论文部分内容阅读
第一章:成功的合成氮乙酰-L-半胱氨酸（NALC-Au NPs）,并将其用于电化学阻抗传感器的构建,实现了酪氨酸的手性识别。此传感器基于L-和D-酪氨酸与传感界面的作用不同,而导致电化学阻抗值产生差异,从而实现对酪氨酸手性识别。与其它方法相比,电化学阻抗传感器更加高效、准确,并且有宽的检测范围（10-769μmol·L-1）。另外,考察了NALC-Au NPs、酪氨酸的电沉积圈数、溶液p H、酪氨酸的浓度等对酪氨酸手性识别的影响。该方法将在医药领域中酪氨酸的手性识别方面有潜在的应用价值。第二章:成功合成了羧甲基-β-环糊精保护的石墨烯负载金纳米杂化材料（Au NPs-COOH-CH3-β-CD-GNs）,并将其修饰到玻碳电极表面,用于酪氨酸的手性识别。该材料结合了石墨烯、金纳米良好的导电性及环糊精手性识别的特性,对酪氨酸对映异构体有良好的手性识别效果。且当酪氨酸缓冲溶液p H为5.0、浓度为566μmol/L、Au NPs-COOH-CH3-β-CD-GNs修饰量为6μL、孵化时间为5分钟时,Au NPs-COOH-CH3-β-CD-GNs/GCE传感界面对酪氨酸的手性识别效果最佳。第三章:合成了β-环糊精功能化的石墨烯纳米材料（β-CD-GNs）,考察了其作为一种新型高效吸附剂对水中酸性大红G（ASG）和橙黄Ⅱ（OrangeⅡ）的吸附性能。该材料结合了石墨烯和β-环糊精的特性,表现出对上述两种染料良好的吸附性能,吸附平衡时间小于3 min,吸附率达90%以上,β-CD-GNs对ASG和OrangeⅡ的最大吸附量为622.2 mg·L-1和534.7 mg·L-1。另外,考察了β-CD-GNs用量、溶液p H、反应温度对吸附效果的影响。结果表明,当溶液p H值为6.0、β-CD-GNs浓度为25 mg·L-1时,吸附率最大,而且吸附率随反应温度升高而降低。通过对吸附数据进行线性拟合发现,β-CD-GNs对ASG和OrangeⅡ的吸附等温线符合Langmuir吸附等温模型。该材料在印染废水的处理领域有潜在的应用价值。