中文摘要 | 第12-15页 |
ABSTRACT | 第15-17页 |
符号说明 | 第19-20页 |
第一章 前言 | 第20-32页 |
1 氨基葡萄糖 | 第20-22页 |
1.1 氨基葡萄糖概述 | 第20-21页 |
1.2 氨基葡萄糖的生产方式 | 第21-22页 |
1.3 氨基葡萄糖的用途 | 第22页 |
2 过程分析技术 | 第22-24页 |
2.1 过程分析技术的提出 | 第22-23页 |
2.2 过程分析技术的优势 | 第23-24页 |
2.3 过程分析技术在制药领域的应用 | 第24页 |
3 近红外光谱分析技术 | 第24-30页 |
3.1 近红外光谱分析技术的提出 | 第24-25页 |
3.2 近红外光谱分析技术的优缺点 | 第25页 |
3.3 近红外光谱仪器的发展与分类 | 第25-27页 |
3.4 近红外光谱分析技术的分析流程 | 第27-30页 |
3.5 近红外光谱分析技术在糖类药物中的应用 | 第30页 |
4 本课题的研究目的及意义 | 第30-31页 |
5 本课题主要研究内容 | 第31-32页 |
第二章 NIRS用于发酵过程中GlcNAc浓度测定的可行性研究 | 第32-45页 |
1 纯水-GlcNAc体系 | 第32-39页 |
1.1 材料 | 第32-33页 |
1.1.1 试剂 | 第32-33页 |
1.1.2 仪器和软件 | 第33页 |
1.2 方法 | 第33-34页 |
1.2.1 不同浓度纯水-GlcNAc溶液的配制 | 第33页 |
1.2.2 近红外光谱的采集 | 第33-34页 |
1.2.3 样品集的划分 | 第34页 |
1.2.4 定量分析模型的建立 | 第34页 |
1.2.5 两种光谱仪准确度对比 | 第34页 |
1.3 实验结果 | 第34-39页 |
1.3.1 原始光谱 | 第34-35页 |
1.3.2 样品集的划分 | 第35-36页 |
1.3.3 光谱预处理 | 第36-37页 |
1.3.4 最佳PLSR定量模型的确定 | 第37-38页 |
1.3.5 两种近红外光谱仪准确度比较 | 第38-39页 |
2 发酵液-GlcNAc体系 | 第39-43页 |
2.1 材料 | 第39页 |
2.1.1 试剂 | 第39页 |
2.1.2 仪器和软件 | 第39页 |
2.2 方法 | 第39-40页 |
2.2.1 不同浓度发酵液-GlcNAc溶液的配制 | 第39页 |
2.2.2 近红外光谱的采集 | 第39页 |
2.2.3 定量分析模型的建立 | 第39页 |
2.2.4 两种光谱仪准确度对比 | 第39-40页 |
2.3 实验结果 | 第40-43页 |
2.3.1 原始光谱 | 第40页 |
2.3.2 样品集的划分 | 第40-41页 |
2.3.3 光谱预处理 | 第41页 |
2.3.4 最佳PLSR定量分析模型的确定 | 第41-42页 |
2.3.5 两种近红外分析仪准确度比较 | 第42-43页 |
3 讨论和结论 | 第43-45页 |
第三章 NIRS用于微生物发酵法生产GlcN发酵过程的监测研究 | 第45-62页 |
1 材料 | 第45-46页 |
1.1 仪器 | 第45页 |
1.2 软件 | 第45-46页 |
2 方法 | 第46页 |
2.1 样品的采集 | 第46页 |
2.2 样品光谱的采集 | 第46页 |
2.3 模型的建立 | 第46页 |
3 实验结果 | 第46-61页 |
3.1 样品的原始光谱 | 第46-47页 |
3.2 样品中GlcNAc浓度和OD值测定结果 | 第47-48页 |
3.3 数据集划分 | 第48-50页 |
3.4 光谱数据预处理 | 第50-52页 |
3.5 变量选择 | 第52-59页 |
3.5.1 FiPLS法 | 第52-54页 |
3.5.2 BiPLS法 | 第54-55页 |
3.5.3 MWPLS法 | 第55-57页 |
3.5.4 CARS法 | 第57-59页 |
3.6 最佳模型建立 | 第59-61页 |
4 讨论和结论 | 第61-62页 |
第四章 NIRS用于微生物发酵法生产GlcN浓缩过程的监测研究 | 第62-79页 |
1. 材料 | 第62-63页 |
1.1 试剂 | 第62-63页 |
1.2 仪器和软件 | 第63页 |
2. 方法 | 第63-64页 |
2.1 样品的采集 | 第63页 |
2.2 样品光谱的采集 | 第63-64页 |
2.3 样品中GlcNAc含量测定 | 第64页 |
2.4 定量分析模型的建立 | 第64页 |
3. 实验结果 | 第64-77页 |
3.1 样品的原始光谱 | 第64-65页 |
3.2 样品的GlcNAc含量测定结果 | 第65-66页 |
3.3 数据集划分 | 第66页 |
3.4 光谱预处理 | 第66-68页 |
3.5 建模变量选择结果 | 第68-75页 |
3.5.1 CC法 | 第68-70页 |
3.5.2 UVE法 | 第70-72页 |
3.5.3 FiPLS法 | 第72-74页 |
3.5.4 BiPLS法 | 第74-75页 |
3.6 模型优化和最优模型的确定 | 第75-77页 |
3.7 模型的评价 | 第77页 |
4 结论与讨论 | 第77-79页 |
第五章 总结与展望 | 第79-81页 |
1 总结 | 第79-80页 |
2 展望 | 第80-81页 |
参考文献 | 第81-86页 |
致谢 | 第86-87页 |
攻读硕士学位期间发表的论文 | 第87-88页 |
附件 | 第88页 |