日落黄是一种具有潜在危害性的人工合成色素。 选用人血清蛋白为研究对象, 利用荧光光谱法分析了日落黄对人血清蛋白荧光的猝灭作用, 确定了荧光猝灭反应的猝灭常数Ksv, 结果表明日落黄对人血清蛋白的荧光猝灭作用类型为静态猝灭。 运用同步荧光光谱法分析日落黄与人血清蛋白结合表明: 日落黄与人血清蛋白的结合靠近色氨酸附近, 引发色氨酸残基趋向伸展状态, 人血清蛋白的结构发生改变。 此外, 在模拟人体生理条件下选用10种不同的金属离子加入到日落黄和人血清蛋白的反应体系中, 运用三维荧光法检测金属离子对体系的影响, 结果表明Cu2+, Pb2+, Ni2+和Mn2+对猝灭过程有着促进作用, 其中Ni2+的影响最大, 增幅达 22.6 %; 而Fe2+和Zn2+对猝灭过程有着抑制作用, 抑制率达14.12%和14.2%。 本研究的实验方法适用于研究食品添加剂的毒性, 有助于保护食品安全, 维护人体健康。

以戊二醛(GLA)为交联剂, 将超支化聚酰胺(PAMAM)与壳聚糖(CS)相交联, 制备出新型的超支化聚酰胺接枝壳聚糖(CS-PAMAM)吸附剂。 通过扫描电子显微镜、 红外光谱对改性吸附剂进行形貌和结构表征。 结合火焰原子吸收光谱法(FASS)和紫外分光光度法(UV-Vis)研究其对孔雀石绿(MG)、 日落黄(SY)和Cu(Ⅱ)的吸附性能。 讨论了实验条件对吸附效率的影响, 优化了实验操作参数(pH值分别为7.0, 2.0和6.0; 吸附时间分别为60, 60和30 min)。 在最佳条件下, 其对孔雀石绿(MG)、 日落黄(SY)和Cu(Ⅱ)最大吸附容量分别为515.30, 201.79和80.00 mg·g-1, 相比目前的文献报道, 具有一定的优势。 吸附基本符合Langmuir方程。

应用英国Edinburgh FLS920P型稳态和时间分辨荧光光谱仪, 对日落黄与诱惑红溶液进行荧光光谱的实验测量, 得到日落黄荧光峰在420 nm, 诱惑红荧光峰在432 nm。 进一步, 应用Gaussian 09W软件构建日落黄分子与诱惑红分子的基态和激发态的几何构型, 基于密度泛函理论和含时密度泛函理论, 完成对两种分子基态和激发态的优化和计算。 优化过程中, 采用MPWK泛函和6-31g(d)基组; 计算过程中, 采用B3LYP泛函和6-311g(d, p)基组。 考虑到溶剂效应对计算结果的影响, 因此在计算过程中引入了极化连续介质模型, 最后计算得到日落黄的荧光峰在435 nm, 与实验所得有3.57%的相对误差; 计算得到诱惑红荧光峰在443 nm, 与实验所得有2.55%的相对误差, 两种分子荧光峰的相对误差都在允许范围之内, 说明计算合理。 在分析光谱特性时, 发现两种分子荧光峰的产生与分子内电荷转移有关。

以柠檬酸为碳源制备碳量子点(CQDs), 所得碳量子点被394 nm的光激发后在484 nm处有较强的荧光发射, 最大吸收波长为482 nm的日落黄能强烈猝灭碳量子点的荧光。基于该现象, 发展了一种以碳量子点为荧光探针测定日落黄的分析方法, 并探讨了荧光猝灭机理。在选定的实验条件下, 该分析方法的线性检测范围为0.1～100 μmol/L, 检出限(3σ/k)为0.051 μmol/L。

建立了测定食品中胭脂红和日落黄的一阶导数同步荧光光谱法。 研究了胭脂红和日落黄在不同pH值溶液中的同步荧光光谱特征, 确定了同步荧光光谱的最佳波长差。 当Δλ=130 nm时, 胭脂红和日落黄导数同步荧光光谱的零交点位于313.6和302.8 nm, 可分别测定日落黄和胭脂红的含量。 胭脂红在0.1~4.0 mg·L-1、 日落黄在0.1~2.0 mg·L-1范围内浓度与导数同步荧光值呈线性, 相关系数（R2）为0.999 2和0.996 6; 检出限为0.041和0.019 mg·L-1; 相对标准偏差（RSD）为4.8%和4.6%。 回收率在91.0%~110%之间。 测定结果与导数-分光光度法的结果相一致, 具有简便、 快捷等特点, 能够同时测定食品中胭脂红和日落黄的含量。

The fluorescence spectra of synthetic food dyes of sunset yellow and tartrazine are analyzed. The fluorescence peak wavelengths of sunset yellow and tartrazine are 576 and 569 nm, respectively, while the fluorescence spectra widths are 480–750 and 500–750 nm induced by ultraviolet light between 310–400 nm. The fluorescence spectra of sunset yellow overlap heavily with those of tartrazine, so it is difficult to distinguish them. Based on the principle of radial basis function neural network, a neural network is obtained from the training of the 14 groups of experimental data. The results show that the species of sunset yellow and tartrazine could be recognized accurately. This method has potential applications in other synthetic food dyes detection and food safety inspection.