CN117658109A - 一种用于检测铜离子的近红外碳化聚合物的制备方法及其检测应用 - Google Patents
一种用于检测铜离子的近红外碳化聚合物的制备方法及其检测应用 Download PDFInfo
- Publication number
- CN117658109A CN117658109A CN202311467660.6A CN202311467660A CN117658109A CN 117658109 A CN117658109 A CN 117658109A CN 202311467660 A CN202311467660 A CN 202311467660A CN 117658109 A CN117658109 A CN 117658109A
- Authority
- CN
- China
- Prior art keywords
- solution
- cpds
- sample
- concentration
- near infrared
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 229920000642 polymer Polymers 0.000 title claims abstract description 34
- JPVYNHNXODAKFH-UHFFFAOYSA-N Cu2+ Chemical compound [Cu+2] JPVYNHNXODAKFH-UHFFFAOYSA-N 0.000 title claims abstract description 25
- 229910001431 copper ion Inorganic materials 0.000 title claims abstract description 24
- 238000002360 preparation method Methods 0.000 title claims abstract description 11
- 238000000254 composite pulse decoupling sequence Methods 0.000 claims abstract description 55
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 20
- 239000002245 particle Substances 0.000 claims abstract description 19
- QMKYBPDZANOJGF-UHFFFAOYSA-N benzene-1,3,5-tricarboxylic acid Chemical compound OC(=O)C1=CC(C(O)=O)=CC(C(O)=O)=C1 QMKYBPDZANOJGF-UHFFFAOYSA-N 0.000 claims abstract description 18
- GEYOCULIXLDCMW-UHFFFAOYSA-N 1,2-phenylenediamine Chemical compound NC1=CC=CC=C1N GEYOCULIXLDCMW-UHFFFAOYSA-N 0.000 claims abstract description 8
- 239000002244 precipitate Substances 0.000 claims abstract description 8
- 238000010438 heat treatment Methods 0.000 claims abstract description 7
- 239000008367 deionised water Substances 0.000 claims abstract description 5
- 229910021641 deionized water Inorganic materials 0.000 claims abstract description 5
- 238000004108 freeze drying Methods 0.000 claims abstract description 5
- 239000006228 supernatant Substances 0.000 claims abstract description 4
- 239000010949 copper Substances 0.000 claims description 124
- 239000000523 sample Substances 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 32
- 238000003066 decision tree Methods 0.000 claims description 26
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 24
- 239000012488 sample solution Substances 0.000 claims description 23
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 claims description 20
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 claims description 18
- 239000013535 sea water Substances 0.000 claims description 14
- 239000007787 solid Substances 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 239000011780 sodium chloride Substances 0.000 claims description 10
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 claims description 8
- 230000005284 excitation Effects 0.000 claims description 8
- 239000000047 product Substances 0.000 claims description 8
- 238000009210 therapy by ultrasound Methods 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 229910021642 ultra pure water Inorganic materials 0.000 claims description 7
- 239000012498 ultrapure water Substances 0.000 claims description 7
- 238000000502 dialysis Methods 0.000 claims description 6
- 239000012528 membrane Substances 0.000 claims description 6
- 244000005700 microbiome Species 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005303 weighing Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- -1 polyethylene Polymers 0.000 claims description 4
- 239000004698 Polyethylene Substances 0.000 claims description 3
- 229920000573 polyethylene Polymers 0.000 claims description 3
- 238000013138 pruning Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 239000012535 impurity Substances 0.000 abstract description 3
- 238000010791 quenching Methods 0.000 description 12
- 230000000171 quenching effect Effects 0.000 description 12
