-
抗凝血灭鼠剂被广泛用于控制共生啮齿动物[1]，其中杀鼠醚因其持久性、生物累积性和毒性，近年来引起了国际上多个组织的关注[2-3]. 暴露在水生环境中、饮用被污染的水或食用含有杀鼠醚残留的食物会对人体健康乃至整个生态系统产生不利影响. 目前，杀鼠醚的检测方法主要包括高效液相色谱法[3]、气相色谱法[4]、薄层色谱法[5]、高效液相色谱-质谱法[6]和电喷雾电离串联质谱法[7]. 然而，这些方法都有一定的局限性，对样品纯度有严格的要求，需要繁琐的前处理步骤，对操作人员的技能要求较高[8]. 同时由于仪器体积较大，不适用于现场分析[9]. 因此，迫切需要建立一种杀鼠醚的现场快速检测方法.
表面增强拉曼光谱（surface-enhanced Raman spectroscopy，SERS）可以提供简单、快速和无损的检测，该技术具有高灵敏度和独特的光谱指纹，并且不受水分子的干扰，可以很好地适用于复杂的样品检测分析[10]. 目前，SERS技术已被应用于土壤[1]、水果和蔬菜[11]样品中的常规农药检测，但仍缺乏快速检测抗凝血杀鼠剂的相关报道.
本文建立了一种简单快速的SERS方法，以纳米金作为活性基底，结合便携式拉曼光谱仪，实现了环境水中杀鼠醚的快速现场检测（图1）. 与传统方法相比，该方法灵敏度高，检出限低，回收率良好，仅需3 min即可完成整个检测过程，有望成为现场应急分析的有效手段.
-
材料 氯金酸（99.99%）购自中国上海阿拉丁化工有限公司；柠檬酸三钠（99.99%）购自国药化学试剂（上海）有限公司；杀鼠醚（99.4%）购自Dr. Ehrenstorfer（中国北京）；聚沉剂硫酸镁（99.7%）、氯化钙（99.7%）、氯化钾（99.8%）、氯化钠（99.7%）、硝酸铝（99.7%）、硝酸镁（99.7%）购自国药化学试剂有限公司；乙酸乙酯（99.9%）、二氯甲烷（99.5%）、乙腈（99.9%）、正己烷（99.5%）、环己烷（99.5%）购自天津科美尔化学试剂有限公司，三氯乙烷（95%）购自上海振兴第二化工厂；实验用水为经Milli-Q净化系统制备的去离子水（~18.2 MΩ cm）. 环境水样采自济南市黑虎泉.
仪器 便携式拉曼光谱仪（QE Pro，海洋光学，美国）；岛津2600紫外-可见光（UV-Vis）光谱仪（岛津株式会社，京都，日本）；透射电子显微镜（TEM; JEM-CXII, JEOL Ltd.，东京，日本）.
-
纳米金的制备 根据先前的研究，用柠檬酸三钠化学还原氯金酸制备纳米金[12]. 将1 mL 1%的氯金酸加入到99 mL去离子水中，以600 r·min−1的转度搅拌，并加热至沸腾. 随后，加入1 mL 1%的柠檬酸钠溶液. 混合溶液在剧烈搅拌下继续煮沸35 min，使其发生反应，溶液很快变成黑色，然后逐渐合成为砖红色的纳米金胶体溶液.
杀鼠醚溶液的制备 将固体杀鼠醚溶解在乙醇中，配制2 mg·mL−1的杀鼠醚标准储备液. 然后用水稀释储备液配制成标准系列溶液，浓度分别为0.025、0.05、0.1、0.25、0.5、1、2.5、5 μg·mL−1. 杀鼠醚的环境水样采用标准添加法制备，浓度为0.025—5 μg·mL−1.
-
为了优化SERS信号，本研究并比较了6种盐（氯化钾、氯化钠、硝酸镁、硫酸镁、氯化钙和硝酸铝）对Au NPs的聚集效应. 首先，50 μL杀鼠醚水溶液（1 μg·mL−1）与940 μL Au NPs混合;然后加入10 μL的盐溶液，充分混合5 s，诱导聚沉. 使用配有785 nm波长激光器的便携式拉曼光谱仪采集信号，激光功率设置为500 mW，积分时间为20 s. 选择可以诱导最佳聚集效果的盐作为后续实验的聚沉盐. 通过比较不同浓度盐溶液（0.1、0.25、0.5、1、2 mol·L−1）对信号增强效果的影响，确定最佳聚沉条件. 随后采集连续60 min的SERS信号，选取信号强度稳定的时间点作为聚沉时间.
-
透射电子显微镜结果显示，纳米金的粒径为45—60 nm（图2a）.
紫外-可见光谱显示纳米金溶液的吸收峰位于522 nm（图2b）. 将1 μg·mL−1杀鼠醚加入50 μL溶液中，未见明显变化. 相比之下，加入10 μL 0.5 mol·L−1硝酸镁溶液会导致吸收峰显著下降，溶液颜色从砖红色变为紫灰色（图2c插图），表明纳米颗粒发生了团聚[13]. 紫外可见光谱对应的拉曼和SERS信号见图2c和图2d.
-
采用便携式拉曼光谱仪采集杀鼠醚固体的拉曼光谱和1 μg·mL−1杀鼠醚溶液的SERS光谱. 杀鼠醚由香豆素与四水萘连接形成（图3结构式）. 香豆素具有活性的羟基官能团，可以通过化学反应生成各种结构的衍生物. 且在杀鼠醚结构中存在着孤对电子，既能与金属离子配位，又能参与氢键的形成. 因此，环境变化也会引起杀鼠醚结构的轻微变化，图3显示了杀鼠醚固体及其溶液间的位移（图3）. 在杀鼠醚溶液中，固体样品在670 cm−1和1007 cm−1处的两个不同的SERS光谱带分别移动到665 cm−1和995 cm−1. 其他几处特征峰也发生了变化，表明杀鼠醚在溶液中的构型发生了改变. 但几个特征峰的出现仍然表明杀鼠醚的存在. 665 cm−1处的特征峰归属于芳香环中的C—C—C[14]，而995 cm−1处的特征峰由C—H振动引起[15]，557 cm−1的SERS谱带主要与苯环呼吸模式有关[16]，885 cm−1的SERS谱带归因于CH2模式[17]，1289 cm−1处主要是由于C—H弯曲模式[16]. 在本研究中，选取SERS信号强度最佳、峰型独立且清晰的995 cm−1处的SERS信号作为定量信号.
-
盐离子的加入导致纳米金聚沉，并在相邻纳米颗粒之间形成热点. 基底的性能往往会受到聚沉程度和聚沉时间的影响[18-19]. 为此，本研究对聚沉盐类型、聚沉盐浓度以及聚沉时间等实验参数进行了优化，以提高检测的灵敏性.
聚沉盐种类的影响 比较了6种浓度相同（0.5 mol·L−1）的聚沉盐对1 μg·mL−1杀鼠醚的SERS强度影响（995 cm−1）. 结果表明，硝酸镁对信号的增强作用最为显著，其增强作用顺序为硝酸镁>硫酸镁>硝酸铝>氯化钙>氯化钠>氯化钾（图4）. 先前的研究表明，二价和三价阳离子比一价阳离子能更有效地诱导纳米颗粒的聚沉[20]. 纳米金胶体溶液由于其表面电荷相同且相互排斥而保持稳定. 这种胶体粒子只能在吸附离子和组成吸附层的一些异性离子中带电并稳定. 当向胶体中加入盐时，阳离子或阴离子的浓度增加，导致最初分布在扩散层的异性离子被挤压到吸附层[21]. 这导致扩散层变薄，最终降低了zeta电位的稳定性[22]. 随后，粒子之间的斥力减弱从而引起团聚[23]. 当胶体粒子聚集成更大的粒子时，热点产生，导致表面增强共振，进一步增强拉曼信号[24-25]. 通过上述结果，本研究选择硝酸镁作为聚沉剂用于后续的实验.
聚沉盐浓度的影响 图5a—5d为不同浓度硝酸镁诱导纳米金聚沉后的TEM图像. 加入聚沉盐后，纳米颗粒间隙变小并融合、团聚. 且随加入聚沉剂浓度的增加，纳米颗粒团聚现象越明显. 如图所示，低浓度的硝酸镁导致纳米金聚集不足，而较高浓度的硝酸镁则会导致过度聚沉[26]，这两者都会使得信号增强效果不佳.
本研究比较了5个浓度（0.1、0.25、0.5、1、2 mol·L−1）的硝酸镁对纳米金胶体溶液聚沉的程度，以及对995 cm−1处的特征峰信号强度信号增强的影响. 图5e显示了不同浓度的硝酸镁诱导纳米金聚沉后的紫外-可见光谱变化. 图5f显示，0.5 mol·L−1的硝酸镁可以诱导产生最强的SERS信号. 因此，本研究采用0.5 mol·L−1硝酸镁溶液作为聚沉剂.
图6a记录了使用0.5 mol·L−1硝酸镁诱导聚沉后连续30 min的紫外-可见光谱变化图，从图中可以看出吸光度强度随时间变化不大，说明加入0.5 mol·L−1硝酸镁聚沉后，溶液体系较为稳定.
聚沉时间对SERS信号的影响 本研究记录了加入聚沉剂后的SERS信号时间变化趋势（60 min）. 结果显示，SERS信号在1 min内即可达到最大值，随后缓慢下降，在第3—30 min保持相对稳定. 因此，以3 min为最佳聚沉时间（图6b）. 根据之前的一项研究[27]，在上述优化的条件下，平均增强因子计算为1.29×105. 具体计算公式如下：
AEF = （ISERS/CSERS）/（IRS/CRS）
其中，IRS代表的是非SERS条件下浓度为CRS的待测物溶液的拉曼强度，ISERS代表的是SERS基底上相同待测物的拉曼强度，浓度CSERS可能不同.
-
在纳米金中加入不同浓度梯度的杀鼠醚溶液，使用便携式拉曼光谱仪进行SERS检测. 图7a显示，杀鼠醚最显著的SERS峰位于995 cm−1处，该特征峰的强度随着浓度的增加显著增加. 图7b显示了995 cm−1处拉曼光谱强度与对数浓度的定量校准曲线. 在0.025—5 μg·mL−1范围内，杀鼠醚溶液浓度与SERS信号值呈明显的线性关系（R2 = 0.990），可以满足定量检测要求.
-
为了验证所提出的SERS方法的可行性和实用性，在加标的真实环境水中进行了杀鼠醚检测. 使用便携式拉曼光谱仪可以直接采集杀鼠醚的信号，无需样品预处理，3 min内即可完成定性和定量检测. 995 cm−1处的SERS信号强度随着杀鼠醚浓度的增加而增加，与标准水溶液中的趋势相似（图7c），并且两者之间线性关系良好（图7d）.
-
获得重复稳定的SERS信号是评估基底性能的关键参数. 本研究选择浓度为0.05 μg·mL−1和1 μg·mL−1的杀鼠醚溶液，采用同批次的SERS基底，在不同时间内进行了21次平行实验. 由图8a和图8b可知，1 μg·mL−1和0.05 μg·mL−1对应的相对标准偏差（Relative standard deviation，RSD）分别为6.81%和9.00%. 这些结果表明，该基底可以提供高重复性的结果. 此外，为了确定所制备基底在实际加标水中的重现性，比较了8个不同批次和同一批次使用该基底的检测效果，发现RSD均在10%以内（图8c—8d），良好的重复性和重现性有助于保证该SERS方法的稳定性.
-
用建立的SERS方法对环境水中杀鼠醚的加标回收率及检出限进行了测定. 制备已知浓度的加标杀鼠醚溶液，以模拟受污染水中杀鼠醚的含量. 测得水中平均回收率为90.2%—98.2%，相对标准偏差为2.69%—6.40% （n=8）（表1）. 按照常规计算方法[28]，计算出本方法在真实水样中的检出限为1.53 ng·mL−1. 结果表明，该方法可作为环境水中杀鼠醚现场检测的一种有效手段.
-
环境水中可能存在其他种类的混合农药残留，因此通过对几种潜在共存的农药（大隆、鼠得克、敌草快和福美双）进行SERS检测（图9），评估了在本方法对杀鼠醚的选择性. 结果显示，几类农药的SERS谱带各不相同，展示了拉曼技术获取化合物指纹谱的优点，信号来源如表2所示[29-30]. 同时，由于其他物质在995 cm−1处均未出现明显的SERS信号，因此不会对杀鼠醚的定量检测造成影响. 由于杀鼠醚所产生的SERS峰强度最高，说明本研究制备的纳米金基底对杀鼠醚具有良好的信号增强效果.
-
本文建立了一种快速的定性和定量检测环境水中杀鼠醚的SERS方法. 通过对实验条件进行优化，该技术测得环境水中的检出限为1.53 ng·mL−1，加标回收率为90.2%—98.2%，相对标椎偏差在2.69%—6.40%之间. 本方法简单、快速，仅需3 min即可完成检测，仪器可便携，不受场地限制. 此高灵敏度、高特异性的检测方法可以为杀鼠醚环境水污染事故的现场应急分析提供一种便捷的检测手段.
基于表面增强拉曼光谱技术的环境水样中杀鼠醚的现场快速检测方法
Rapid on-site detection of coumatetralyl in environmental water based on surface-enhanced Raman spectroscopy
-
摘要: 杀鼠醚在水环境中的蓄积可对生态系统造成破坏，并对人体健康产生不利影响. 本文利用表面增强拉曼光谱（SERS）技术，构建环境水中杀鼠醚的简单、快速定性及定量检测分析方法. 采用化学合成法制备了粒径为45—60 nm的纳米金作为SERS活性基底，以便携式拉曼光谱仪作为检测平台，实现了3 min内完成环境水中杀鼠醚的检测. 通过对实验条件进行优化，该方法的检出限低至1.53 ng·mL−1，加标回收率为90.2%—98.2%. 在浓度为0.025—5 μg·mL−1范围内，杀鼠醚浓度与SERS信号强度间呈现出良好的线性关系，R2 = 0.990. 与传统方法相比，该方法操作简单、快速、成本低廉，为水中杀鼠醚的现场检测分析提供了可靠的新选择.Abstract: The accumulation of coumatetralyl (CMTT) in the aquatic environment has caused damage to the ecosystem and adversely affected human health. In this paper, a simple and rapid qualitative and quantitative analysis of CMTT in environmental water was carried out using surface-enhanced Raman spectroscopy (SERS). Gold nanoparticles with a particle size of 45—60 nm were prepared by chemical synthesis method and used as SERS substrate. Combined with a portable Raman spectrometer, the whole detection process could be completed within 3 minutes. By optimizing the experimental conditions, the detection limit of this method was 1.53 ng·mL−1, and the recovery was 90.2%—98.2%. In the range of 0.025—5 μg·mL−1, the response between the concentration of CMTT and SERS signal intensity showed a clear linear dependence, R2 = 0.990. Compared with the traditional method, this method was simple, rapid and low-cost, providing a reliable application scenario for detecting and analyzing CMTT in water.
-
邻苯二甲酸酯类化合物（phthalate esters， PAEs）是邻苯二甲酸酐与醇反应生成的化合物，它是提高聚氯乙烯（polyvinyl chloride，PVC）弹性的重要添加剂，其中邻苯二甲酸二（2-乙基己基）酯（Di（2-ethylhexyl）phthalate，DEHP）是目前使用量最大的一种邻苯二甲酸酯，用量高达80%[1]. DEHP广泛应用于儿童玩具、塑料包装、化妆品及各类医疗器械[2-3]. DEHP的广泛使用导致了不可避免的环境释放以及人体摄入. 大量实验指出我国人群DEHP的暴露剂量约为11—116 μg·kg−1·d−1，接近DEHP的每日可耐受摄入量（TDI）（20—140 μg·kg−1·d−1），表明 DEHP对人群的健康构成重大危害[4].
DEHP具有内分泌干扰效应，可以诱发生殖发育毒性、肝脏毒性、胚胎毒性等多种毒性[5-6]. DEHP通过消化道进入人体后在胃肠道的脂肪酶作用下水解成初级代谢物乙基己醇（2-EH）和邻苯二甲酸单乙基己基酯（mono-ethylhexyl phthalate，MEHP），再通过尿液排出体外[7]. 通过对尿液的单酯类物检测发现，原尿和酶解后的尿液中 MEHP 的检出率最高，平均检出率超过60% [8]. 此外，试验结果表明DEHP的毒性主要来源于其代谢物 MEHP，其毒性作用高达DEHP的10倍[9]. 同时，MEHP的动物实验表明，其主要分布在肾脏、膀胱和肝脏，其中肝脏为MEHP最主要的靶器官[10]. Thomas等的研究中，大鼠口服500 mg·kg−1 DEHP，30 min后，肝脏MEHP水平为12.5 mg·g−1 [11]. MEHP毒性作用主要体现在增加肝脏亲脂活性，导致肝脏中出现脂肪堆积，继而引发肝细胞脂肪变性[12].
肝脏在体内发挥着外源物质解毒和代谢脂类物质的主要作用. 肝脏内游离脂肪酸增加和甘油三酯沉积是肝脏脂质代谢紊乱的主要表现. 近年来，全球肥胖病与非酒精性脂肪肝患病率快速上升. 体内体外实验提示脂肪代谢紊乱会增加肥胖、糖尿病、非酒精性脂肪肝病的患病危险度. 流行病学和毒理学研究报告称，接触DEHP会影响机体脂肪代谢，从而促进肥胖[13]. 体内实验表明大鼠用DEHP处理后，肝脏重量增加，主要机制可能与肝代谢酶改变有关[14]. 有体外实验表明，MEHP处理HepG2细胞后，激活了PPARα使脂肪酸的氧化分解受到抑制[9]，导致肝细胞内的脂质堆积并造成肝脏损伤. 在本课题组的前期研究发现，MEHP 处理后的HepG2 细胞的乙酰辅酶 A 羧化酶（acetyl-CoA carboxylase, ACC）的亚型ACC1蛋白表达水平增加，最终使肝脏细胞中脂肪酸合成增加. 这些结果表明，MEHP 可能通过影响脂质合成相关基因或蛋白的表达，从而导致肝细胞脂肪代谢出现紊乱. 为此，本实验以HepG2细胞为实验对象，通过MEHP染毒，观察细胞内脂质代谢情况，并通过基因芯片高通量筛查差异基因，探讨MEHP对体外脂质合成的影响及其可能的作用机制.
1. 材料与方法（Materials and methods）
1.1 细胞培养与染毒
从中国科学院上海生命研究院细胞资源中心购买HepG2细胞. 细胞培养基含 10%胎牛血清、1%青霉素庆大霉素双抗. 细胞培养条件为37 ℃、5% CO2. 取指数生长期的细胞进行染毒，参考相关文献[9]及我国人群接触水平设置染毒浓度. 共设置5个染毒浓度 ：阴性对照（完全培养基）、阳性对照（1 mmol·L−1油酸）、0.01 、1 、10 μmol·L−1MEHP. 染毒48 h后进行相关实验.
1.2 细胞油红 O 染色
为了研究细胞中脂滴的蓄积，用油红O法对HepG2细胞进行染色. 5个实验组的细胞染毒48 h后进行染色. 主要步骤为：弃去孔中废弃培养基，用 PBS 漂洗细胞，4%（质量分数）多聚甲醛固定细胞，油红O染色30 min，60%（体积分数）异丙醇洗去多余染料，苏木精复染细胞核10 s. 用显微镜获取图像并观察细胞内脂滴情况.
1.3 芯片数据以及数据前处理
用1 μmol·L−1 MEHP处理的细胞进行芯片分析，Agilent （人）表达谱芯片由博奥晶典公司完成. 步骤如下：以待检测样品的 total RNA 为起始，进行体外扩增和荧光标记，然后用Oligo（dT）Primer 引物合成cRNA并进行纯化和反转录得到cDNA. 最后用 Klenow Fragment 酶合成带有荧光基团的DNA 进行芯片杂交. 用 Feature Extraction 提数软件对芯片杂交扫描后的图片数据进行处理分析.
1.4 差异基因的筛选
通过Ｒstudio limma包将芯片基因的数据进行处理，以表格格式导出并进一步筛选差异表达基因. 差异表达基因（DEG）定义为差异倍数 FC大于 1.5或小于0.67且 P值小于 0.05的基因.
1.5 DEG功能富集分析
将上述分析得出的DEG导入 DAVID在线数据库（
https://david.ncifcrf.gov/tools.jsp ），进行GO分析. 通过对显著表达的基因进行功能注释分析，包括生物学过程（BP）、细胞组成（CC）和分子功能（MF），进而了解差异表达基因的生物学意义. 以 P<0.05认为具有显著性.1.6 PCR验证
按照1.1节对处于指数生长期的细胞进行染毒，每个实验组设置6个平行对照，染毒48 h后提取RNA. 细胞样品用Trizol试剂裂解，提取总RNA. 用超微量分光光度计测定RNA的含量和纯度. 将符合条件的RNA （A260/A230>2.0，和A260/A280=1.8—2.0）样本用反转录试剂盒将RNA反转录为cDNA备用.
从具有显著性且参与脂质代谢过程的差异基因中选取丙酮酸脱氢酶磷酸酶催化亚基2（PDP2）、磷脂酶A2组 IVE（PLA2G4E）、脂肪酸去饱和酶 6（FADS6）、Q型蛋白酪氨酸磷酸酶受体（PTPRQ）、CD28、甾醇-C5-去饱和酶（SC5D）、甲羟戊酸二磷酸脱羧酶（MVD）作为目的基因，检测mRNA表达水平（荧光定量PCR仪为Line Gene 9600）. 引物信息如表1所示. 以GAPDH为内参，数据分析时取Ct值的平均值，用相对定量法2−△△ct法计算目的基因表达的变化情况. 采用 SPSS 26.0 软件对数据进行统计学分析，多组间比较使用单因素方差分析，事后比较用LSD 检验进行，P<0.05认为具有统计学意义.
表 1 实时定量PCR引物序列Table 1. Primer sequences for real-time quantitative PCR基因Gene 引物Primer PDP2 S——GAAGATGAGGTGACAAGGAA F——GCCAGCACAAG MVD GAACTTA PLA2G4E S——TTCTGTCCTATGGCTCCTT F——GTTCTTCACTCGGCTCTG FADS6 S——CCTCAACCGCTATGTCTAC F——CGATGTGCTGGAAGATGT PTPRQ S——ATGTCTATATTGCGGCTGAA F——TTCTTACTTGCGTGGATTCT CD28 S——GCTCTTGGCTCTCAACTTA F——CCTGCTCCTCTTACTCCT SC5D S——CTTGCTGGAGATAAGAGGTT F——TATGGTGGTCTGTATGATGAG MVD S——CAAGGACTTCACCGAGGA F——GTAGGCTAGGCAGGCATA | Show Table
DownLoad:
CSV
1.7 基因表达谱数据动态分析
将细胞脂质代谢通路的基因输入 GEPIA 在线分析网站（http://gepia.cancer-pku.cn/），分析其在肝癌组织中的表达. P<0.05认为具有统计学意义.
2. 结果与讨论（Results and discussion）
2.1 油红O 染色结果
如图1所示，阴性对照组细胞有明显的边界，细胞内没有脂滴存在. 油酸染毒的细胞可见大量明显着色的脂滴，主要分布在细胞膜内侧区域，大小不等. 与阴性对照组相比，0.01 μmol·L−1 MEHP剂量组未见明显改变；1、10 μmol·L−1 MEHP剂量组可观察到少量红色脂滴，且随着染毒浓度的增大，脂滴的数量也逐渐增加，暂时未见对细胞边界的影响. 在前期实验中本课题组对MEHP染毒的HepG2细胞中的甘油三酯（TG）含量进行了定量检测， TG含量结果与油红O染色结果相一致，提示较高剂量 MEHP 暴露可提高细胞中的脂质水平[8]. 这一结果表明， MEHP暴露后，导致HepG2细胞中的甘油三酯蓄积，从而引起肝细胞中的脂质沉积.
图 1 不同浓度MEHP染毒对HepG2细胞内脂肪积累的影响（×400）Figure 1. Effects of different concentrations of MEHP on lipid accumulation in HepG2 cells（×400）A:光镜下未染色HepG2细胞；B:阳性对照组；C:阴性对照组；D、E、F：0.01、1、10 μmol·L−1 MEHP组. →为 HepG2 细胞内红色脂滴.A: HepG2 cells were not stained under light microscope; B: Positive control group; C:Negative control group; D、E and F: 0.01、1 and 10 μmol·L−1 MEHP groups; →represents red lipid droplets.2.2 差异基因筛选
如图2所示，根据P<0.05，FC>1.5或<0.67的筛选标准，共筛选出93个差异表达基因（表2），其中上调的基因57个，下调的基因36个.
表 2 差异基因的表达情况Table 2. The expression of differentially expressed genesUp Down symbol lgFC P.Value symbol lgFC P.Value DPPA3 0.743871 0.000032637 TTTY14 −0.75345 0.000683968 MYLIP 0.685596 0.000320629 XLOC_008352 −0.691 0.001413602 XLOC_000888 0.664559 0.000498704 LOC100129112 −0.83639 0.001799658 LOC100127994 0.609364 0.00056601 SC5D −0.92097 0.002090916 SYT17 0.650856 0.000986627 XLOC_004178 −0.72657 0.002192512 XLOC_008003 0.727595 0.00115933 C14orf119 −0.78947 0.003595082 LOC100506487 0.589801 0.001543009 XLOC_l2_012082 −0.61338 0.004605101 FADS6 0.784036 0.002373877 XLOC_012908 −0.92876 0.006283058 AQP10 0.603687 0.00355145 GABRG1 −1.01945 0.007994 XLOC_001387 0.675839 0.003916862 NUMB −0.57939 0.008775398 KCNE4 0.831973 0.003949384 FLJ21408 −0.61905 0.009899712 XLOC_005215 0.65671 0.004608305 LOC100505657 −0.89616 0.010826125 OR5L1 0.922639 0.004609802 ZNF554 −0.60913 0.011699612 C14orf180 0.649561 0.005207664 XLOC_012871 −0.78553 0.01385829 RHOXF1 0.622636 0.007822227 XLOC_007131 −0.7273 0.014006601 PTPRQ 0.739332 0.008548009 XLOC_l2_014785 −0.66169 0.01855114 LOC286382 0.586815 0.008726912 PRO0611 −0.78996 0.018748849 ACOD1 0.61305 0.008957375 CREG2 −0.70749 0.018758137 LOC100130744 0.85844 0.009748146 XLOC_l2_004857 −0.66225 0.023632428 ZAP70 0.625018 0.010183849 PDP2 −0.80976 0.023933353 PLA2G4E 1.427762 0.011394311 XLOC_l2_011207 −0.57923 0.026335268 LOC652586 0.614123 0.011818286 XLOC_007761 −0.58384 0.027416794 XLOC_006019 0.666199 0.012002598 GNL3LP1 −0.6286 0.027632132 SLAMF7 0.896594 0.013447959 XLOC_l2_013646 −0.89314 0.028992205 XLOC_005433 0.588529 0.014072632 MVD −0.63712 0.031037423 KRTAP13-2 0.681023 0.014111061 LOC728065 −0.58089 0.031598939 XLOC_008237 0.804098 0.01445258 XLOC_l2_011011 −0.60147 0.033573436 XLOC_008244 0.677154 0.01652238 XLOC_001687 −1.03697 0.037696163 LOC100505966 0.836326 0.01818776 XLOC_004804 −0.68571 0.039579631 XLOC_001422 2.454291 0.018227482 LOC100507110 −0.60107 0.041523521 CSN2 1.0231 0.020348553 CACNG8 −0.61314 0.041704333 XLOC_003782 0.639271 0.021116476 SNORD70 −0.92894 0.044259091 XLOC_005572 0.585382 0.02204518 LOC100128126 −1.05439 0.044856832 XLOC_003349 1.233979 0.022738339 NPPA-AS1 −0.59523 0.048087643 XLOC_l2_00770 0.610547 0.023106187 XLOC_001550 −0.64752 0.04894801 SNORD115-48 0.719119 0.024508996 INE1 −1.017 0.0496582 SNORD115-4 0.688309 0.026211298 XLOC_001755 0.605516 0.028061446 ANK2 0.906401 0.029169596 CD28 0.589859 0.029610282 LOC100506563 1.019834 0.029837404 ANXA10 0.626939 0.030222491 CYBB 1.151916 0.03336549 XLOC_012064 1.019834 0.0345969 XLOC_013649 0.624561 0.035226312 XLOC_010183 1.380268 0.035959747 XLOC_006983 0.862151 0.040708371 XLOC_004274 0.720596 0.040795527 XLOC_008690 0.686422 0.041491936 XLOC_007888 0.852148 0.04152697 XLOC_l2_011145 0.704819 0.042378972 SLC24A4 0.757531 0.043335006 XLOC_013458 0.71734 0.043999913 TREML1 0.800135 0.047577606 TRIM49 0.796312 0.048328175 ANKDD1B 0.683738 0.049447534 DUSP21 0.604901 0.049510457 | Show TableDownLoad:
CSV
2.3 差异基因的功能富集分析
通过对差异基因进行GO分析探讨差异基因所涉及的生物学过程，包括基因的３个部分：分子功能（MF）、细胞组分（CC）、生物过程（BP）. 结果显示，可以识别的基因一共有48个，显著富集的GO条目一共有13条（P<0.05），其中生物过程7条（图3）. 前5条通路及具体信息见表3，主要包括细胞脂质代谢过程（cellular lipid metabolic process）、T细胞阴性选择（negative T cell selection）、跨膜运输（transmembrane transport）、跨膜转运的调控（regulation of transmembrane transport）、先天免疫反应（innate immune response）；分子功能2条,包括被动跨膜转运活性（passive transmembrane transporter activity）、基质特异性跨膜转运蛋白活性（substrate-specific transmembrane transporter activity）；细胞组分4条，包括膜的外部成分（extrinsic component of membrane）、等离子体膜（plasma membrane）、质膜部分（plasma membrane part）.GO 分析表明, 最显著激活的通路是细胞脂质代谢通路，他由上调基因 FADS6、PTPRQ、CD28、 PLA2G4E 和下调基因 SC5D、PDP2、MVD 组成.
图 3 DAVID分析中生物过程通路的GO条目与基因Figure 3. Chord plot depicting the relationship between genes and GO terms of biological process表 3 DAVID分析中前5个通路（BP）与基因Table 3. Top 5 GO terms （BP） of the genes with the DAVID analysisGO TermGO 条目 Count数量 Genes基因 Fold Enrichment富集倍数 P Value P值 GO:0044255cellular lipid metabolic process 7 PDP2, PLA2G4E, FADS6, PTPRQ, CD28, SC5D, MVD 3.85628326776209 0.0068 GO:0045087innate immune response 5 TREML1, ZAP70, CYBB, ACOD1, SLAMF7 3.042438312 0.0494 GO:0055085transmembrane transport 7 SLC24A4, CACNG8, KCNE4, AQP10, CYBB, ANK2, GABRG1 3.024137931 0.0204 GO:0006629lipid metabolic process 7 PDP2, PLA2G4E, FADS6, PTPRQ, CD28, SC5D, MVD 5.660947851 0.0210 GO:0034762regulation of transmembrane transport 4 CACNG8, KCNE4, CYBB, ANK2 3.43652037617554 0.0300 | Show TableDownLoad:
CSV
2.4 PCR验证
MEHP染毒后相关基因mRNA表达水平的变化如图4所示. 与阴性对照组相比，基因FADS6 在1 μmol·L−1 MEHP染毒样品内基因表达水平明显增加（P<0.05）；基因SC5D、PDP2在1 μmol·L−1 MEHP剂量组基因表达水平明显降低（P<0.05），MVD在10 μmol·L−1 MEHP剂量组基因表达水平明显降低（P<0.05）. 其中，基因SC5D、PDP2、MVD、FADS6的mRNA表达水平与芯片结果表达一致，基因PTPRQ、CD28、PLA2G4E结果不一致.
图 4 不同浓度MEHP染毒对 HepG2 细胞相关基因mRNA表达水平影响Figure 4. Effects of different concentrations of MEHP on mRNA expressions of relative genes in HepG2 cells本研究通过转录组数据分析探讨MEHP在HepG2细胞脂质代谢过程中发挥作用的基因，发现细胞脂质代谢通路上的基因FADS6、MVD、SC5D、PLA2G4E在代谢过程中起重要作用. 脂肪酸去饱和酶（FADS6）在多不饱和脂肪酸（PUFA）的合成途径中起关键作用，参与了PUFA合成过程中的限速步骤，并调节PUFA的代谢通量[15]. 据报道，FADS6的活性是调节生物体中多不饱和脂肪酸比例的主要因素,其活性改变会影响一些疾病，如炎症和肿瘤发生，2型糖尿病，心血管疾病，代谢紊乱和神经精神疾病[16]. Montell的研究发现，含不饱和脂肪酸的二脂酰甘油（DAG）比饱和脂肪酸的DAG对二酰基甘油酰基转移酶（DGAT）有更强的亲和力，即肝脏合成 TG 首先利用不饱和脂肪酸, 更容易导致甘油三酯积累，而饱和脂肪酸多以 DAG 的形式蓄积[17].
本实验富集分析与PCR的结果显示，FADS6的mRNA表达水平升高，促进了HepG2细胞中多不饱和脂肪酸合成，这可能是HepG2细胞中甘油三酯合成增多进而出现脂肪堆积的原因. 甲羟戊酸二磷酸脱羧酶（MVD）参与胆固醇生物合成过程中的早期步骤. 通过Jump实验中转录组数据的KEGG分析显示，MVD参与SREBP激活基因表达、SREBP调节胆固醇生物合成、脂类和脂蛋白代谢等胆固醇代谢相关的通路，MVD的变化可调控乙酰乙酰-辅酶A的变化，进而改变）胆固醇调节元件结合蛋白（SREBP）的表达水平[18]，已有研究证明SREBP的上调导致肝细胞内胆固醇合成增加 [19] . 甾醇-C5-去饱和酶（SC5D）是一种胆固醇生物合成酶，它催化乳甾醇（lathosterol）转化为7-脱氢胆固醇（7-dehydrocholesterol），参与胆固醇合成中的酶促反应通路[20]. 有文献报道SC5D基因缺陷会引起乳甾醇症（Lathosterolosis），一种罕见的常染色体隐性胆固醇生物合成障碍疾病[21]. SC5D基因在HepG2细胞中表达水平的改变导致细胞内胆固醇合成发生紊乱. 磷脂酶A2（PLA2）是一种参与脂蛋白代谢和炎症途径的酶，所产生的脂质介质对细胞代谢起重要调控作用. 有文献报道NAFLD病人血浆中PLA2水平和肝脏的脂肪变性程度呈显著正相关,这说明PLA2可能参与肝细胞代谢过程中[22]. 有研究证实PLA2过表达的肝脏甘油三酯（TG）含量显著增加，同时增加趋势与PLA2的表达趋势相一致[23]. PLA2G4E作为PLA2的一种，对肝脏细胞的代谢也有调控作用. 本研究中发现，芯片结果中PLA2G4E表达水平升高，提示PLA2G4E是MEHP诱导甘油三脂含量增加，扰乱肝细胞脂质代谢的原因之一.
2.5 关键差异基因的在肝癌中的表达
利用在线分析工具GEPIA分析以上基因在肝细胞癌组织的表达水平，如图5所示. 这7个基因在肝细胞癌组织中的表达变化对比正常组织没有显著性. 但是以上基因在HepG2肝癌细胞脂质代谢过程中的表达水平均具有明显改变，导致肝癌细胞脂质代谢紊乱、脂肪堆积.
图 5 关键基因在肝癌中的表达水平Figure 5. Relative expression comparison of key genes in liver cancer samples in GEPIA database非酒精性脂肪性肝病（nonalcoholic fatty liver disease，NAFLD）是一种可逆性的疾病，但随着研究的不断深入， NAFLD的发病范围由单纯脂肪肝、脂肪肝、肝硬化发展到原发性肝细胞癌[24]. 多项研究证明NAFLD可逐渐发展为非酒精性脂肪性肝炎（Nonalcoholic steatohepatitis，NASH），从而导致肝硬化[25]，而肝硬化是除HBV、HCV引起原发性肝癌的另一主要原因. 因此假如高龄、胰岛素抵抗、肥胖等危险因素持续存在，NAFLD最终可引起肝癌. 同时Iris [26]的动物实验和Ertle[27] 的研究证实，NAFLD可不经肝硬化阶段发展为原发性肝癌. 由此可知，虽然以上基因在肝癌组织中的表达没有明显变化，但是对肝癌的前身——NAFLD发生发展具有重要作用.
3. 结论（Conclusion）
本研究以HepG2细胞为研究对象，结合油红O染色以及基因芯片等技术，发现MEHP暴露影响了细胞脂质代谢等信号通路，改变了关键因子FADS6、MVD、SC5D、PLA2G4E的表达水平，导致肝脏细胞中甘油三酯与胆固醇的合成增加，肝脏细胞出现脂肪蓄积. 综上所述，MEHP暴露可以通过改变细胞代谢相关基因引起肝脏细胞内脂质代谢紊乱.
-
图 1 环境水中杀鼠醚的SERS检测示意图
Figure 1. Schematic illustration for the SERS detection of coumatetralyl （CMTT） in environmental water
图 2 （a）本研究制备的纳米金透射电镜图；（b）纳米金、1 μg·mL−1杀鼠醚混合纳米金的紫外-可见光谱；（c）将1 μg·mL−1杀鼠醚与纳米金混合液加入硝酸镁聚沉后的紫外-可见光谱（插图显示纳米金胶体聚沉前后的颜色变化）;（d） （b）和（c）对应溶液的SERS强度
Figure 2. （a） TEM image of Gold nanoparticles （Au NPs） prepared in this study; （b） UV-Vis spectra of colloidal Au NPs, Au NPs mixed with 1 μg·mL−1 CMTT; （c） UV-Vis spectra of aggregated Au NPs after adding 10 μL of 0.5 mol·L−1 Mg(NO3)2 （The inset shows the color change of Au NPs before and after aggregation）; （d） SERS intensity of the solutions corresponding to （b） and （c）
图 3 杀鼠醚的化学结构，固体杀鼠醚的拉曼光谱和杀鼠醚溶液（1 μg·mL−1）的SERS光谱
Figure 3. Chemical structure of CMTT, typical Raman spectrum of solid CMTT and SERS spectrum of CMTT solution （1 μg·mL−1）
图 4 不同聚沉盐对995 cm−1处SERS信号强度的影响
Figure 4. Effects of different aggregating salts on SERS signal intensity at 995 cm−1
图 5 加入0.1 mol·L−1（a）、0.25 mol·L−1（b）、0.5 mol·L−1（c）、1 mol·L−1（d）硝酸镁聚沉后纳米金的TEM图像；（e） 加入不同浓度硝酸镁聚沉纳米金的紫外-可见光谱；（f）不同浓度的硝酸镁对995 cm−1处的SERS强度影响
Figure 5. TEM image of Au NPs after adding 0.1 mol·L−1 （a）, 0.25 mol·L−1 （b）, 0.5 mol·L−1 （c） and 1 mol·L−1 （d） Mg（NO3）2; （e） UV-Vis spectra of Au NPs with different concentrations of Mg（NO3）2; （f） SERS intensity at 995 cm−1 induced by different concentrations of Mg（NO3）2
图 6 （a） 加入0.5 mol L−1硝酸镁聚沉纳米金后30 min的紫外-可见光谱变化；（b）杀鼠醚水溶液60 min的SERS光谱变化
Figure 6. （a） UV-Vis spectra of Au NPs added with 0.5 mol L−1 Mg（NO3）2 for 30 min; （b） A 60-min evolution ofS SERS spectra of aqueous CMTT
图 7 （a）不同浓度杀鼠醚溶液的SERS检测；（b）杀鼠醚SERS峰强度随浓度变化的曲线；（c）水样中不同浓度杀鼠醚的SERS检测；（d）水样中杀鼠醚SERS峰强度随浓度变化的曲线
Figure 7. （a） SERS detection of CMTT aqueous solution with different concentrations; Calibration curve for different CMTT; （c） SERS detection of CMTT with different concentrations in water samples; Calibration curve for different CMTT in water samples
图 8 使用同批次纳米金在21 d内测定（a）1 μg·mL−1和（b）0.05 μg·mL−1杀鼠醚在995 cm−1处的SERS强度；（c）8个不同批次纳米金检测加标水样中0.25 μg·mL−1杀鼠醚在995 cm−1处的SERS强度；（d）同批次纳米金检测加标水样中0.25 μg·mL−1杀鼠醚在995 cm−1处的SERS强度
Figure 8. SERS intensity at 995 cm−1 of （a） 1 and （b） 0.05 μg·mL−1 CMTT acquired over 21 d using the same batch of Au NPs; （c） SERS intensity at 995 cm−1 of 0.25 μg·mL−1 CMTT in spiked water using eight batches of Au NPs; （d） SERS intensity at 995 cm−1 of 0.25 μg·mL−1 CMTT in spiked water generated by the same batch of Au NPs
表 1 环境水中不同浓度杀鼠醚的平均回收率
Table 1. Average recoveries of different CMTT concentrations in spiked environmental water
加标量/（μg·mL−1）Added 回收量±标准差/（μg·mL−1）Found ± SD 回收率/%Recovery 相对标准偏差/%RSD 0.50 0.48 ± 0.12 96.4 6.40 1.00 0.90 ± 0.12 90.2 2.86 2.50 2.46 ± 0.36 98.2 2.69
下载: 导出CSV
表 2 各农药对应SERS谱带的分配
Table 2. The Assignation of SERS spectral bands corresponding to each pesticide
表面增强拉曼光谱位移/cm−1SERS shift 归属结构Assignation 563 C—C—C弯曲振动 939 C—O/C—H弯曲振动 1028 C—O弯曲振动/C—C拉伸振动 1044 C—O弯曲振动/C—C拉伸振动 1145 H—C—H弯曲振动/CH2扭转 1193 C—H平面弯曲 1323 H—C—H/CH3/CH2/CH弯曲振动 1379 H—C—H/CH2扭转
下载: 导出CSV
-
[1] GONG T X, HUANG Y F, WEI Z J, et al. Magnetic assembled 3D SERS substrate for sensitive detection of pesticide residue in soil [J]. Nanotechnology, 2020, 31(20): 205501. doi: 10.1088/1361-6528/ab72b7 [2] WALTHER B, ENNEN H, GEDUHN A, et al. Effects of anticoagulant rodenticide poisoning on spatial behavior of farm dwelling Norway rats [J]. Science of the Total Environment, 2021, 787: 147520. doi: 10.1016/j.scitotenv.2021.147520 [3] REGNERY J, FRIESEN A, GEDUHN A, et al. Rating the risks of anticoagulant rodenticides in the aquatic environment: A review [J]. Environmental Chemistry Letters, 2019, 17(1): 215-240. doi: 10.1007/s10311-018-0788-6 [4] BERGRATH S, CASTILLO-VARGAS J S, KOC N J, et al. Suspected seizure—Survival of a lethal dose of the rodenticide alpha-chloralose [J]. Der Anaesthesist, 2019, 68(12): 843-847. doi: 10.1007/s00101-019-00692-7 [5] de BAIRROS A V, DIAS D, BEZERRA A, et al. An analytical strategy for the identification of carbamates, toxic alkaloids, phenobarbital and warfarin in stomach contents from suspected poisoned animals by thin-layer chromatography/ultraviolet detection [J]. Toxicology Mechanisms and Methods, 2019, 29(7): 518-530. doi: 10.1080/15376516.2019.1619213 [6] ELMEROS M, LASSEN P, BOSSI R, et al. Exposure of stone marten (Martes foina) and polecat (Mustela putorius) to anticoagulant rodenticides: Effects of regulatory restrictions of rodenticide use [J]. Science of the Total Environment, 2018, 612: 1358-1364. doi: 10.1016/j.scitotenv.2017.09.034 [7] SELJETUN K O, SANDVIK M, VINDENES V, et al. Comparison of anticoagulant rodenticide concentrations in liver and feces from apparently healthy red foxes [J]. Journal of Veterinary Diagnostic Investigation, 2020, 32(4): 560-564. doi: 10.1177/1040638720927365 [8] OKONIEWSKI R, NEELY S, DENN M, et al. Rapid method for the detection of rodenticides in contaminated foods [J]. Journal of Chromatography B, 2021, 1186: 123005. doi: 10.1016/j.jchromb.2021.123005 [9] VALVERDE I, ESPÍN S, GÓMEZ-RAMÍREZ P, et al. Wildlife poisoning: A novel scoring system and review of analytical methods for anticoagulant rodenticide determination [J]. Ecotoxicology, 2021, 30(5): 