];……;一直到提取抗生素K3荧光图片中第f个微孔中的RGB值,组成行向量Zk3,f=[R3,f G3,f B3,f];最后f个行向量构成检测抗生素K3荧光指示卡RGB值矩阵Zk3,Zk3=[Zk3,1;Zk3,2;Zk3,3;……;Zk3,f];矩阵Zk3的大小为f×3,f代表了抗生素荧光指示卡包含的图片数,3代表了3个变量,即R,G,B的值;
同理,可提取抗生素K4,K5,……,Kn荧光指示卡中f个荧光图片的RGB值,分别组成检测抗生素K4,K5,……,Kn荧光指示卡RGB值矩阵ZK4,ZK5,……,ZKn;最后得到了n个矩阵ZK1,ZK2,ZK3,……,ZKn
……
利用多元线性回归方法以检测抗生素K1荧光指示卡RGB值矩阵ZK1为自变量,浓度C=[C1,C2,C3,C4,……,Cf]’为因变量,建立抗生素K1的定量预测模型M1;利用多元线性回归方法以ZK2为自变量,浓度C=[C1,C2,C3,C4,……,Cf]’为因变量,建立抗生素K2的定量预测模型M2;利用多元线性回归方法以ZK3为自变量,浓度C=[C1,C2,C3,C4,……,Cf]’为因变量,建立抗生素K3的定量预测模型M3;……;利用多元线性回归方法分别以ZKn为自变量,浓度C=[C1,C2,C3,C4,……,Cf]’为因变量,建立抗生素Kn的定量预测模型Mn;得到了检测抗生素K1,K2,K3,……,Kn残留量的定量模型M1,M2,M3,……,Mn
模型M1的回归方程为Y1=a+b×R+c×G+d×B
模型M2的回归方程为Y2=h+i×R+j×G+k×B
模型M3的回归方程为Y2=p+q×R+r×G+s×B
……
模型Mn的回归方程为Y2=w+x×R+y×G+z×B。
7.根据权利要求1所述的利用多色荧光碳点同时且可视化检测多种抗生素的方法,其特征在于,所述步骤S5食品中多种抗生素同时检测的具体步骤如下:
1)将步骤S2中制备的n种荧光探针P1,P2,P3,……,Pn分别包埋至酶标板n个微孔中;将待测食品提取液分别加入到包埋有荧光探针的n个微孔中,在一定温度下反应一定时间,除去未结合的荧光探针;利用荧光成像技术获取了包埋了荧光探针P1与食品提取液的荧光图片,获得了检测抗生素K1的荧光图片;利用荧光成像技术获取了包埋了荧光探针P2与食品提取液的荧光图片,获得了检测抗生素K2的荧光图片;……;一直到利用荧光成像技术获取了包埋了荧光探针Pn与食品提取液的荧光图片,获得了检测抗生素Kn的荧光图片;获得了检测食品中检测抗生素K1,K2,……,Kn的荧光图片;
2)提取n幅检测抗生素K1,K2,……,Kn荧光图片的RGB值;根据第1幅荧光图片,即检测抗生素K1的荧光图片的RGB值,得到行向量[R1 G1 B1],根据第2幅荧光图片,即检测抗生素K2的荧光图片的RGB值,得到行向量[R2 G2 B2];……;根据第n幅荧光图片,即检测抗生素Kn的荧光图片的RGB值,得到行向量[Rn Gn Bn];由此,n个行向量组成检测食品抗生素荧光图片RGB值矩阵Zs,
3)根据检测食品抗生素的荧光图片得到抗生素残留量的范围:通过检测抗生素Ki其中i=1,2,3,……,n,的荧光图片与抗生素Ki,其中i=1,2,3,……,n,荧光指示卡的对比,得到抗生素Ki,其中i=1,2,3,……,n,含量的范围为Ci-Ci+1,其中i=1,2,3,……,f-1;通过观察检测抗生素K1的荧光图片,发现抗生素K1的含量介于Ci-Ci+1之间;通过观察检测抗生素K2的荧光图片,发现抗生素K2的含量介于Ci-Ci+1之间;通过观察检测抗生素K3的荧光图片,发现抗生素K3的含量介于Ci-Ci+1之间;……;通过观察检测抗生素Kn的荧光图片,发现抗生素Kn的含量介于Ci-Ci+1之间,实现了多种抗生素的可视化检测;
4)根据检测抗生素K1,K2,K3,……,Kn荧光图片的RGB值矩阵Zs可以预测抗生素K1,K2,K3,……,Kn的残留量,得到含量矩阵H;含量矩阵H具体生成过程为:将ZS矩阵的每一行对应的变量分别代入所对应的检测抗生素的多元回归模型M1,M2,M3,……,Mn中,即第1张荧光图片的RGB值[R1 G1 B1]代入模型M1中,得到抗生素K1的残留量为h1,构成矩阵H的第1列;第2张荧光图片的RGB值[R2 G2 B2]代入模型M2中,得到抗生素K2的残留量为h2,构成矩阵H的第2列;第3张荧光图片的RGB值[R3 G3 B3]代入模型M3中,得到抗生素K3的残留量为h3,构成矩阵H的第3列;……;第n张荧光图片的RGB值[Rn Gn Bn]代入模型Mn中,得到抗生素Kn的残留量为hn,构成矩阵H的第n列;由此,得到了抗生素K1,K2,K3,……,Kn残留量矩阵H
H为一个列矩阵,第一行h1代表的是抗生素K1的含量,第二行h2代表的是食品中抗生素K2的含量,第三行h3代表的是抗生素K3的含量,……,第n行hn代表的是抗生素Kn的含量;由此,实现了食品中多种抗生素含量的快速和同时检测。
8.根据权利要求7所述的利用多色荧光碳点同时且可视化检测多种抗生素的方法,其特征在于,将待测食品提取液分别加入到包埋有荧光探针的n个微孔中,在37℃下反应40分钟,除去未结合的荧光探针。
9.一种根据权利要求1所述利用多色荧光碳点同时且可视化检测多种抗生素的方法得到的多种抗生素的荧光检测指示卡,其特征在于,包括多种抗生素对应的多组荧光图片;每组荧光图片为一种抗生素在不同浓度下得到的颜色不同的多张荧光图片;每组所述荧光图片根据抗生素浓度由低到高排列或由高到低排列;每组荧光图片标有相对应的抗生素名称和相对应的浓度指示。
CN201710762943.1A 2017-08-30 2017-08-30 一种利用多色荧光碳点同时且可视化检测多种抗生素的方法及多种抗生素的荧光检测指示卡 Active CN107607502B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710762943.1A CN107607502B (zh) 2017-08-30 2017-08-30 一种利用多色荧光碳点同时且可视化检测多种抗生素的方法及多种抗生素的荧光检测指示卡

