博士毕业论文答辩-李元娜

2011-9-4多维校正方法及在植物激素与农药定量分析中的应用研究博士学位论文答辩答辩人：李元娜导师：吴海龙教授本论文主要内容第二部分三维校正方法用于复杂农业体系中植物激素的定量分析（第2-4章）第三部分三维校正方法用于复杂环境体系中除草剂的定量分析（第5-6章）第四部分非四线性的四维数据解析方法研究（第7章）第一部分绪论（第1章）第1章绪论1.1化学计量学及其研究范畴化学计量学是一门化学与数学、统计学、计算机科学交叉而产生的化学学科分支。它综合应用各个相关学科的理论与方法，进行和选择最优的测量过程和实验方案，通过对化学数据的分析最大限度地获取化学信息。试验设计与优化采样理论与方法计算机模拟与仿真信号处理多维校正与分辨模式识别QSAR化学专家系统研究范畴1.2多维数据分辨与校正ScalarMatrixArrayJ11I1I1L1J1IVectorSinglesampledata1I1IJ1I1KK1KKLJqXVector(One-way)MatrixArrayArraySampledataset数据类型校正类型一维校正（零阶校正）二维校正（一阶校正）三维校正（二阶校正）四维校正（三阶校正）三维校正方法直接求解方法GRAM、DTLD降维处理方法BLLS/RBL迭代方法不适用于多样本中多于三个组分的分析体系具有二阶优势对组分数不敏感PARAFACATLD,SWATLD对组分数敏感收敛速度慢收敛速度快适用于多组分多样本的分析体系第2章三维荧光光谱结合化学计量学方法用于土壤样品中吲哚乙酸的定量分析2.1引言吲哚乙酸（IAA）是第一个被发现的植物激素，且影响着植物生长的全过程；IAA在植物中的含量很低，但它在低浓度时就具有高活性；IAA存在于植物的嫩芽、枝干和种子中，同时，土壤中的微生物通过生物合成也可产生植物激素；亟需建立简单、高灵敏度的新方法用于测定土壤样品中的吲哚乙酸图2.1IAA在选定波长范围内的三维荧光图：（A）纯IAA样品、（B）土壤样品随着荧光仪的发展，高灵敏的荧光分析方法越来越受到关注；IAA具有较强的荧光强度，但是与土壤背景荧光光谱相重叠；阻碍了直接荧光分析法用于土壤样品中IAA的测定。幸运地，化学计量学迅速发展，产生了一系列具有“二阶优势”的二阶校正方法，如交替三线性分解（ATLD）、自加权交替三线性分解（SWATLD）、平行因子分析（PARAFAC）算法等。该方法运用“数学分离”增强或代替化学物理分离，在感兴趣组分与背景干扰物质的响应信号相互重叠的情况下，仍能实现感兴趣组分的直接快速定量分析。本章运用三维荧光光谱结合基于ATLD和SWATLD算法的二阶校正方法建立了一种简便、快速的土壤样品中吲哚乙酸的定量分析方法。2.2理论部分图2.2三维荧光数据阵的三线性成分模型(2.1)ATLD算法以切片矩阵进行运算，降低了计算所需内存，提高了运算效率，具有快速收敛的性质，并且该算法因采用基于切尾奇异值分解的Moore-Penrose广义逆计算和取对角元的操作使其对组分数不敏感，只要所选取的组分数大于或等于体系真实的组分数，ATLD算法均能获得满意的结果，简便了使用该算法的过程。SWATLD算法采用切片矩阵及其转置来补偿ATLD仅仅使用一个切片矩阵时的信息流失，且用权重的思路对变量进行加权，加重了有效信息所占的比重。它具有ATLD算法的优点，如对组分数不敏感和较快的收敛速度，一般迭代100次以内就可以收敛。同时，它具有了自己的优点，即对噪声不太敏感，因为它有求平均值计算步骤。2.3实验部分1.试剂和溶液吲哚乙酸购买自美国Sigma公司，其他试剂均是分析纯。配制了pH为9.0的磷酸缓冲溶液。把吲哚乙酸溶解于少量乙醇中，用超纯水稀释至100mL棕色容量瓶的刻度线，获得浓度为105μgmL-1的吲哚乙酸储备液，并避光于4℃的冰箱中储存，其稳定性可保持一个月。土壤采集晾干，磨成粉末无水乙醇提取离心，过滤储存冰箱备用土壤采集2.