0
关键词：
狭叶柴胡,黄酮类成分,特征色谱,高效液相色谱-电喷雾质谱联用
发表时间：
2013-05-10 08:51:41
基于CdSe-CdTe 量子点能量转移荧光猝灭法测定前列腺抗原
边鸿音 | -> | 482| 0| 0.559564MB |量子点,共振能量转移,荧光猝灭法,前列腺抗原,CdSe,CdTe
摘要研究了CdSe-CdTe 量子点间发生的荧光共振能量转移，并用于荧光猝灭法测定超痕量前列腺抗原
( PSA) 。在pH 8． 0 的Tris-HCl 缓冲溶液中，CdSe-CdTe 间发生有效能量转移，使CdTe 荧光大大增强。PSA 抗原与CdTe 标记的PSA 抗体发生特异性反应，使能量转移体系的CdTe 上的荧光强度降低，即发生猝灭。建立了CdSe-CdTe 能量转移荧光猝灭法测定PSA 抗原的方法。在优化的实验条件下，PSA 抗原的线性范围为0． 28 ～ 10 !g /L，相关系数r = 0． 9992，检出限达1． 5×10－2!g /L( n = 11) 。
( PSA) 。在pH 8． 0 的Tris-HCl 缓冲溶液中，CdSe-CdTe 间发生有效能量转移，使CdTe 荧光大大增强。PSA 抗原与CdTe 标记的PSA 抗体发生特异性反应，使能量转移体系的CdTe 上的荧光强度降低，即发生猝灭。建立了CdSe-CdTe 能量转移荧光猝灭法测定PSA 抗原的方法。在优化的实验条件下，PSA 抗原的线性范围为0． 28 ～ 10 !g /L，相关系数r = 0． 9992，检出限达1． 5×10－2!g /L( n = 11) 。
荧光共振能量转移［1］( Fluorescence resonance energy transfer，FRET) 是指在两个不同的荧光基团中，若一个荧光基团( 供体Donor) 的发射光谱与另一个基团( 受体Acceptor) 的吸收光谱有一定的重叠，两个荧光基团间的距离合适时( 一般小于10 nm) ，即可观察到荧光能量由供体向受体转移的现象。
量子点( Quantumdots，QDs) 是直径约为2 ～ 20 nm，能够接受激发光产生荧光的半导体纳米颗粒。传统的FRET 研究主要集中于有机荧光分子类，作为一种新型FRET 试剂，QDs 具有许多有机荧光分子不具备的优点，如有可调谐的激发波，抗漂白性，同时连接多个染料分子、狭窄的激发波长和远离激发峰激发等优良的光学性质。因此，QDs 可以成为比有机荧光分子更好的FRET 的供体或受体［2］。近年来，QDs 作为供体的FRET 已被广泛报道［3 ～ 9］。研究表明，量子点也可以作为FRET 受体［10， 11］，为同时使用不同量子点作为FRET 供体和受体，建立新型的FRET 提供了理论依据。目前，这方面的研究尚处于起始阶段，相关报道较少［12， 13］。
荧光能量转移体系发光强度大，灵敏度高，方法简单。本研究将CdSe-CdTe 能量转移体系应用于PSA 测定。详细研究了其能量转移规律，计算了荧光共振能量转移相关参数，建立了CdSe-CdTe 能量转移荧光猝灭法测定超痕量PSA 抗原的灵敏方法。
量子点( Quantumdots，QDs) 是直径约为2 ～ 20 nm，能够接受激发光产生荧光的半导体纳米颗粒。传统的FRET 研究主要集中于有机荧光分子类，作为一种新型FRET 试剂，QDs 具有许多有机荧光分子不具备的优点，如有可调谐的激发波，抗漂白性，同时连接多个染料分子、狭窄的激发波长和远离激发峰激发等优良的光学性质。因此，QDs 可以成为比有机荧光分子更好的FRET 的供体或受体［2］。近年来，QDs 作为供体的FRET 已被广泛报道［3 ～ 9］。研究表明，量子点也可以作为FRET 受体［10， 11］，为同时使用不同量子点作为FRET 供体和受体，建立新型的FRET 提供了理论依据。目前，这方面的研究尚处于起始阶段，相关报道较少［12， 13］。
荧光能量转移体系发光强度大，灵敏度高，方法简单。本研究将CdSe-CdTe 能量转移体系应用于PSA 测定。详细研究了其能量转移规律，计算了荧光共振能量转移相关参数，建立了CdSe-CdTe 能量转移荧光猝灭法测定超痕量PSA 抗原的灵敏方法。
边鸿音发布的其他共享资料
-
-
关键词： 头孢菌素类抗生素,胶囊剂,控制菌,微生物限度检查法 发表时间： 2013-05-10 08:50:42
-
关键词： 多波长,茵陈蒿,绿原酸,反相高效液相色谱法 发表时间： 2013-05-10 08:49:59
-
关键词： 替米沙坦,增敏效应,十二烷基苯磺酸钠,乙炔黑碳糊电极 发表时间： 2013-05-10 08:48:58
-
关键词： 气相色谱法,一次性使用输液器,环己酮 发表时间： 2013-05-10 08:48:17
-
关键词： 质谱成像,分类与识别,自组织特征映射网络,学习向量量化网络 发表时间： 2013-04-11 09:01:57