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710762943.1A CN107607502B (zh) 2017-08-30 2017-08-30 一种利用多色荧光碳点同时且可视化检测多种抗生素的方法及多种抗生素的荧光检测指示卡

Publications (2)

Publication Number Publication Date
CN107607502A CN107607502A (zh) 2018-01-19
CN107607502B true CN107607502B (zh) 2019-10-01

Family

ID=61056486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710762943.1A Active CN107607502B (zh) 2017-08-30 2017-08-30 一种利用多色荧光碳点同时且可视化检测多种抗生素的方法及多种抗生素的荧光检测指示卡

Country Status (1)

Country Link
CN (1) CN107607502B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110174389A (zh) * 2019-06-24 2019-08-27 贵州大学 一种基于碳点荧光内滤效应的卡那霉素检测方法
CN110618125A (zh) * 2019-08-28 2019-12-27 江苏大学 一种荧光纸基传感器的制备方法及其应用
CN111122531B (zh) * 2020-01-06 2023-06-30 闽南师范大学 一种可视化识别多种有机溶剂的比率荧光传感方法
CN113721024A (zh) * 2021-09-16 2021-11-30 天津温阳生物技术有限公司 一种动物源性食品中恩诺沙星碳量子点荧光免疫快速检测试剂盒及其检测方法
CN114891503B (zh) * 2022-06-06 2023-10-13 沈阳药科大学 基于杨树花的绿色碳量子点荧光探针及其制备方法和应用

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006153460A (ja) * 2004-11-25 2006-06-15 Hitachi High-Technologies Corp 蛍光検出方法、検出装置及び蛍光検出プログラム
CN103919558A (zh) * 2014-04-13 2014-07-16 中南民族大学 荧光猝灭体系用于潜在指纹显现的方法
CN106596490A (zh) * 2016-12-20 2017-04-26 中国农业大学 同步检测百草枯和敌草快的超分子传感器阵列及方法
CN106706534A (zh) * 2016-12-30 2017-05-24 首都师范大学 基于比色阵列传感器与手机联用检测蛋白质的方法
CN106770112A (zh) * 2016-12-20 2017-05-31 中国农业大学 采用超分子荧光传感器阵列来检测多种有机物的方法
CN106959290A (zh) * 2017-03-09 2017-07-18 华东师范大学 一种比率型稀土荧光探针及检测炭疽杆菌生物标志物的应用