- 238000002474 experimental method Methods 0.000 description 9
- 238000011084 recovery Methods 0.000 description 9
- 230000035945 sensitivity Effects 0.000 description 9
- 238000007792 addition Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 238000010521 absorption reaction Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 241000251468 Actinopterygii Species 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 6
- 238000000862 absorption spectrum Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 6
- 150000001768 cations Chemical class 0.000 description 6
- 229910052751 metal Inorganic materials 0.000 description 6
- 239000002184 metal Substances 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 150000001450 anions Chemical class 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 150000002500 ions Chemical class 0.000 description 5
- 229910052757 nitrogen Inorganic materials 0.000 description 5
- 235000015170 shellfish Nutrition 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 241000238557 Decapoda Species 0.000 description 4
- 229910052802 copper Inorganic materials 0.000 description 4
- 239000013078 crystal Substances 0.000 description 4
- 229910001385 heavy metal Inorganic materials 0.000 description 4
- 229910021645 metal ion Inorganic materials 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000001308 synthesis method Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- YMWUJEATGCHHMB-UHFFFAOYSA-N Dichloromethane Chemical group ClCCl YMWUJEATGCHHMB-UHFFFAOYSA-N 0.000 description 3
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical group OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 3
- 238000000026 X-ray photoelectron spectrum Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 125000003178 carboxy group Chemical group [H]OC(*)=O 0.000 description 3
- 238000001903 differential pulse voltammetry Methods 0.000 description 3
- 238000001095 inductively coupled plasma mass spectrometry Methods 0.000 description 3
- 235000014102 seafood Nutrition 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241001596950 Larimichthys crocea Species 0.000 description 2
- 241000530454 Litopenaeus schmitti Species 0.000 description 2
- JUJWROOIHBZHMG-UHFFFAOYSA-N Pyridine Chemical compound C1=CC=NC=C1 JUJWROOIHBZHMG-UHFFFAOYSA-N 0.000 description 2
- KAESVJOAVNADME-UHFFFAOYSA-N Pyrrole Chemical compound C=1C=CNC=1 KAESVJOAVNADME-UHFFFAOYSA-N 0.000 description 2
- 241000392375 Sinonovacula constricta Species 0.000 description 2
- 125000003277 amino group Chemical group 0.000 description 2
- 238000003968 anodic stripping voltammetry Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000012496 blank sample Substances 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000007850 fluorescent dye Substances 0.000 description 2
- 125000000524 functional group Chemical group 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- IICCLYANAQEHCI-UHFFFAOYSA-N 4,5,6,7-tetrachloro-3',6'-dihydroxy-2',4',5',7'-tetraiodospiro[2-benzofuran-3,9'-xanthene]-1-one Chemical compound O1C(=O)C(C(=C(Cl)C(Cl)=C2Cl)Cl)=C2C21C1=CC(I)=C(O)C(I)=C1OC1=C(I)C(O)=C(I)C=C21 IICCLYANAQEHCI-UHFFFAOYSA-N 0.000 description 1
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 1
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 1
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 229910014033 C-OH Inorganic materials 0.000 description 1
- 229910014570 C—OH Inorganic materials 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 240000006829 Ficus sundaica Species 0.000 description 1
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- 208000002972 Hepatolenticular Degeneration Diseases 0.000 description 1
- 101001018064 Homo sapiens Lysosomal-trafficking regulator Proteins 0.000 description 1
