光谱学与光谱分析
|
达旦黄-曲通X-100体系共振光散射法测定蛋白质
冯素玲, 王 瑾, 樊 静
河南师范大学化学与环境科学学院,河南省高等学校环境科学与工程重点学科开放实验室,河南 新乡 453002
Microdetermination of Proteins with Titan Yellow by the Resonance Light Scattering Method
FENG Su-ling, WANG Jin, FAN Jing
College of Chemistry and Environmental Science, Key Laboratory of Environmental Science and Engineering of Henan Education Department, Henan Normal University, Xinxiang 453002, China
摘要 : 基于在Triton X-100存在下,蛋白质与达旦黄作用使得体系的共振光散射增强,在λ =492 nm处光散射强度最大,增强作用的强弱与蛋白质的含量成正比,据此建立了共振光散射测定蛋白质的新方法。此方法对牛血清白蛋白的检出限达到17.7 ng·mL-1 ,线性范围为0.03~0.9 μg·mL-1 ,用于合成样与人血清样品的分析,取得了令人满意的结果。同时也研究了人血清白蛋白、鸡蛋白蛋白、溶菌酶、胰蛋白酶与达旦黄的作用。
关键词 :共振光散射;蛋白质;达旦黄;曲通X-100
Abstract :A resonance light scattering method for the determination of trace proteins was developed. In the presence of Triton X-100, proteins reacted with Titan yellow to form a combination product, resulting a significant enhancement of resonance light scattering(RLS). The ΔI RLS was directly proportional to the concentration of protein in the range of 0.03-0.9 μg·mL-1 , with the detection limit 17.7 ng·mL-1 for BSA. This method was applied to the determination of the proteins in synthetic and human serum samples, and compared to the CBB method, with satisfactory results.
Key words :Resonance light scattering;Proteins;Titan yellow;Triton X-100
收稿日期: 2003-12-06
修订日期: 2004-03-18
通讯作者:
冯素玲
引用本文:
冯素玲, 王 瑾, 樊 静. 达旦黄-曲通X-100体系共振光散射法测定蛋白质[J]. 光谱学与光谱分析, 2005, 25(06): 927-929.
FENG Su-ling, WANG Jin, FAN Jing. Microdetermination of Proteins with Titan Yellow by the Resonance Light Scattering Method . SPECTROSCOPY AND SPECTRAL ANALYSIS, 2005, 25(06): 927-929.
链接本文:
https://www.gpxygpfx.com/CN/Y2005/V25/I06/927
[1] FENG Ning-chuan, HE Su-ping, ZHANG Juan, LIU Jian-ping(冯宁川,何苏萍,张 娟,刘建平). Spectroscopy and Spectral Analysis(光谱学与光谱分析),2004,24(2):194. [2] Guo Z,Hao Y,Cong X, Shen H. Anal. Chim. Acta,2000,403:225. [3] Li D,Yang H,Zheng H,Fang Ying,Zhu Q, Xu J. Anal. Chim. Acta,1999,401:185. [4] Perez-Ruiz,Tomas. Analyst,2000,125:507. [5] Huang C,Li Y,Feng P. Anal. Chim. Acta,2001,443:73. [6] Li Y,Huang C,Li M. Anal. Sci., 2002,18:177. [7] Yang C,Li Y,Huang C. Anal. Lett.,2002,35:1945. [8] Jia R,Dong L,Li Q,Chen X,Hu Z. Talanta,2002,57:693. [9] LI Shu-wei, LI Na, ZHAO Feng-lin, LI Ke-an(李树伟, 李 娜, 赵凤林, 李克安). Spectroscopy and Spectral Analysis, 2002, 22(4): 619. [10] Liu S,Yang R, Liu Q. Anal. Sci., 2001,17:243. [11] FENG Ning-chuan,GONG Guo-quan(冯宁川, 龚国权). Chinese J. Anal. Chem.(分析化学),2002,30:425.
[1]
楚秉泉,李成峰,丁 黎,郭正彦,王世宇,孙伟杰,金唯一,何 勇. 基于高光谱成像技术的斜生四链藻(T. obliquus )碳水化合物和蛋白质判别研究 [J]. 光谱学与光谱分析, 2023, 43(12): 3732-3741.
[2]
程 红,严定策,武利庆,徐 俊. 蛋白质的圆二色光谱测量中圆二色值不确定度评估——以细胞色素C为例 [J]. 光谱学与光谱分析, 2023, 43(10): 3105-3110.
[3]
张 鹏,杨一帆,王 辉,涂宗财,沙小梅,胡月明. 食品体系中糖基化蛋白质结构的表征和检测方法综述 [J]. 光谱学与光谱分析, 2023, 43(09): 2667-2673.
[4]
陈 蕊,王 雪,王子文,曲 浩,马铁民,陈争光,高 睿. 基于随机森林特征重要性和区间偏最小二乘法的近红外光谱波长筛选方法 [J]. 光谱学与光谱分析, 2023, 43(04): 1043-1050.
[5]
廉小亲,陈 群,汤燊淼,吴静珠,吴叶兰,高 超. 基于NIR和SOM-RBF网络的兰州百合关键营养物质定量分析方法 [J]. 光谱学与光谱分析, 2022, 42(07): 2025-2032.
[6]
刘美辰,薛河儒,刘江平,代荣荣,胡鹏伟,黄 清,姜新华. 牛奶蛋白质含量的SSA-SVM高光谱预测模型 [J]. 光谱学与光谱分析, 2022, 42(05): 1601-1606.
[7]
. 潜变量机器学习方法在咖啡NIR定量分析中的应用 [J]. 光谱学与光谱分析, 2021, 41(05): 1441-1445.
[8]
. Box-Behnken法冷鲜滩羊肉蛋白质的高光谱模型优化 [J]. 光谱学与光谱分析, 2021, 41(03): 918-923.
[9]
. 高光谱成像的豆腐形成过程中组分含量变化检测 [J]. 光谱学与光谱分析, 2020, 40(11): 3549-3555.
[10]
. NIRS法定量分析多年生苦荞叶片蛋白质与GABA含量 [J]. 光谱学与光谱分析, 2020, 40(08): 2421-2426.
[11]
. 光谱法结合分子动力学模拟研究臭氧对肌红蛋白结构的作用机制 [J]. 光谱学与光谱分析, 2019, 39(10): 3115-3121.
[12]
. 基于ATR-FTIR和PAC微损快速鉴别颜料层中的蛋白质粘合剂 [J]. 光谱学与光谱分析, 2019, 39(07): 2299-2306.
[13]
. 可见-近红外光谱的螺旋藻生长品质指标快速无损检测 [J]. 光谱学与光谱分析, 2018, 38(08): 2493-2497.
[14]
. SERS传感器间接检测蛋白质的研究进展 [J]. 光谱学与光谱分析, 2017, 37(10): 3094-3098.
[15]
. 基于微流控混合器的连续流动态同步辐射圆二色谱发展 [J]. 光谱学与光谱分析, 2017, 37(07): 2110-2114.