仪器和软件所有样本均在装有150-W氙灯的F-4500荧光分光光度计（Hitachi，日本）上进行荧光测定。所有检测均使用1cm石英比色皿。荧光光谱扫描参数设置：激发波长范围为240至310nm，间隔2nm；发射波长范围为310至470nm，间隔5nm。扫描速度为1200nm/min，激发光和发射光的狭缝宽度均为5nm。所有程序在Matlab环境下编写，所有计算都是在WindowsXP操作系统下运行。ATLD算法和SWATLD算法的程序为本实验室自编。3.实验方法验证集是为了验证所建立的模型是否适合该体系校正集是被分析物的标准品配制，是建立校正方程的依据预测集是加入一定量背景干扰，预测感兴趣组分的浓度校正集验证集预测集吲哚乙酸在浓度低至10-8molL-1，即1.75ngmL-1时，仍具有活性，故采用ngmL-1作为浓度单位。吲哚乙酸的浓度在0-200ngmL-1之间，8个具有不同浓度的样本作为校正集；8个具有不同浓度的样本T1-T8作为验证集，吲哚乙酸在pH≈0时，不产生荧光，其荧光强度随着pH值升高逐渐增强，在pH=6至pH=11时，达到了最高平台。在土壤实际样品中，土壤样品的酸度可能会影响吲哚乙酸的荧光强度，故在校正集和预测集中均加入1.0mLpH=9的磷酸缓冲溶液。2.4结果与讨论1.验证集表2.1验证集解析获得的IAA浓度及回收率图2.3采样两种算法解析验证集中IAA的椭圆置信区间检验图：ATLD（实线）和SWATLD（*线）；五角星（☆）表示理想点（0,1）。另外，预测残差均方根（RMSEP）为1.3ngmL-1，相对预测残差（REP）为1.2%。结果表明对于人工合成的验证集样品，这两个算法均有很好的预测能力，且这两个算法的预测结果几乎一致。对于理想的三线性数据，不同算法给出相同的结果，说明二阶校正方法具有较好的稳定性。2.土壤样品测定表2.2运用二阶校正方法对土壤样品进行分析获得的IAA回收率图2.4用组分数为2或3时，ATLD算法解析土壤样品得到IAA的分辨光谱图图2.5组分数为2或3时，SWATLD算法解析土壤样品得到IAA的分辨光谱图从图中可以看出，两种算法在组分数选取2或者3时所分辨获得的吲哚乙酸的激发或发射光谱图与其真实的激发或发射光谱是非常吻合。该结果表明本方法所得结果是准确和可靠的，该两种算法都具有“二阶优势”，能够在土壤样品中干扰存在下，实现了吲哚乙酸的定量分析。另外，通过实际实验数据证明，该两种算法对组分数不敏感。3.品质因子灵敏度为单位浓度的纯分析信号，选择性是指灵敏度与总信号的比值。检测下限和定量下限的计算公式如下：TT-1-1/2SEN{[()*()]}nnkAABBTT-1-1/2SEL{[()*()]}nnAABBLOD=3.3s(0)LOQ=10s(0)表2.3ALTD和SWATLD算法用于土壤样品中IAA检测的品质因子2.5小结本章提出了一种高灵敏的定量分析方法用于测定土壤样品中吲哚乙酸的含量；验证集表明，理想的三线性数据，不同算法给出相同的结果，说明二阶校正方法具有较好的稳定性；从实际应用的角度证明，ATLD和SWATLD算法具有对组分数不敏感的性质。第3章基于氧化衍生反应的三维荧光光谱结合二阶校正用于植物提取液样中脱落酸和赤霉素的测定3.1引言植物激素可分为四大类别，分别是茁长素、赤霉素、细胞分裂素及生长抑制剂赤霉素（GA）是植物自身产生的生长促进剂脱落酸（ABA）是最主要的植物生长抑制剂植物激素的主要来源是顶端分生组织和树叶3.2实验部分1.试剂和溶液赤霉素（GA）和脱落酸（ABA）购于Sigma公司（美国），分别溶解于少量乙醇中，用超纯水稀释获得储备液，并避光于4℃下储存，其稳定性可保持一个月。2.氧化衍生过程赤霉素储备液缓慢加入浓H2SO4水浴加热35min迅速冷却至室温30min后，用35%的硫酸溶液定容3.