化學測量學進展

1章 化學測量學基礎
1.1 化學測量學基礎003
參考文獻007
第2 章 基于分子光譜分析的化學測量學
2.1　緒論011
2.2　光譜分析的基本原理012
2.3　光譜分類014
2.4　常見分子光譜分析方法015
　　2.4.1 紫外可見分光光度法015
2.4.2 紅外光譜法018
2.4.3 拉曼光譜法020
2.4.4 分子熒光光譜法與分子磷光光譜法022
2.5　光學探針與傳感分析026
　　2.5.1 光學探針的結構特征與設計策略030
2.5.2 光學探針的分類034
2.6　展望047
參考文獻048
第3 章
基于電化學的化學測量學
3.1　緒論053
3.2　腦化學活體電化學分析主要進展054
　　3.2.1 調控電極/腦界面電子轉移的活體電化學分析研究進展056
3.2.2 調控離子傳輸?shù)纳窠浕瘜W分析研究進展061
3.2.3 展望069
3.3　軟界面電分析化學主要進展069
　　3.3.1 發(fā)展可用于探討軟界面的技術與方法070
3.3.2 液/液界面上電荷轉移反應動力學測量及微觀界面研究072
3.3.3 基于液/液界面所發(fā)展技術的應用074
3.4　電化學傳感076
　　3.4.1 基于碳基材料的電化學傳感器076
3.4.2 基于電致化學發(fā)光用于心肌梗死標志物檢測的電化學傳感器077
3.4.3 基于納米二硫化鉬的電化學生物傳感器078
3.5　展望080
參考文獻081
第4 章
微納分離與分析
4.1　緒論087
4.2　微量樣品超快分離分析087
　　4.2.1 微克級新鮮植物中超痕量赤霉素的定量測定088
4.2.2 天牛性信息素活體分析方法088
4.2.3 超快CE 089
4.3　納米孔單通道分析098
　　4.3.1 基于納米孔單分子技術的DNA編碼分子構建100
4.3.2 DNA編碼分子結合免疫技術在抗原分子檢測中的應用102
4.3.3 利用DNA 編碼分子構建分子信標用于抗體及DNA的檢測103
4.3.4 基于納米孔技術構建信號開啟、猝滅及比率型DNA探針108
4.4　微流控技術110
　　4.4.1 微流控單細胞核酸的擴增與測序分析111
4.4.2 基于微流控技術的新型高通量DNA 測序方法115
4.5　脂質組學分析117
　　4.5.1 脂質組學分析簡介117
4.5.2 脂質組學分析的樣品制備技術118
4.5.3 氣相色譜法和超臨界流體色譜法用于脂質組學分析119
4.5.4 高效液相色譜法用于脂質組學分析120
4.6　基于多肽識別的微納分離與分析121
　　4.6.1 微納分離分析與靶向多肽的篩選鑒定121
4.6.2 多肽識別與生物傳感123
4.6.3 基于多肽微納組裝體的分析新方法125
4.7　展望127
參考文獻127
第5 章
質譜分析
5.1　緒論133
　　5.1.1 引言133
5.1.2 質譜儀的基本原理與構造133
5.2　質譜新方法發(fā)展134
　　5.2.1 疾病生物標志物的質譜檢測和成像135
5.2.2 基于MALDI TOF MS的小分子及納米載藥體系的質譜研究138
5.2.3 完整生物顆粒質譜分析的新技術144
5.3　蛋白質組學技術發(fā)展與應用研究150
　　5.3.1 蛋白質組學概念和定量技術150
5.3.2 蛋白質組學應用研究154
5.4　展望158
參考文獻159
第6 章
基于核磁共振波譜學的化學測量學
6.1　緒論165
6.2　核磁共振動力學研究新技術167
6.3　細菌砷酸還原酶體系的動態(tài)結構與功能關系研究169
6.4　細菌外源基因沉默因子的DNA 識別及結合機制研究173
6.5　展望178
參考文獻178
第7 章
基于掃描探針顯微鏡的高分辨表面分析技術
7.1　緒論183
7.2　掃描探針顯微鏡的發(fā)展184
　　7.2.1 掃描隧道顯微鏡184
7.2.2 掃描隧道顯微鏡的超高空間分辨187
7.2.3 掃描隧道顯微鏡的高化學分辨譜圖188
7.2.4 原子力顯微鏡189
7.2.5 q plus原子力顯微鏡的誕生與超高分辨的實現(xiàn)191
7.3　基于SPM 的高空間分辨光譜193
　　7.3.1 紅外光譜、拉曼光譜193
7.3.2 基于SPM 的高空間分辨紅外光譜195
7.3.3 基于SPM 的高空間分辨拉曼光譜198
7.4　基于SPM 的高空間分辨表面自旋檢測201
7.5　基于SPM 的高時間分辨泵浦掃描隧道譜205
7.6　展望209
參考文獻210
第8 章
大數(shù)據分析與化學
測量學
8.1　大數(shù)據的定義與發(fā)展現(xiàn)狀215
8.2　大數(shù)據處理與分析流程216
　　8.2.1 數(shù)據采集217
8.2.2 數(shù)據預處理與集成218
8.2.3 大數(shù)據的存儲218
8.2.4 大數(shù)據處理與分析219
8.2.5 大數(shù)據的可視化220
8.3　大數(shù)據處理與分析方法221
　　8.3.1 化學計量學221
8.3.2 深度學習與卷積神經網絡224
8.3.3 拓撲數(shù)據分析229
8.3.4 可視化方法232
8.4　化學相關學科領域大數(shù)據分析與應用234
　　8.4.1 蛋白質結構預測234
8.4.2 計算機輔助藥物設計235
8.4.3 人工智能分子力場236
8.4.4 大數(shù)據和人工智能在有機化學中的應用236
8.4.5 小分子性質預測237
參考文獻237
索引240