767-782. doi: 10.1007/s10646-021-02411-8 [10] FANG W, ZHANG B, HAN F Y, et al. On-site and quantitative detection of trace methamphetamine in urine/serum samples with a surface-enhanced Raman scattering-active microcavity and rapid pretreatment device [J]. Analytical Chemistry, 2020, 92(19): 13539-13549. doi: 10.1021/acs.analchem.0c03041 [11] CHEN J, HUANG M Z, KONG L L, et al. Jellylike flexible nanocellulose SERS substrate for rapid in situ non-invasive pesticide detection in fruits/vegetables [J]. Carbohydrate Polymers, 2019, 205: 596-600. doi: 10.1016/j.carbpol.2018.10.059 [12] MA Y M, LIU H L, MAO M, et al. Surface-enhanced Raman spectroscopy on liquid interfacial nanoparticle arrays for multiplex detecting drugs in urine [J]. Analytical Chemistry, 2016, 88(16): 8145-8151. doi: 10.1021/acs.analchem.6b01884 [13] MOSTOWTT T, MUNOZ J, McCORD B. An evaluation of monovalent, divalent, and trivalent cations as aggregating agents for surface enhanced Raman spectroscopy (SERS) analysis of synthetic cannabinoids [J]. The Analyst, 2019, 144(21): 6404-6414. doi: 10.1039/C9AN01309A [14] HIDI I J, JAHN M, WEBER K, et al. Lab-on-a-chip-surface enhanced Raman scattering combined with the standard addition method: Toward the quantification of nitroxoline in spiked human urine samples [J]. Analytical Chemistry, 2016, 88(18): 9173-9180. doi: 10.1021/acs.analchem.6b02316 [15] ZHANG Y, LI L F, GAO Y, et al. Nitrosonaphthol reaction-assisted SERS assay for selective determination of 5-hydroxyindole-3-acetic acid in human urine [J]. Analytica Chimica Acta, 2020, 1134: 34-40. doi: 10.1016/j.aca.2020.08.020 [16] MARY Y S, RAJU K, YILDIZ I, et al. FT-IR, FT-Raman, SERS and computational study of 5-ethylsulphonyl-2-(o-chlorobenzyl)benzoxazole [J]. Spectrochimica Acta. Part A, Molecular and Biomolecular Spectroscopy, 2012, 96: 617-625. doi: 10.1016/j.saa.2012.07.006 [17] RAJ A, SHEENA MARY Y, YOHANNAN PANICKER C, et al. IR, Raman, SERS and computational study of 2-(benzylsulfanyl)-3, 5-dinitrobenzoic acid [J]. Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy, 2013, 113: 28-36. doi: 10.1016/j.saa.2013.04.096 [18] CHAN M Y, LENG W N, VIKESLAND P J. Surface-enhanced Raman spectroscopy characterization of salt-induced aggregation of gold nanoparticles [J]. ChemPhysChem, 2018, 19(1): 24-28. doi: 10.1002/cphc.201700798 [19] SUBAIHI A, ALMANQUR L, MUHAMADALI H, et al. Rapid, accurate, and quantitative detection of propranolol in multiple human biofluids via surface-enhanced Raman scattering [J]. Analytical Chemistry, 2016, 88(22): 10884-10892. doi: 10.1021/acs.analchem.6b02041 [20] LEE M J, LIM S H, HA J M, et al. Green synthesis of high-purity mesoporous gold sponges using self-assembly of gold nanoparticles induced by thiolated poly(ethylene glycol) [J]. Langmuir:the ACS Journal of Surfaces and Colloids, 2016, 32(23): 5937-5945. doi: 10.1021/acs.langmuir.6b01197 [21] ROGER K, BOTET R, CABANE B. Coalescence of repelling colloidal droplets: A route to monodisperse populations [J]. Langmuir:the ACS Journal of Surfaces and Colloids, 2013, 29(19): 5689-5700. doi: 10.1021/la400498j [22] FAN M K, ANDRADE G F S, BROLO A G. A review on recent advances in the applications of surface-enhanced Raman scattering in analytical chemistry [J]. Analytica Chimica Acta, 2020, 1097: 1-29. doi: 10.1016/j.aca.2019.11.049 [23] LI X, LENHART J J, WALKER H W. Aggregation kinetics and dissolution of coated silver nanoparticles [J]. Langmuir:the ACS Journal of Surfaces and Colloids, 2012, 28(2): 1095-1104. doi: 10.1021/la202328n [24] WESTLEY C, XU Y, CARNELL A J, et al. Label-free surface enhanced Raman scattering approach for high-throughput screening of biocatalysts [J]. Analytical Chemistry, 2016, 88(11): 5898-5903. doi: 10.1021/acs.analchem.6b00813 [25] ZHU W, WEN B Y, JIE L J, et al. Rapid and low-cost quantitative detection of creatinine in human urine with a portable Raman spectrometer [J]. Biosensors and Bioelectronics, 2020, 154: 112067. doi: 10.1016/j.bios.2020.112067 [26] WANG C J, SHANG M, WEI H Y, et al. Specific and sensitive on-site detection of Cr(VI) by surface-enhanced Raman spectroscopy [J]. Sensors and Actuators B:Chemical, 2021, 346: 130594. doi: 10.1016/j.snb.2021.130594 [27] WEN P, YANG F, GE C, et al. Self-assembled nano-Ag/Au@Au film composite SERS substrates show high uniformity and high enhancement factor for creatinine detection [J]. Nanotechnology, 2021, 32(39): 395502. doi: 10.1088/1361-6528/ac0ddd [28] ZHANG M L, PAN J L, XU X Y, et al. Gold-trisoctahedra-coated capillary-based SERS platform for microsampling and sensitive detection of trace fentanyl [J]. Analytical Chemistry, 2022, 94(11): 4850-4858. doi: 10.1021/acs.analchem.2c00157 [29] KRYSA M, SZYMAŃSKA-CHARGOT M, ZDUNEK A. FT-IR and FT-Raman fingerprints of flavonoids - A review [J]. Food Chemistry, 2022, 393: 133430. doi: 10.1016/j.foodchem.2022.133430 [30] LEMMA T, de BARROS SOUZA F, TELLEZ SOTO C A, et al. An FT-Raman, FT-IR, and quantum chemical investigation of stanozolol and oxandrolone [J]. Biosensors, 2017, 8(1): 2. doi: 10.3390/bios8010002 -
点击查看大图
计量
- 文章访问数: 2307
- HTML全文浏览数: 2307
- PDF下载数: 99
- 施引文献: 0