植物样品和萃取过程银杏叶和芽采集存于-20℃冰箱冷冻过的80%甲醇离心，过滤储存冰箱备用4.分析方法银杏树叶提取液中GA和ABA的同时定量测定在GA共存下的银杏芽提取液中ABA的定量分析5.化学计量学方法平行因子分析（PARAFAC）算法的解是基于最小二乘原理的，具有较好的统计特性，在选择正确的组分数情况下可以解析出比较平滑的光谱。该算法在分析化学领域已得到广泛应用。交替归一加权残差（ANWE）算法是我们实验室新近提出的一种算法，它具有“二阶优势”，并且与PARAFAC算法一样可以处理多个标准样品。作者运用模拟数据和一定量的简单实验数据对ANWE算法进行了测试，结果与PARAFAC算法相近。3.3结果与讨论1.光谱特征与稳定性图3.1样品在选定波长范围内的三维荧光光谱图：（a）ABA标准溶液、（b）GA标准溶液。2.分析方法银杏树叶提取液中GA和ABA的同时定量测定表3.1银杏叶提取液样品(P1-P5)中ABA和GA进行分析得到的预测结果（N=3）图3.2组分数N=3时，采用PARAFAC算法解析银杏叶提取液样品得到的分辨光谱曲线及归一化的真实光谱曲线：（a）激发光谱、（b）发射光谱。其中实线、长虚线和短虚线分别表示分解得到的ABA的光谱曲线、GA的光谱曲线和银杏叶提取液基质干扰的光谱曲线，点线代表真实的ABA和GA光谱曲线。图3.3组分数N=3时，采用ANWE算法解析银杏叶提取液样品得到的分辨光谱曲线及归一化的真实光谱曲线：（a）激发光谱、（b）发射光谱。其中实线、长虚线和短虚线分别表示分解得到的ABA的光谱曲线、GA的光谱曲线和银杏叶提取液基质干扰的光谱曲线，点线代表真实的ABA和GA光谱曲线。在GA共存下的银杏芽提取液中ABA的定量分析表3.2银杏芽提取液样品(P1-P5)中ABA进行分析得到的预测结果（N=3）灵敏度为单位浓度的纯分析信号，选择性是指灵敏度与总信号的比值。1/211TTSENnnnnkAABB1/211TTSELnnnnAABB检测限、检测量的计算采用以下公式：LOD3.3(0)sLOQ10(0)s3.品质因子表3.3PARAFAC和ANWE算法用于银杏叶提取液样品中ABAL和GA检测和银杏芽提取液中ABAB检测结果的品质因子选择PARAFAC和ANWE两种不同的算法或者解析银杏叶和芽提取液等不同的复杂基体中的感兴趣组分，分辨得到的脱落酸激发发射光谱均与其相应的真实激发发射光谱图相同。二阶校正方法不仅可以测定植物提取液中赤霉素和脱落酸的浓度，还可以从不同的复杂体系中提取两种植物激素的光谱信息。图3.8植物提取液中ABA的椭圆置信区间(EJCR)检验分析图：实线和点线的椭圆分别代表PARAFAC和ANWE算法解析银杏叶提取液样品获得的椭圆，虚线和点划线的椭圆分别代表PARAFAC和ANWE算法解析银杏芽提取液样品获得的椭圆，其中星号(*)表示理想点(0,1)。3.4小结二阶校正方法与激发-发射矩阵荧光测定相结合，建立了用于植物提取液中赤霉素和脱落酸含量的同时测定的有效方法二阶校正方法可以从银杏叶和芽提取液等不同的复杂基体中提取两种植物激素的光谱信息。从植物提取液复杂体系研究表明，本实验室最近提出的交替归一加权残差（ANWE）算法性能稍优于或者至少是接近被广泛接受的PARAFAC算法。第4章HPLC-DAD结合自加权交替三线性分解算法测定植物提取液和土壤中的三种植物生长调节剂4.1前言三种植物生长调节剂激动素（KT）、6-苄氨基嘌呤（6-BAP）和秋水仙素（COL），在果蔬保鲜、植物育种和农作物生长方面发挥了一定的作用。由于它们本身具有一定的毒性，在使用过程中可能造成过量，累积在土壤中，对下茬农作物的生长造成影响。因此，有必要在植物提取液和土壤中检测这三种植物生长调节剂。4.2理论部分图4.1HPLC-DAD数据阵的三线性成分模型SWATLD算法4.3实验部分1.试剂和溶液激动素（KT）、6-苄氨基嘌呤（6-BAP）和秋水仙素（COL）的标准