- 102100033472 Lysosomal-trafficking regulator Human genes 0.000 description 1
- 244000038561 Modiola caroliniana Species 0.000 description 1
- 235000010703 Modiola caroliniana Nutrition 0.000 description 1
- ZMXDDKWLCZADIW-UHFFFAOYSA-N N,N-Dimethylformamide Chemical group CN(C)C=O ZMXDDKWLCZADIW-UHFFFAOYSA-N 0.000 description 1
- 206010028813 Nausea Diseases 0.000 description 1
- 241000220317 Rosa Species 0.000 description 1
- 208000018839 Wilson disease Diseases 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 238000000184 acid digestion Methods 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004082 amperometric method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012984 biological imaging Methods 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011852 carbon nanoparticle Substances 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006957 competitive inhibition Effects 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000006482 condensation reaction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 238000000840 electrochemical analysis Methods 0.000 description 1
- 238000002848 electrochemical method Methods 0.000 description 1
- 230000005274 electronic transitions Effects 0.000 description 1
- 238000010828 elution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001917 fluorescence detection Methods 0.000 description 1
- 238000002189 fluorescence spectrum Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 238000002173 high-resolution transmission electron microscopy Methods 0.000 description 1
- 230000013632 homeostatic process Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000009616 inductively coupled plasma Methods 0.000 description 1
- 239000003295 industrial effluent Substances 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 239000012621 metal-organic framework Substances 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 239000002086 nanomaterial Substances 0.000 description 1
- 230000008693 nausea Effects 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004313 potentiometry Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000083 pulse voltammetry Methods 0.000 description 1
- UMJSCPRVCHMLSP-UHFFFAOYSA-N pyridine Natural products COC1=CC=CN=C1 UMJSCPRVCHMLSP-UHFFFAOYSA-N 0.000 description 1
- 229930187593 rose bengal Natural products 0.000 description 1
- 229940081623 rose bengal Drugs 0.000 description 1
- STRXNPAVPKGJQR-UHFFFAOYSA-N rose bengal A Natural products O1C(=O)C(C(=CC=C2Cl)Cl)=C2C21C1=CC(I)=C(O)C(I)=C1OC1=C(I)C(O)=C(I)C=C21 STRXNPAVPKGJQR-UHFFFAOYSA-N 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 125000000467 secondary amino group Chemical class [H]N([*:1])[*:2] 0.000 description 1
- 230000007928 solubilization Effects 0.000 description 1
- 238000005063 solubilization Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000003950 stripping voltammetry Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000004832 voltammetry Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
本发明公开了一种用于检测铜离子的近红外碳化聚合物的制备方法及其检测应用,特点是具体步骤如下:将邻苯二胺和均苯三甲酸溶于去离子水置于高压釜中,于200℃‑240℃加热6h后,待反应釜自然冷却至室温后,观察到溶液中有黑色的颗粒物形成,透析去除未反应杂质,将透析后溶液进离心得到含有黑色絮状物沉淀,去除上清液,将获得的沉淀在冷冻干燥获得黑色颗粒,即为用于检测铜离子的近红外碳化聚合物r‑CPDs,利用上述方法制备的近红外碳化聚合物构建了基于决策树模型以及的电化学发光强度检测铜离子的方法,优点是稳定性强、特异性好、灵敏度和准确度高。
Description
技术领域
本发明涉及痕量铜离子的检测方法,尤其是涉及一种用于检测铜离子的近红外碳化聚合物的制备方法及其检测应用。
背景技术
铜(Cu)作为生物体中重要的金属元素参与人体多种生物过程中的酶辅助因子,在水环境中也是常见的重金属之一。当Cu2+的存在超过允许的限度时,它对人类和水生生物都是危险的,而且水生生物对Cu2+的敏感性比人体更强,当敏感鱼类与两栖类生物暴露于5~10μg/L的铜时,受精卵就会受到致畸,而对于人体来说,当饮用水Cu2+含量达到1300μg/L时,才会导致婴幼儿产生腹泻恶心。此外Cu2+具有不可降解性,在水环境中会以食物链方式在鱼类的肌肉和贝类的肝脏中富集,如果被人类食用将造成不可逆的危害。同时,Cu2+稳态失调也与威尔逊病、门克氏综合症和阿尔茨海默病等病状相关,严重影响人类健康。因此建立水环境中Cu2+的实时监测方法尤为重要。
目前,Cu2+的常规检测方法主要有原子吸收光谱、电感耦合等离子体质谱(ICP-MS)、阳极溶出伏安法(ASV)和高效液相色谱等。其中原子吸收光谱、电感耦合等离子体质谱和原子吸收光谱,由于具有极低的检出限、分析灵敏度高和分析速度快等优势,已被广泛用作检测溶液中重金属离子,但是这些方法需要样品预处理(包含离子提取,洗脱和酸消化等)繁琐过程、相对昂贵仪器和复杂的操作,不适用于现场实时监测。电化学分析方法以其操作简单、响应速度快、灵敏度高等特点而备受关注,已经开发了操作方便、样品制备简单的电化学方法(电位法、伏安法和安培法),目前检测Cu2+的电化学方法是吸附溶出伏安(ASV),但该方法涉及富集和溶解的间接且复杂的过程,且它们需要电极和电源等设备来操作系统。虽然这些方法对于Cu2+离子的快速检测非常有效,但复杂的设备和复杂的程序阻碍了它们的可及性和应用。
碳点(CDs)通常定义为尺寸小于10nm的小碳纳米颗粒,是一种新型的发光纳米材料,CDs根据不同的结构和性质可分为碳量子点(CQDs)、石墨烯量子点(GQDs)和碳化聚合物点(CPDs)。CPDs是一种由发光碳核心和连接的聚合物链组成的,其中近红外CPDs其表面丰富的活性基团能特异性与目标物结合,并通过荧光光谱变化形式展现,与此同时CPDs具有高稳定性、化学可调性和出色的光学稳定性,在检测痕量污染物方面具有较高的灵敏度和准确性,被广泛应用于化学传感、生物成像和催化等领域。而与传统的黄蓝发光碳点相比,近红外CPDs没有激发依赖性,背景噪声低,抗干扰能力强,因此更适用于水环境和水产品中重金属的检测。目前,国内外还没有公开任何关于检测痕量铜离子的近红外碳化聚合物的制备方法及其检测应用的相关内容研究报道。
发明内容
本发明所要解决的技术问题是提供一种稳定性强、特异性好、灵敏度和准确度高的用于检测铜离子的近红外碳化聚合物的制备方法及其检测应用。
本发明解决上述技术问题所采用的技术方案为:
1、一种用于检测铜离子的近红外碳化聚合物的制备方法,具体步骤如下:将1.0mmol邻苯二胺和1.0mmol均苯三甲酸溶于12mL的去离子水中,用盐酸调节pH值到4,于40Hz进行超声5min后,转移到聚乙烯四氟内衬中,将密封反应器置于高压釜中,于200℃-240℃加热6h后,待反应釜自然冷却至室温后,观察到溶液中有黑色的颗粒物形成,采用1000-2000Da透析袋进行18-24h不间断透析去除未反应杂质,将透析后溶液进行8000-10000×g离心得到含有黑色絮状物沉淀,去除上清液,将获得的沉淀在温度为-25--35℃、压力为-0.1--0.01Pa的条件下冷冻干燥24h,获得黑色颗粒,即为用于检测铜离子的近红外碳化聚合物r-CPDs。
2、一种利用上述方法制备的近红外碳化聚合物基于决策树模型的近红外碳化聚合物r-CPDs检测铜离子的方法,包括以下步骤:
(1)样品前处理
A.液体样品前处理:将海水样品经过0.22μm滤膜过滤,除去颗粒物和微生物,得到待测样品溶液,储存在4℃冰箱中备用;
B.固体样品前处理:称取待测水产肉质固体样品5g进行细胞破碎后匀浆,依次加入30mL超纯水和10mL乙腈,涡旋3min,随后加入6.0gNaCl并超声3min后,于1×103g离心10min,取水层部分,即得到待测样品溶液,并且至于4℃冰箱中备用;
(2)决策树模型构建与分析
将1950μL的20mg/mL的r-CPD溶液加入50μL的不同浓度Cu2+溶液中,在365nm紫外灯下拍摄荧光照片作为源数据集,按Cu2+浓度从低到高排列分为共10组,并且将排列好的RGB特征值随机分为训练集和测试集,其中测试集占总数据集的25%~30%;采用Pytorch框架编写的决策树,浓度分类过程具体为:将拍摄的荧光彩色照片经Pytorch框架转化为张量后作为输入层,输入层根据分裂标准划分为十个不同的子集,再经过信息增益、基尼不纯度和剪枝规则复合处理后,获得Cu2+浓度与图像颜色特征相关的基于决策树模型的图像分类器;
(3)待测样品检测
将20μL的40.0mg/L的r-CPDs加入到装有1960μL乙醇溶液的比色皿中,将20μL待测溶液滴加到比色皿中,将比色皿放置于暗室在365nm紫外灯下,由智能手机拍取荧光照片,利用图像RGB特征值识别器读取出荧光照片的N个RGB值,将超出荧光颜色RGB值范围的RGB值剔除,计算剩余所有RGB值的平均值RGB*,将平均值RGB*输入基于决策树模型的图像分类器,输出待测溶液中Cu2+浓度值。
3、一种利用上述方法制备的近红外碳化聚合物基于电化学发光强度的近红外碳化聚合物r-CPDs检测铜离子的方法,包括以下步骤:
(1)样品前处理
A.液体样品前处理:将海水样品经过0.22μm滤膜过滤,除去颗粒物和微生物,得到待测样品溶液,储存在4℃冰箱中备用;
B.固体样品前处理:称取待测水产肉质固体样品5g进行细胞破碎后匀浆,依次加入30mL超纯水和10mL乙腈,涡旋3min,随后加入6.0gNaCl并超声3min后,于1×103g离心10min,取水层部分,即得到待测样品溶液,并且至于4℃冰箱中备用;
(2)将10μL的40.0mg/L的r-CPDs和10μL的含Cu2+的待测溶液加入到装有980μL乙醇溶液的比色皿中,用NaCl调节溶液盐度为20‰,并调节溶液的pH值=7时,在535nm的激发波长下检测r-CPD的荧光强度值,根据Cu2+浓度与r-CPD荧光强度值之间的定量关系,计算获得待测溶液中Cu2+的浓度。
与现有技术相比,本发明的优点在于:一种用于检测铜离子的近红外碳化聚合物的制备方法及其检测应用,r-CPDs对铜离子具有优异的选择性和灵敏度,并且r-CPDs的颜色可随Cu2+的浓度增加而改变。读取r-CPDs的RGB值实现对Cu2+定量检测,因此结合决策树模型对荧光传感器分析数据进行分类,能够有效模拟荧光传感器对低浓度下的目标污染物的逻辑关系,有效避免环境中干扰因素,并且无需借助专业大型仪器即可完成对待测物检测,提高荧光传感器检测效率和抗干扰能力,实现对重金属的现场检测。综上所述,r-CPDs检测体系具有良好的精准度和准确度,所构建的基于决策树模型以及电化学发光强度的近红外碳化聚合物r-CPDs检测铜离子的方法均具有良好的稳定性、灵敏度和特异性。
附图说明
图1为近红外碳化聚合物r-CPDs的结构特征图,其中(A)为r-CDOFs的粒径图,(B)为r-CDOFs的透射电镜图与晶格,(C)为r-CDOFs的红外光谱图;
图2为近红外碳化聚合物r-CPDs的XPS能谱扫描,其中(A)为C1s分峰;(B)为N1s分峰;(C)为O1s分峰;
图3为近红外碳化聚合物r-CPDs吸附Cu2+的XPS能谱扫描,其中(A)为C1s分峰;(B)为N1s分峰;(C)为O1s分峰;
图4为验证r-CPDs的对Cu2+的荧光响应性能,其中(A)为差分脉冲伏安法(r-CPDs和r-CPDs/Cu2+);(B)为紫外吸收光谱(r-CPDs和r-CPDs/Cu2+),插图为-r-CPDs和r-CPDs/Cu2+在日光和紫外灯下颜色变化图;(C)近红外碳化聚合物r-CPDs吸附Cu2+的Cu2p的XPS能谱扫描;
图5为r-CPDs加入不同浓度(0-100nM)Cu2+的日光图像和365nm紫外图像;
图6为r-CPDs的合成条件优化,其中(A)为合成时间;(B)为原料配比;(C)为合成pH;
图7为具体实施例二中构建的决策树模型;
图8为手机颜色提取App检测界面以及r-CPD荧光颜色随Cu2+浓度变化特征;
图9为r-CPDs检测条件优化(A)溶质;(B)r-CPDs浓度;(C)乙醇和水含量比;(D)pH;(E)盐度;(F)激发波长;
图10为r-CPDs的选择性实验,其中(A)不同金属离子+r-CPDs;(B)金属阳离子+Cu2++r-CPDs;(C)不同阴离子+Cu2++r-CPDs;(D)不同干扰离子+r-CPDs日光颜色变化及荧光颜色变化;
图11为加入80nM的Cu2+后r-CPDs在2分钟内荧光强度变化;
图12为加入不同浓度的Cu2+时r-CPDs荧光强度变化;
图13为r-CPDs荧光强度比与Cu2+浓度的线性回归曲线。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
具体实施例一
1、一种用于检测铜离子的近红外碳化聚合物的制备方法,具体步骤如下:将1.0mmol邻苯二胺和1.0mmol均苯三甲酸溶于12mL的去离子水中,用盐酸调节pH值到4,于40Hz进行超声5min后,转移到15mL的聚乙烯四氟内衬中,将密封反应器置于高压釜中,于200℃-240℃加热6h后,待反应釜自然冷却至室温后,观察到溶液中有黑色的颗粒物形成,采用1000-2000Da透析袋进行18-24h不间断透析去除未反应杂质,将透析后溶液进行8000-10000×g离心得到含有黑色絮状物沉淀,去除上清液,将获得的沉淀在温度为-25--35℃、压力为-0.1--0.01Pa的条件下冷冻干燥24h,获得黑色颗粒,即为用于检测铜离子的近红外碳化聚合物r-CPDs。图1为近红外碳化聚合物r-CPDs的结构特征图。
由图1Ar-CPDs的粒径分布图可知,r-CPDs的粒径在3~5nm。
由图1B r-CDOFs的透射电镜图与晶格可知,通过HRTEM对r-CDOFs的形态特征进行观察,r-CDOFs为粒径相似、分布均一的球型结构,晶格为0.22nm,与石墨的(100)晶格平面一致。
由图1C r-CDOFs的红外光谱图可知,通过FT-IR分析在3440cm-1出现了较强的吸收峰,对应-NH2和-OH的伸缩振动,在2930cm-1处的吸收峰对应=C-H,在1725cm-1和1620cm-1处的吸收峰分别对应C=O和N-H的伸缩振动,以及在1480cm-1和1220cm-1的吸收峰,分别对应C-H和C-N的伸缩振动。含碳和氮的官能团来源于邻苯二胺和均苯三甲酸之间的缩合反应,碳化反应,而羟基来源于均苯三甲酸以及溶液中的OH-。
图2为近红外碳化聚合物r-CPDs的XPS能谱扫描。由图2AC1s分峰可知,r-CPDs的C1s分峰在289.67、287.46、285.17、284.39和283.26eV处为五个吸收峰,分别对应于C=N、C=O、C-O、C-N、C=C和C-C键;由图2B N1s分峰可知,N1s分峰在398.76eV和397.55eV处的吸收峰,分别对应于仲胺(-NH-)和吡啶N。由图2C O1s分峰可知,O1s分峰在531.76eV和530.20eV处的吸收峰,分别对应于C-O-C/C-OH。
2、r-CPD螯合Cu2+的能力分析实验方法:配置好20mL的20mg/mL r-CPD溶液,加入50μL的50nM的Cu2+溶液,出现明显颜色变化,由红色逐渐变为无色,进行冷冻干燥获得r-CPD/Cu2+的黑色颗粒物。空白样则是不加入Cu2+的r-CPD黑色颗粒物,将上述两种固体进行XPS分析。
液体样品:配置好20mL的20mg/mL r-CPD溶液,加入50μL的50nM的Cu2+溶液。空白样则是不加入Cu2+的r-CPD溶液,将上述两种溶液进行差分脉冲伏安法、紫外吸收光谱。
图3展示了加入Cu2+后r-CPDs的元素组成和化学键的变化,其中C1s和N1s显示出轻微的偏移。图3A显示C1s中C-O/C=O(288.75eV)、C-N(286.48eV)和C=N(291.50eV)的结合能明显增加,图3B显示N1s中吡咯N(401.10eV)的结合能增加2.34eV,产生较大的化学位移,图3C显示O1s中化学C-O(533.54eV)峰增加。这种组合表明,r-CPDs的O和N元素失去电子。
验证r-CPDs的对Cu2+的荧光响应性能,进行了差分脉冲伏安法、紫外吸收光谱和XPS(r-CPDs+Cu2+)光谱分析,结果如图4所示。由图4A可知,r-CPDs加入Cu2+后,差分脉冲伏安法显示r-CPDs/Cu2+出现一个以铜胺介导的氧化还原峰。如图4B所示,在紫外吸收光谱证实r-CPDs/Cu2+在440nm为中心的吸收带,而在536nm和570nm吸收峰几乎没有变化。如图4C显示,有933.14eV和930.97eV两处峰,分别对应于Cu2+2p3/2和Cu+2p3/2的结合能,结果与-NH-和吡啶-N的变化相对应,进一步证实了r-CPDs与Cu2+之间配位的相互作用。
将r-CPDs在365nm紫外灯下记录溶液颜色变化。结果如图5所示,r-CPDs对Cu2+具有优异的灵敏度,随着Cu2+浓度的增加,溶液显示出连续的颜色变化,当Cu2+浓度由低到高时(0-100.0nM),溶液的颜色会由玫瑰红变为无色,继而颜色不再发生变化。与此同时日光条件下,肉眼可以观测到溶液的颜色随Cu2+浓度增加,逐渐由紫红色变为浅灰色。二者结果都表明当Cu2+浓度达到100nM,r-CPDs与Cu2+之间的螯合-解离过程达到了平衡状态,即反应达到饱和。
以上结果表明,r-CPD含有大量氨基和羧基,使r-CPD具有螯合Cu2+的能力。当Cu2+与r-CPD表面的氨基和羧基螯合时,r-CPD表面缺陷结构改变,该部位的电子云重叠发生变化,电子从能隙较大跃迁变为能隙的跃迁,导致r-CPD的荧光颜色由玫瑰红逐渐变为无色。
3、r-CPDs的合成条件优化
如图6A所示,r-CPDs的合成方法同上,仅改变加热时间,在200℃下加热1-8h,r-CPD的初始荧光强度逐渐增加,在合成时间为6h,r-CPDs荧光强度基本保持不变,说明反应合成原料基本消耗完毕。
如图6B所示,r-CPDs的合成方法同上,仅改变邻苯二胺和均苯三甲酸之间的比例,邻苯二胺和均苯三甲酸在摩尔比为1:1时对Cu2+具有较好的荧光猝灭效果。
如图6C所示,r-CPDs的合成方法同上,仅改变溶液pH条件,pH≤3和pH≥5时,r-CPD在595nm和645nm处的荧光峰逐渐下降,而pH≥8时,荧光波峰蓝移,荧光峰变为545nm,归因于r-CDs表面的羧基减少影响与氨基形成肽键,导致r-CPD的结构改变,缺陷形态发生变化,荧光由红色变为黄色。合成pH条件为4时,r-CPDs在595nm和645nm处具有较好的荧光强度值。
综上所述,在r-CPDs的合成方法中,控制邻苯二胺和均苯三甲酸摩尔比在1:1,加热时间为6h后,合成时的溶液pH=4的条件下,r-CPD具有较高的荧光强度值。
具体实施例二
一种基于决策树模型的近红外碳化聚合物r-CPDs检测铜离子的方法,包括以下步骤:1、样品前处理
(1)液体样品前处理:海水样品采集自宁波近海海域,并储存于玻璃瓶中,海水样品经过0.22μm滤膜过滤,除去颗粒物和微生物,得到待测样品溶液,储存在4℃冰箱中备用;
(2)固体样品前处理:鱼、虾和贝类均来自宁波当地海鲜市场,称取待测水产肉质固体样品5g进行细胞破碎后匀浆,依次加入30mL超纯水和10mL乙腈,涡旋3min,随后加入6.0gNaCl并超声3min后,于1×103g离心10min,取水层部分,即得到待测样品溶液,并且至于4℃冰箱中保存。
2、决策树模型构建与分析
为了提高检测效率,实现r-CPDs对Cu2+的现场检测,进行结合机器学习技术的方法来克服传统方法的局限性。
(1)配置不同浓度的Cu2+溶液(0、0.5nM、1.0nM、2.0nM、4.0nM、5.0nM、8.0nM、10.0nM、15.0nM、20.0nM、25.0nM、30.0nM、35nM、40nM、45nM、50.0nM、55.0nM、60.0nM、65.0nM、70.0nM、75.0nM、80.0nM),将1950μL的20mg/mL的r-CPD溶液加入50μL的不同浓度Cu2+溶液中,在365nm紫外灯下拍摄荧光照片,提取照片中荧光的RGB特征值作为源数据集。按Cu2+浓度从低到高排列分为0、0.5nM、1.0nM、2.0nM、5.0nM、10.0nM、20.0nM、40.0nM、50.0nM、80.0nM共10组,并且将排列好的RGB特征值随机分为训练集和测试集,其中测试集占总数据集的25%~30%。对训练集进行了分类回归,使用二叉树模型,并通过10倍交叉验证法进行研究。
图像分类器为采用Pytorch框架编写的决策树,浓度分类过程具体为:将拍摄的荧光彩色照片经Pytorch框架转化为张量后作为输入层,输入层根据分裂标准划分为十个子集,再经过信息增益、基尼不纯度和剪枝规则复合处理后,获得图像颜色特征相关的Cu2+浓度决策树模型,如图7所示,其中Entropy表示信息增益用于选择最佳的分裂条件,公式为公式为H(A)=-∑k j=1p(Ai)log2(P(Ai)),其中H为样品中Cu2+浓度,单位为nM,Ai为图像分类器设定的N个浓度值中的任意一个,单位为nM,P为浓度Ai的分类权值,i为自然数1-N,N为样本量的值为350;Sample表示当前分支的样本量,Value通常指的是数据集或特征中的一个具体数值、标签或离散值,这里是指设定好的10个组的标签;Class表示组别,R、G和B分别代表RGB特征值中红、绿和蓝通道,输入图片中的RGB值中R值小于等于195.0的有279个样本量,接着进行R小于等于175.5判定,此时划分后的有136个样本量记为组别8,其中,value=【0,0,0,0,29,24,37,26,20】,10个标签从左到右依次指代Cu2+浓度为0、0.5nM、1.0nM、2.0nM、5.0nM、10.0nM、20.0nM、40.0nM、50.0nM、80.0nM,136样本量有29个样品归为10.0nM,有24个样品归为20.0nM,有37个样品归为40.0nM,有26个样品归为50.0nM,有20个样品归为80.0nM,以此继续进行R、G或B划分直到不能划分为止。
(2)选择了四个评估指标准确率(正确预测的正反例数/总数),精确率(正确预测的正反例数/总数)、召回率(正确预测的实际正反例数/总数)和F1分数(精确率和召回率的调和值),来评估决策树模型的回归性能以及在实际样本中的预测能力,其中TP为真正例,预测为正例而且实际上也是正例;FP为假正例,预测为正例然而实际上却是负例;FN为假负例,预测为负例然而实际上却是正例;TN为真负例,预测为负例而且实际上也是负例;F分数在召回率和精度之间进行权衡的,以表示训练模型的综合性能。
表1.不同Cu2+浓度下r-CPDs的RGB特征训练集
表2.不同Cu2+浓度下r-CPDs的RGB特征测试集
由表1和表2可知,350个样本训练的决策树模型,以105个样本作为验证样本,结果获得了较高的精度,R2值优化为0.83-1,表明训练完成的决策树模型对不同浓度的数据预测能力优秀。
综上所述,提取了Cu2+在0、0.5、1.0、2.0、5.0、10.0、20.0、40.0、50.0、80.0nM浓度下的r-CPD的RGB特征,并通过决策树模型的训练和优化,将复杂的荧光颜色变化转化为RGB特征值变化,从而成功地捕捉了Cu2+浓度与荧光颜色之间的关联关系。
3、待测样品检测
将20μL的40.0mg/L的r-CPDs加入到装有1960μL乙醇溶液的比色皿中,将20μL待测溶液滴加到比色皿中,将比色皿放置于暗室在365nm紫外灯下,由智能手机拍取荧光照片,如图8所示,利用图像RGB特征值识别器读取出荧光照片的N个RGB值,将超出荧光颜色的RGB值范围的RGB值剔除,计算剩余所有RGB的平均值RGB*,将平均值RGB*输入基于决策树模型的图像分类器,输出待测溶液中Cu2+浓度值。
具体实施例三
1、一种基于电化学发光强度的近红外碳化聚合物r-CPDs检测铜离子的方法,包括以下步骤:
(1)样品前处理
A.液体样品前处理:海水样品采集自宁波近海海域,并储存于玻璃瓶中,海水样品经过0.22μm滤膜过滤,除去颗粒物和微生物,得到待测样品溶液,储存在4℃冰箱中备用;B.固体样品前处理:鱼、虾和贝类均来自宁波当地海鲜市场,称取待测水产肉质固体样品5g进行细胞破碎后匀浆,依次加入30mL超纯水和10mL乙腈,涡旋3min,随后加入6.0g NaCl并超声3min后,于1×103g离心10min,取水层部分,即得到待测样品溶液,并且至于4℃冰箱中保存。
(2)将10μL的40.0mg/L的r-CPDs和10μL的含Cu2+的待测溶液加入到装有980μL乙醇溶液的比色皿中,用NaCl调节溶液盐度为20‰,并调节溶液的pH值=7时,在535nm的激发波长下检测r-CPD的荧光强度值,根据Cu2+浓度与r-CPD荧光强度值之间的定量关系,计算获得待测溶液中Cu2+的浓度。
2、检测条件优化对r-CPDs体系荧光响应的影响
检测体系构建:将10μL的40.0mg/L的r-CPDs和10μL的50nM的Cu2+溶液加入到装有980μL乙醇溶液的比色皿中,用NaCl调节溶液盐度为20‰,用盐酸和NaOH溶液调节溶液的pH值=7时,记录r-CPD的荧光强度值。
为构建最佳效应检测体系,进行溶质、浓度、水溶剂含量、pH和盐度对r-CPDs的稳定性研究,结果如图9所示。
如图9A所示,其他条件不变,仅改变乙醇溶液中溶质的种类,分别替换为甲醇、N,N-二甲基甲酰胺、二氯甲烷和超纯水,由图可知r-CPDs在乙醇中的分散性最好。
如图9B所示,其他条件不变,仅改变r-CPDs的浓度,当其浓度为40mg/L时,r-CPD具有较好的荧光强度和Cu2+对r-CPDs良好的淬灭效率F0/F。
如图9C所示,其他条件不变,仅改变980μL乙醇溶液中水在总体积的含量(0、10%、20%、30%、40%、50%、60%、70%、80%、90%、100%)随着水含量的进一步增加,Cu2+对r-CPDs的淬灭效率下降,这与水的极性有关,会引起其聚集淬灭,在水含量为20%时,Cu2+对r-CPDs具有较好的淬灭效率。
如图9D所示,其他条件不变,仅改变溶液pH为3、4、5、6、7、8、9,其中pH=7时,r-CPDs对Cu2+具有良好的荧光响应,而在pH≤6和pH≥8时,r-CPDs的荧光强度和Cu2+对r-CPDs的淬灭效率下降。r-CPDs表面有大量的氨基和羟基,形成氢键,导致r-CPDs在酸性条件下淬灭,而在碱性条件下,r-CPDs表面的官能团的电子跃迁可能受到影响,导致r-CPDs荧光强度下降。
如图9E所示,其他条件不变,仅改变溶液盐度为0、5‰、10‰、15‰、20‰、25‰、30‰,在0-30‰的盐度条件下对r-CPDs的荧光强度和Cu2+对r-CPD猝灭效率的检测没有明显影响。
如图9F所示,为获取r-CPD的较好激发波长,更改激发波长为495nm-555nm,在535nm的激发波长下,r-CPD在595nm和645nm处有较好的荧光强度。
具体实施例四
r-CPDs的选择性及特异性分析
为了评估r-CPDs对Cu2+的选择性及特异性荧光响应,采用上述具体实施例二检测方法进行r-CPD的对Cu2+选择性实验,将r-CPDs对Cu2+与其金属离子Ag+、Al3+、Cu2+、Ca2+、Co2 +、Fe3+、Fe2+、Mg2+、Mn2+、Zn2+、Cr2+、Hg2+、Ni2+、Na+和K+相同浓度下的荧光猝灭响应效果进行对比,同时也进行阴离子NO3 2-、Cl-、SO4 2-、Br-,F-的响应效果进行对比。此外,为验证Cu2+对r-CPD的特异性荧光响应,选取相同种类的离子(CCu 2+=50nM,C其他离子=250nM)进行竞争性抑制实验。荧光猝灭计算参考Stern-Volmer方程:F0/F=1+KSV[Q],其中F0为r-CPD s未加Cu2+前的荧光值,F为加了Cu2+之后荧光值,KSV表示荧光猝灭常数,[Q]表示为Cu2+的浓度。结果如图10所示。
由图10A可知,在金属阳离子选择性实验中,Cu2+对r-CPD的荧光猝灭效率明显优于其他金属阳离子,F/F0值达到0.4,其他金属离子对r-CPD荧光强度并没有明显影响。
由图10B可知,在金属阳离子竞争性实验中,r-CPD对Cu2+具有较高的特异性识别能力,在其他金属阳离子浓度五倍于Cu2+的条件下,r-CPD对Cu2+的选择性和特异性几乎没有影响由图10C可知,在阴离子竞争性实验中,在阴离子浓度五倍于Cu2+的条件下,r-CPD对Cu2 +的选择性和特异性几乎没有影响。
由图10D可知,加入同浓度的金属离子下的r-CPD溶液,在日光和365nm紫外灯照射下,只有Cu2+的加入可以使r-CPDs的荧光猝灭,且日光照射下裸眼能够观测到明显颜色变化。
上述结果表明r-CPDs对Cu2+具有较高的选择性,且各种阳离子和阴离子并不能对Cu2+的检测产生影响,该结果表明r-CPDs对Cu2+的选择性检测不仅适用于实验室条件下,即使在成分复杂的海水或者生物样品中,亦有着良好的应用前景。
具体实施例五
r-CPDs荧光响应时间
研究了r-CPDs对Cu2+的响应时间,实验方法采用具体实施例三3的检测方法。结果如图11所示,加入Cu2+后,I595nm和I645nm处荧光强度在0-2分钟内发生变化,在150s后r-CPD的荧光强度逐渐稳定,说明150s后,r-CPD与Cu2+之间反应达到饱和。。
具体实施例六
配置0、0.5、1.0、2.0、5.0、10.0、20.0、40.0、50.0、80.0、100.0nM的Cu2+溶液,取10μL的40.0mg/L的r-CPDs和10μL的不同浓度Cu2+溶液加入到装有980μL乙醇溶液的比色皿中,以Cu2+浓度为横坐标,以荧光强度比F0/F为纵坐标绘制标准曲线,其中F0/F=,其中,I595是指r-CPD在595nM处的荧光峰,I'595是加入Cu2+后r-CPD在595nM处的荧光峰;I645是指r-CPD在645nM处的荧光峰,I'645是加入Cu2+后r-CPD在645nM处的荧光峰。
图12为加入不同浓度的Cu2+时r-CPDs荧光强度变化分析,由图12可知,Cu2+度在0.5-100.0nM范围内,r-CPD在595nm和645nm处的荧光强度随Cu2+浓度升高而降低。
图13为r-CPDs与Cu2+浓度的线性回归曲线,由图13可知,Cu2+浓度在0.5-100.0nM范围内具有良好的线性关系,线性方程为y=0.87147+0.12261x,R2=0.9986,其中y是荧光强度比,x代表Cu2+的浓度。根据公式LOD=3σ/K,其中σ是在十次空白测量的荧光强度的标准偏差,K是标准曲线的斜率,检出限计算为0.24nM。
具体实施例七
将开发的一种近红外碳化聚合物r-CPDs荧光传感器和基于决策树模型的r-CPD视觉检测平台与其他同类型荧光传感器的方法比较,
表3.与已报道的荧光传感器的构建策略比较
备注文献1:L.Chen,W.Qi,C.Du,Y,et al.Anovel copper ion sensingfluorescent probe for fast detection ofpyrophosphate and alkaline phosphatase[J].New Journal of Chemistry,2021,45:3727-3734。
文献2:M.Luo,J.Di,L.Li,et al.Copper ion detection with improvedsensitivity through catalytic quenching ofgold nanocluster fluorescence[J].Talanta,2018,187:231-236.
文献3:Q.Tan,R.Zhang,G.Zhang,et al.Embedding carbon dots and goldnanoclusters in metal-organic frameworks for ratiometric fluorescencedetection of Cu2+[J].Analytical and Bioanalytical Chemistry,2020,412:1317-1324。
文献4:P.Srinivasan,P.Deivasigamani.Solid-state naked-eye sensing ofCu(II)from industrial effluents and environmental water samples using probeintegrated polymeric sensor materials[J].Microchemical Journal,2023,185:108224。
由上表3可知,r-CPDs传感器具有更低的检出限和较宽的检测范围,表明该方法在实际样品中具有良好的实用性。
具体实施例八
实际样品Cu2+检测
为验证该方法对实际样品中Cu2+检测的有效性和实用性,海水样品采集自宁波近海海域,鱼、虾和贝类均来自宁波当地海鲜市场,采用上述具体实施例二和具体实施例三检测方法对海水与鱼、虾和贝类样品进行检测,通过ICP-MS未检出上述待检测样品溶液中存在Cu2+,然后进行加标回收实验,Cu2+加标浓度为0.5、1.0和5.0nM。
表4用r-CPD传感器和基于决策树模型的r-CPD视觉检测平台检测待测溶液中的Cu2+的结果(,n=5)
实验结果如表4所示,海水样品回收率在84.7-106.0%,相对标准差(RSD)小于3.8%,缢蛏样品回收率在92.7-109.4%,RSD小于3.6%,大黄鱼样品回收率在99.9-102.7%,RSD小于4.2%,南美白对虾回收率在90.7-107.3%,RSD小于4.4%。基于决策树模型的r-CPD视觉检测平台在海水样品中的回收率为91.2-122.7%,RSD小于6.8%,缢蛏样品回收率在96.7-110.3%,RSD小于6.7%,大黄鱼样品回收率在103.7-122.3%,RSD小于6.4%,南美白对虾回收率在105.5-137.3%,RSD小于7.2%。结果表明r-CPDs检测体系具有良好的精准度和准确度,并且基于决策树模型的r-CPD视觉检测平台具有良好的稳定性、灵敏度和特异性,说明所构建的r-CPDs/Cu荧光传感平台的两种方法均具有良好的分析性能,可用于海水和水产品中Cu2+检测。
上述说明并非对本发明的限制,本发明也并不限于上述举例。本技术领域的普通技术人员在本发明的实质范围内,做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (3)
1.一种用于检测铜离子的近红外碳化聚合物的制备方法,其特征在于具体步骤如下:将1.0mmol邻苯二胺和1.0mmol均苯三甲酸溶于12mL的去离子水中,用盐酸调节pH值到4,于40Hz进行超声5min后,转移到聚乙烯四氟内衬中,将密封反应器置于高压釜中,于200℃-240℃加热6h后,待反应釜自然冷却至室温后,采用1000-2000Da透析袋进行18-24h不间断透析去除未反应杂质,将透析后溶液进行8000-10000×g离心得到含有黑色絮状物沉淀,去除上清液,将获得的沉淀在温度为-25--35℃、压力为-0.1--0.01Pa的条件下冷冻干燥24h,获得黑色颗粒,即为用于检测铜离子的近红外碳化聚合物r-CPDs。
2.一种利用权利要求1所述的方法制备的近红外碳化聚合物基于决策树模型的近红外碳化聚合物r-CPDs检测铜离子的方法,包括以下步骤:
(1)样品前处理
A.液体样品前处理:将海水样品经过0.22μm滤膜过滤,除去颗粒物和微生物,得到待测样品溶液,储存在4℃冰箱中备用;
B.固体样品前处理:称取待测水产肉质固体样品5g进行细胞破碎后匀浆,依次加入30mL超纯水和10mL乙腈,涡旋3min,随后加入6.0gNaCl并超声3min后,于1×103g离心10min,取水层部分,即得到待测样品溶液,并且至于4℃冰箱中备用;
(2)决策树模型构建与分析
将1950μL的20mg/mL的r-CPD溶液加入50μL的不同浓度Cu2+溶液中,在365nm紫外灯下拍摄荧光照片作为源数据集,按Cu2+浓度从低到高排列分为共10组,并且将排列好的RGB特征值随机分为训练集和测试集,其中测试集占总数据集的25%~30%;采用Pytorch框架编写的决策树,浓度分类过程具体为:将拍摄的荧光彩色照片经Pytorch框架转化为张量后作为输入层,输入层根据分裂标准划分为十个不同的子集,再经过信息增益、基尼不纯度和剪枝规则复合处理后,获得Cu2+浓度与图像颜色特征相关的基于决策树模型的图像分类器;
(3)待测样品检测
将20μL的40.0mg/L的r-CPDs加入到装有1960μL乙醇溶液的比色皿中,将20μL待测溶液滴加到比色皿中,将比色皿放置于暗室在365nm紫外灯下,由智能手机拍取荧光照片,利用图像RGB特征值识别器读取出荧光照片的N个RGB值,将超出荧光颜色RGB值范围的RGB值剔除,计算剩余所有RGB值的平均值RGB*,将平均值RGB*输入基于决策树模型的图像分类器,输出待测溶液中Cu2+浓度值。
3.一种利用权利要求1所述的方法制备的近红外碳化聚合物基于电化学发光强度的近红外碳化聚合物r-CPDs检测铜离子的方法,包括以下步骤:
(1)样品前处理
A.液体样品前处理:将海水样品经过0.22μm滤膜过滤,除去颗粒物和微生物,得到待测样品溶液,储存在4℃冰箱中备用;
B.固体样品前处理:称取待测水产肉质固体样品5g进行细胞破碎后匀浆,依次加入30mL超纯水和10mL乙腈,涡旋3min,随后加入6.0gNaCl并超声3min后,于1×103g离心10min,取水层部分,即得到待测样品溶液,并且至于4℃冰箱中备用;
(2)将10μL的40.0mg/L的r-CPDs和10μL的含Cu2+的待测溶液加入到装有980μL乙醇溶液的比色皿中,用NaCl调节溶液盐度为20‰,并调节溶液的pH值=7时,在535nm的激发波长下检测r-CPD的荧光强度值,根据Cu2+浓度与r-CPD荧光强度值之间的定量关系,计算获得待测溶液中Cu2+的浓度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311467660.6A CN117658109B (zh) | 2023-11-07 | 2023-11-07 | 一种用于检测铜离子的近红外碳化聚合物的制备方法及其检测应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311467660.6A CN117658109B (zh) | 2023-11-07 | 2023-11-07 | 一种用于检测铜离子的近红外碳化聚合物的制备方法及其检测应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117658109A true CN117658109A (zh) | 2024-03-08 |
CN117658109B CN117658109B (zh) | 2024-06-14 |
Family
ID=90077900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311467660.6A Active CN117658109B (zh) | 2023-11-07 | 2023-11-07 | 一种用于检测铜离子的近红外碳化聚合物的制备方法及其检测应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117658109B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442514A (zh) * | 2016-11-24 | 2017-02-22 | 桂林理工大学 | 一种简单超灵敏的二价铜离子比色检测方法 |
CN108359453A (zh) * | 2018-02-05 | 2018-08-03 | 吉林大学 | 一种由邻苯二胺制备的可通过血脑屏障的高荧光量子效率的红光碳化聚合物点及其制备方法 |
WO2019038645A1 (en) * | 2017-08-21 | 2019-02-28 | Ecole Polytechnique Federale De Lausanne (Epfl) | NOVEL COMPOSITES FOR THE EXTRACTION OF METALLIC OR CONTAMINANT CHEMICAL SPECIES |
CN115287062A (zh) * | 2022-08-09 | 2022-11-04 | 山西大学 | 一种氮掺杂碳点的制备方法及其应用 |