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR112015020782A2 (pt) * 2013-03-15 2017-10-10 Univ Cornell nanopartículas à base de sílica multimodal

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006153460A (ja) * 2004-11-25 2006-06-15 Hitachi High-Technologies Corp 蛍光検出方法、検出装置及び蛍光検出プログラム
CN103919558A (zh) * 2014-04-13 2014-07-16 中南民族大学 荧光猝灭体系用于潜在指纹显现的方法
CN106596490A (zh) * 2016-12-20 2017-04-26 中国农业大学 同步检测百草枯和敌草快的超分子传感器阵列及方法
CN106770112A (zh) * 2016-12-20 2017-05-31 中国农业大学 采用超分子荧光传感器阵列来检测多种有机物的方法
CN106706534A (zh) * 2016-12-30 2017-05-24 首都师范大学 基于比色阵列传感器与手机联用检测蛋白质的方法
CN106959290A (zh) * 2017-03-09 2017-07-18 华东师范大学 一种比率型稀土荧光探针及检测炭疽杆菌生物标志物的应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Fluorometric determination of the antibiotic kanamycin by aptamer-induced FRET quenching and recovery between MoS2 nanosheets and carbon dots;Yashan Wang 等;《Microchim Acta》;20161111;第184卷;第203-210页 *

Also Published As

Publication number Publication date
CN107607502A (zh) 2018-01-19

Similar Documents

Publication Publication Date Title
CN107607502B (zh) 一种利用多色荧光碳点同时且可视化检测多种抗生素的方法及多种抗生素的荧光检测指示卡
Lee et al. Determination of the total volatile basic nitrogen (TVB-N) content in pork meat using hyperspectral fluorescence imaging
Chen et al. Development of a novel colorimetric food package label for monitoring lean pork freshness
CN108680572B (zh) 一种颜色/荧光双信号可视化快速检测亚硝酸盐的方法及应用
Pu et al. Principles of hyperspectral microscope imaging techniques and their applications in food quality and safety detection: A review
Xiong et al. Potential of hyperspectral imaging for rapid prediction of hydroxyproline content in chicken meat
Trinderup et al. Comparison of a multispectral vision system and a colorimeter for the assessment of meat color
CN102660629A (zh) 一种基于嗅觉可视化技术快速鉴别畜肉优势腐败菌的方法
Hinsch et al. Mechanical color reading of wood-staining fungal pigment textile dyes: An alternative method for determining colorfastness
US20140287428A1 (en) Method for detection of bacteria in milk
Tun Norbrillinda et al. Optimization of spray drying process of Sargassum muticum color extract
Hassoun Exploring the potential of fluorescence spectroscopy for the discrimination between fresh and frozen-thawed muscle foods
Edwards et al. Non-destructive spectroscopic and imaging techniques for the detection of processed meat fraud
Liu et al. On-package ratiometric fluorescent sensing label based on AIE polymers for real-time and visual detection of fish freshness
Du et al. Current progress on meat food authenticity detection methods
CN106164292A (zh) 使用SOMAmer通过基于荧光的检测方法检测样品中微生物的方法
CN104749150A (zh) 基于三维荧光光谱的食用油品质快速鉴别方法及鉴别装置
Kiełbasa et al. PAHs in animal tissues–the analytics of PAHs in new reference materials and their homogeneity
JP2017169455A (ja) 培養併用蛍光インサイチューハイブリダイゼーション法を用いた食品中の細菌からのシグナル検出方法
CN109298180A (zh) 一种检测鼠伤寒沙门氏菌的方法
Heim et al. Expeller barrel dry heat and moist heat pressure duration induce changes in canola meal protein for ruminant utilisation
Ogilvie et al. Interdisciplinary methods for analysing food matrix structures of hybrid cell-based meats: a review
CN103592167B (zh) 基于荧光素酶标记工程菌的氟喹诺酮类药物残留检测方法
Chaithra et al. Smartphone application-based colorimetric fish freshness monitoring using an indicator prepared by rub-coating of red cabbage on paper substrates
Juniawan et al. A Rapid Analysis to Determine the Type of Meat using Fluorescence Spectrophotometry: Chicken Meat and Pork

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant