易娜
,
张教强
,
史长明
,
殷雄飞
材料开发与应用
分子印迹传感器具有灵敏度高、选择性好、价格低廉等优点,因此,受到许多研究者广泛的关注和深入的研究.文章介绍了分子印迹聚合物的主要制备方法,分子印迹聚合物和分子印迹传感器的识别机理,综述了分子印迹技术在光学传感器、电化学传感器方面的应用,并展望了分子印迹传感器未来的研究方向.
关键词:
分子印迹聚合物
,
制备方法
,
识别机理
,
传感器
常怀春
,
陈凤清
高分子材料科学与工程
采用静态吸附法研究了自制咖啡因印迹酚醛吸附树脂(CIPS)和非印迹酚醛吸附树脂(NIPS)对咖啡因的吸附.结果表明,在一定的温度和浓度范围内CIPS和NIPS对咖啡因的吸附数据符合Freundlich方程,说明吸附为优惠吸附;对吸附数据进行数学处理,求得了咖啡因在CIPS和NIPS上的吸附焓变在-19 kJ/mol～-31 kJ/mol范围,表明咖啡因与酚羟基的作用力为氢键作用,吸附是放热过程;求得的自由能变和熵变为负值,说明吸附过程是自发进行的.
关键词:
分子印迹聚合物
,
酚醛吸附树脂
,
咖啡因
,
吸附
,
热力学
李志平
,
李辉
,
刘芬
,
逯翠梅
应用化学
doi:10.3724/SP.J.1095.2013.20473
以硅胶为牺牲载体,石杉碱甲为模板分子,甲基丙烯酸为功能单体,二乙烯基苯为交联剂,偶氮二异丁腈为引发剂,首次制备了石杉碱甲分子印迹聚合物,并用红外光谱、扫描电子显微镜和热重分析研究了印迹聚合物的结构特征,用静态吸附法和Scatchard分析法研究了印迹聚合物的识别效能和表面位点分布特征.结果表明,石杉碱甲印迹聚合物对模板分子具有较好的选择吸附性能,选择系数为1.399.Scatchard分析表明,印迹聚合物基体中主要存有两类吸附位点,对高亲和位点:平衡离解常数Kd1=0.776 g/L,最大表观结合量Qmax1=0.213 mg/g；对低亲和位点:平衡离解常数Kd2 =0.169 g/L,最大表观结合量Qmax=0.832 mg/g.当该聚合物用于微固相萃取蛇足石杉粗提液中的石杉碱甲时,石杉碱甲回收率为93.5％,显示了较好的富集效果.
关键词:
分子印迹聚合物
,
表面聚合
,
石杉碱甲
,
硅胶
,
吸附
李媛媛
,
赵川德
,
张海霞
应用化学
doi:10.11944/j.issn.1000-0518.2015.11.150137
采用自组装技术,分别以β-环糊精和甲基丙烯酸为功能单体,反式白藜芦醇为模板分子,乙二醇二甲基丙烯酸酯为交联剂,制备了一种双功能单体印迹聚合物.并将其作为固相萃取材料萃取红酒和白酒酒样中的反式白藜芦醇.结果表明,与单功能印迹材料和非印迹材料相比,这种双功能单体印迹材料具有更高的吸附容量和选择性;结合高效液相色谱,建立了酒样中反式白藜芦醇浓度的检测方法.该方法的线性范围在0.003 ～2 mg/L,红酒的回收率在87.9％ ～ 93.2％,白酒的回收率在89.3％ ～91.2％,检测限为0.001 mg/L.
关键词:
分子印迹
,
反式白藜芦醇
,
β-环糊精
,
固相萃取
,
酒样
,
高效液相色谱
王素素
,
张月
,
李辉
,
许苗苗
应用化学
doi:10.11944/j.issn.1000-0518.2015.11.150145
以芦丁(RT)-槲皮素(QT)为混合模板分子制备了芦丁-槲皮素复合模板分子印迹聚合物.优化了制备条件,研究了模板用量比、功能单体及交联剂用量对印迹聚合物吸附性能的影响.用傅里叶红外光谱和扫描电镜对分子印迹聚合物进行结构表征.探讨了分子印迹聚合物的吸附动力学、等温吸附及键合位点特征,考察了其选择识别性能,并以分子印迹聚合物为吸附介质,萃取分离芦丁粗提液中的目标化合物.结果表明,当槲皮素与芦丁的摩尔比为3:2,且模板总量与功能单体及交联剂用量摩尔比为1:8:10时,所得分子印迹聚合物的吸附性能最好,对槲皮素和芦丁的吸附量分别达47.86和60.97 mg/g.吸附可在3.5h内达到平衡,显示了较快的吸附动力学.Scatchard分析表明,分子印迹聚合物基体中存在四类不同性能的键合位点,分别为芦丁和槲皮素的高亲和键合位点及非选择键合位点.相对分布系数(k =Kd(RT)/Kd(QT),Kd=qe/ρe,Kd为分布系数,qe为平衡吸附量,ρe为平衡质量浓度)大于1,表明了分子印迹聚合物对芦丁具有更高的选择键合作用,当模拟混合物中芦丁和槲皮素浓度分别为0.07和0.03 mmol/L时,相对分布系数和分离因子(o=qe(RT)/ge(QT))分别达6.669和25.02.另外,以乙腈、甲醇及甲醇-醋酸混合物依次为洗脱剂,通过分子印迹固相萃取可从槐米提取物中分离芦丁和槲皮素两种黄酮类化合物,总回收率分别为96.70％和94.67％.
关键词:
分子印迹聚合物
,
槲皮素
,
芦丁
,
混合模板印迹
,
分子识别