CN115584032A (zh) * | 2022-10-21 | 2023-01-10 | 中南大学 | 一种超薄双金属有机框架/碳复合材料及其制备方法和应用 |
CN115895653A (zh) * | 2022-12-19 | 2023-04-04 | 南京师范大学 | 一种硅掺杂碳量子点及其制备方法与应用 |
CN116046741A (zh) * | 2023-02-02 | 2023-05-02 | 上海融享生物科技有限公司 | 一种用于检测糖胺聚糖的碳化聚合物点单组件荧光阵列传感器及其制备方法 |
-
2023
- 2023-11-07 CN CN202311467660.6A patent/CN117658109B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442514A (zh) * | 2016-11-24 | 2017-02-22 | 桂林理工大学 | 一种简单超灵敏的二价铜离子比色检测方法 |
WO2019038645A1 (en) * | 2017-08-21 | 2019-02-28 | Ecole Polytechnique Federale De Lausanne (Epfl) | NOVEL COMPOSITES FOR THE EXTRACTION OF METALLIC OR CONTAMINANT CHEMICAL SPECIES |
CN108359453A (zh) * | 2018-02-05 | 2018-08-03 | 吉林大学 | 一种由邻苯二胺制备的可通过血脑屏障的高荧光量子效率的红光碳化聚合物点及其制备方法 |
CN115287062A (zh) * | 2022-08-09 | 2022-11-04 | 山西大学 | 一种氮掺杂碳点的制备方法及其应用 |
CN115584032A (zh) * | 2022-10-21 | 2023-01-10 | 中南大学 | 一种超薄双金属有机框架/碳复合材料及其制备方法和应用 |
CN115895653A (zh) * | 2022-12-19 | 2023-04-04 | 南京师范大学 | 一种硅掺杂碳量子点及其制备方法与应用 |
CN116046741A (zh) * | 2023-02-02 | 2023-05-02 | 上海融享生物科技有限公司 | 一种用于检测糖胺聚糖的碳化聚合物点单组件荧光阵列传感器及其制备方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117658109B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pacquiao et al. | Highly fluorescent carbon dots from enokitake mushroom as multi-faceted optical nanomaterials for Cr6+ and VOC detection and imaging applications | |
Xiao et al. | Contribution of ferric iron to light absorption by chromophoric dissolved organic matter | |
Shi et al. | Monitoring dissolved organic matter in wastewater and drinking water treatments using spectroscopic analysis and ultra-high resolution mass spectrometry | |
Wang et al. | Sensitivity fluorescent switching sensor for Cr (VI) and ascorbic acid detection based on orange peels-derived carbon dots modified with EDTA | |
CN108384018B (zh) | 一种mof配合物及其合成和在荧光识别铁离子的应用 | |
Ávila et al. | Avocado seeds derived carbon dots for highly sensitive Cu (II)/Cr (VI) detection and copper (II) removal via flocculation | |
CN110118769B (zh) | 一种用于检测重金属离子的金纳米粒子及其制备方法 | |
CN112082980B (zh) | 一种基于碳点的离子印迹荧光传感器的制备方法 | |
CN108579671A (zh) | 一种用于重金属离子吸附的碳量子点及其制备方法和应用 | |
Lakshmipathiraj et al. | Studies on adsorption of cr (vi) onto strychnos potatorum seed from aqueous solution | |
CN112547009A (zh) | 一种改性柚子皮水热炭吸附Cr6+的方法 | |
Yoo et al. | Role of polarity fractions of effluent organic matter in binding and toxicity of silver and copper | |
Kuang et al. | Enhancement mechanisms of copper (II) adsorption onto kaolinite by extracellular polymeric substances of Microcystis aeruginosa (cyanobacterium) | |
Sheng et al. | Selective detection of Cu2+ using nitrogen-doped carbon dots derived from humic acid and urea based on specific inner filter effect | |
Zhen et al. | A Review of covalent organic frameworks for metal ion fluorescence sensing | |
CN117658109B (zh) | 一种用于检测铜离子的近红外碳化聚合物的制备方法及其检测应用 | |
CN110907589B (zh) | 一种基于GQDs光催化可视化检测Cu2+的方法 | |
Esteves et al. | Study of the effect of pH, salinity and DOC on fluorescence of synthetic mixtures of freshwater and marine salts | |
Ahalya et al. | Adsorption of fast green on to coffee husk | |
Fan et al. | A dual-channel “on–off–on” fluorescent probe for the detection and discrimination of Fe 3+ and Hg 2+ in piggery feed and swine wastewater | |
CN116904190B (zh) | 一种可以同时检测六价铬和抗坏血酸的荧光探针及其制备方法与应用 | |
Kartal et al. | Spectrophotometric determination of selenium (IV) with 4-methyl-o-phenylenediamine based on piazselenol formation | |
Wang et al. | Ganoderma lucidum bran-derived blue-emissive and green-emissive carbon dots for detection of copper ions | |
Kayani et al. | A Dual-Mode Detection Sensor Based on Nitrogen-Doped Carbon Dots for Visual Detection of Fe (III) and Ascorbic Acid via a Smartphone | |
Li et al. | Nitrogen-doped carbon dots/Fe 3+-based fluorescent probe for the “off–on” sensing of As (v) in seafood |
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 |