碲化镉量子点作为探针研究核黄素与鲑鱼精DNA的相互作用

来源 :辽宁大学 | 被引量 : 0次 | 上传用户:weiziqing
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
量子点(quantum dots,QDs)亦称为半导体纳米晶体,是一种由Ⅲ-Ⅴ族或Ⅱ-Ⅵ族元素组成且直径为1~10 nm的纳米颗粒。QDs具有很多独特的光学和物理化学性能,如荧光明亮稳定、量子产率高、不易被光漂白、抗化学降解、激发光谱宽、发射光谱窄且对称可调、较大的斯托克斯位移等。近年来,QDs作为荧光标记物,在生物学领域和生物医药应用领域备受关注。本文在水相中合成了巯基丙酸包覆的CdTe QDs,以CdTe QDs作为荧光探针,研究核黄素(RF)与鲑鱼精DNA作用。在pH 7.25 B-R缓冲溶液中,RF在572 nm处的荧光发射峰强度随DNA的加入明显降低,这表明RF通过氢键作用嵌插入DNA双螺旋中;紫外-可见吸收光谱中,出现明显减色效应,表明RF嵌入到DNA碱基对中;圆二色光谱各峰呈规律性变化,说明加入的RF几乎全部与DNA的碱基结合,使DNA的双螺旋结构改变。荧光光谱法、紫外-可见吸收光谱法和圆二色光谱法得到的结论一致表明RF与DNA之间存在嵌插作用。盐效应实验表明大量的Na+可在DNA的磷酸基阴离子周围形成一层阳离子氛,阻碍RF对DNA的嵌入作用,从而削弱了由于RF嵌入DNA所引起的荧光猝灭,这是RF以嵌入的方式与DNA结合的证据之一;在DNA热变性实验中,RF与DNA结合后的热变性温度(Tm)比CdTe QDs与DNA结合后的Tm升高很多,这也表明RF与DNA之间存在着嵌插作用。采用Scatchard方程得到不同浓度比的RF与DNA的结合位点数、结合常数和作用方式等信息,实验结果表明,RF与DNA作用方式为静电吸附和嵌插两种混合作用方式。
其他文献
建筑垃圾是建筑工业发展的副产物,对生态环境造成了严重的破坏。废弃混凝土占建筑垃圾的比重大,其经破碎、筛分得到再生骨料。建筑垃圾资源化利用的重要途径就是以再生骨料为原料制备再生混凝土。但是由于再生骨料存在压碎指标高、吸水率高、表观密度低等特点导致再生混凝土试件力学性能差,所以如何提高再生混凝土的性能成为解决问题的关键。为制备高性能再生混凝土产品,本文分别探索了秸秆纤维、氧化石墨烯等不同材料对再生混泥
陈英士是活跃于清末民初政坛的重要人物,以沪军都督之名蜚声沪上。他在生前饱受争议之苦,死后却安享殊荣,成为国民党推崇备至的革命元勋。民国时期的陈英士叙述由各种势力共
本文对中国园蛛科的新园蛛属Neoscona、艾蛛属Cyclosa和类岬蛛属Pronoides进行了分类研究。全文分为总论和各论两部分。总论部分简明扼要地介绍了上述3属的分类地位、分类系
MMP(matrixins),即基质金属蛋白酶,是一类降解细胞外基质及基底膜的内肽酶,其催化过程需要依赖金属离子Zn2+。根据最新的研究报道,该家族共有28个成员,MMP广泛地参与了人体的
为了开发高效的非均相催化材料以活化过一硫酸盐(PMS)用于高级氧化降解废水有机污染物,本论文制备了前驱体CoCuAl-LDHs并通过煅烧得到了催化剂CoCuAl-LDOs。以有机染料酸性橙7(AO7)为目标污染有机物,研究了催化剂制备条件和降解反应条件对CoCuAl-LDOs/PMS体系降解废水中AO7效率的影响,并且对CoCuAl-LDOs活化PMS的机理以及AO7在CoCuAl-LDOs/PM
数据挖掘一般是指从海量数据中获取知识的过程,而自动化数据挖掘能够根据应用场景、使用条件自动选择挖掘模型和模型参数,从而达到简化用户挖掘操作的目的。然而数据挖掘中流程复杂、信息重用难度大和共享困难等问题给数据挖掘自动化带来了很大挑战。本文提出了一种自动化数据挖掘工作流框架,在此框架上构建基于SWRL的本体推理实现自动化数据挖掘,其中SWRL用于表示数据挖掘知识及关系从而为数据挖掘本体提供更强的逻辑表
纳米阵列由于具有结构易调控和基底粘连紧密等诸多性能优势,在超级电容器,电解水催化剂以及气体传感器等领域都有着广泛的应用。过渡金属化合物纳米阵列因其高化学稳定性、高机械稳定性和价格低廉的优势在超级电容器和电解水研究领域有着广阔的应用前景。本文通过水热法和电沉积法制备过渡金属纳米阵列,作为电极材料对其电化学性能进行研究,通过对溶剂组成、活性物质的组分、制备时间等参数的调控,达到优化金属纳米阵列结构及改
本实验以暗纹东方纯B淋巴细胞刺激因子(fBAFF)和γ-干扰素诱导的溶酶体巯基还原酶(fGILT)基因克隆、蛋白表达及蛋白生物活性检测为研究方法,旨在弄清楚它们的免疫作用及在进
尾矿库作为一种特殊的工业建筑物,被列为矿山三大控制性质工程之一。它的稳定程度和运营的好坏直接与矿山企业的安全生产息息相关,更是涉及到尾矿库周边人民的生命财产安全。
滚动轴承作为机械设备的重要易损部件之一,其故障具有不确定性、复杂性、多变性的特点。因此,研究滚动轴承故障诊断技术意义重大。传统的故障诊断方法借助专家知识从信号中人工提取特征,但由于信号的非稳态、非线性、非高斯等特点,这一过程需进行大量的分析和对比,费时费力。为实现特征的自动提取和识别,本文引入深度学习模型以解决该问题,深度学习算法以其强大的特征学习和分类能力,在智能故障诊断领域得到了广泛的应用。但