Научная статья на тему 'Диагностика окклюзионо-артикуляционной дисфункции височно-нижнечелюстного сустава'

Диагностика окклюзионо-артикуляционной дисфункции височно-нижнечелюстного сустава Текст научной статьи по специальности «Нанотехнологии»

CC BY
448
1026
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
ВИСОЧНО-НИЖНЕЧЕЛЮСТНОЙ СУСТАВ / ОККЛЮЗИЯ / ОКОЛО-КОНТАКТНЫЕ ЗОНЫ

Аннотация научной статьи по нанотехнологиям, автор научной работы — Шиленко Д. Р., Писаренко Е. А., Удальцова-тарнавская К. А., Казакова К. С., Елинская А. Н.

На основании обследования состояния окклюзии ВНЧС у 110 пациентов 23-25 лет получены доказательства взаимосвязи нарушения соотношения площадей около-контактных зон первого, второго и третьего порядка и патологии ВНЧС.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по нанотехнологиям , автор научной работы — Шиленко Д. Р., Писаренко Е. А., Удальцова-тарнавская К. А., Казакова К. С., Елинская А. Н.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Диагностика окклюзионо-артикуляционной дисфункции височно-нижнечелюстного сустава»

= ОБЗОРЫ =

УДК 542.2:543.6

ХИМИЧЕСКИЕ СЕНСОРЫ И ИХ СИСТЕМЫ © 2010 г. Ю. Г. Власов, Ю. Е. Ермоленко, А. В. Легин, А. М. Рудницкая, В. В. Колодников

Санкт-Петербургский государственный университет, химический факультет 199034 Санкт-Петербург, Университетская наб., 7/9 Поступила в редакцию 06.04.2009 г., после доработки 17.12.2009 г.

В обзоре представлена краткая история разработки химических сенсоров (ионселективных электродов) и мультисенсорных систем типа “электронный язык”, основанных на организационных принципах, близких к биологическим сенсорным системам. Рассмотрены основные типы разработанных к настоящему времени химических сенсоров и мультисенсорных систем “электронный язык”, а также используемые в них чувствительные материалы. Отмечены достижения в области химических сенсоров, сделанные в последние годы (например, низкие пределы обнаружения, применение сенсоров с перекрестной чувствительностью). Обсуждены распространенные аналитические приложения “электронных языков”, в том числе для распознавания и классификации жидких сред, для количественного анализа различных компонентов в них, для мониторинга промышленных процессов, а также для оценки типа и интенсивности вкуса пищевых продуктов и лекарств.

Ключевые слова: химический сенсор, “электронный язык”.

Химические сенсоры являются удобным аналитическим инструментом, который представляет интерес для исследователей и практиков. Постоянное развитие исследований в области сенсоров приводит к созданию новых сенсоров, совершенствованию теории их функционирования, расширению областей применения, внедрению новых методических решений. Сенсоры привлекают внимание в связи со своей низкой стоимостью, небольшими размерами, возможностью в специальных условиях селективно определять различные вещества как в лабораторном, так и при внелабораторном применении, причем в случае необходимости позволяют проводить дистанционные измерения. Сенсоры находят применение в различных областях промышленности, медицины, сельском хозяйстве, при экологическом мониторинге и т.д. Несмотря на столетний юбилей со дня появления первых сведений о возможности создания химических сенсоров (1909 г., стеклянный электрод), эта область аналитической химии продолжает интенсивно развиваться. Это видно по большому числу международных конференций (Eurosensor, Chemical Sensors, Biosensors, ISOEN-электронный нос и язык, Matrafured symposium и др.), на каждой из которых обычно представлено от 150 до 400 докладов. Это видно также по растущему числу публикаций: так, в появившихся в последнее время обзорах [1—4] за двухгодичный период рассматривается по 200 опубликованных статей лишь по ограниченному кругу вопросов, связанных с созданием и исследованием химических сенсоров. К сожалению, существует большой разрыв между научными достижениями в

этой области и их коммерческой реализацией. Поэтому в настоящее время решение практических аналитических задач возможно либо с помощью уже выпускаемых промышленностью сенсоров, либо за счет применения отдельных научных разработок. В этой связи важно знать те новые научные тенденции развития сенсоров и новые направления их применения, которые могут использоваться на практике уже в настоящее время и которые в будущем могут привести к массовому промышленному выпуску новых химических сенсоров.

К таким новым тенденциям в развитии химических сенсоров можно отнести следующие:

1. Снижение нижнего предела обнаружения с 10—6—10-5 М на несколько порядков до наноконцентраций и ниже [5, 6].

2. Создание наносенсоров путем использования современных достижений нанотехнологий [7, 8].

3. Миниатюризация с использованием современной микроэлектронной техники, в частности, создание ИСПТ (ISFET) — ионселективного полевого транзистора — сенсора на основе микроэлектронных структур, ЛЭПС (LAPS) — сканируемого потенциометрического сенсора и др. [9, 10].

4. Применение новых технологий создания толстых и тонких пленочных чувствительных мембран химических сенсоров [11].

5. Применение новых мембранных материалов (на основе электропроводящих полимеров и ионофоров [12, 13]) и др.

6. Новые теоретические рассмотрения [13].

7. Использование сенсорных систем типа “электронный язык” вместо единичных сенсоров для решения проблем селективности и расширения круга анализируемых объектов [14].

Анализ литературы показывает, что многие методы применения химических сенсоров были развиты в 70-90-х годах прошлого века, а появившиеся в последнее время достижения (“электронного язык”, снижения нижней границы) еще не привлекли должного внимания ни со стороны аналити-ков-практиков, ни со стороны производителей. Поэтому в данном обзоре будут представлены разработанные к настоящему времени основы применения химических сенсоров, главные результаты их использования для определения конкретных ионов в различных средах, примеры, а также рекомендации по созданию и применению “электронного языка” как нового перспективного метода анализа. Учитывая обширный материал, накопленный к настоящему времени, авторы ограничиваются лишь рассмотрением потенциометрических сенсоров (кроме стеклянного электрода) для анализа жидких сред.

При этом мы исходим из того, что нет принципиальных различий по применению сенсоров в стационарных и во внелабораторных условиях (при использовании портативных сенсорных анализаторов или передвижных лабораторий на автомобилях, морских и речных судах, поездах и пр.) — это чисто технический вопрос, связанный с имеющимися приборными возможностями. Однако во всех случаях химик-аналитик должен знать основные принципы применения сенсоров, аналитические характеристики этих устройств, их возможности и ограничения и должен уметь использовать уже накопленный богатый опыт по применению сенсоров при анализе различных конкретных жидких сред. Этому будут способствовать предложенные в данном обзоре описания методов применения сенсоров, различные таблицы, а желающие детально ознакомиться с конкретными методиками могут познакомиться с ними, используя соответствующие ссылки на опубликованные статьи.

ОПРЕДЕЛЕНИЕ ХИМИЧЕСКИХ СЕНСОРОВ И ИХ ТИПЫ

Существует ряд определений сенсоров [15—18]. Мы приведем лишь одно из них, в лаконичной форме отражающее особенности, которые описаны другими определениями.

Сенсор — это первичное устройство, реагирующее (откликающееся) на определенные свойства окружающей среды и позволяющее регистрировать этот отклик в виде соответствующего электрического (оптического и др.) сигнала [18].

Физические сенсоры определяют такие свойства, как температура, давление, ускорение системы и пр.

Химические сенсоры дают информацию о присутствии и концентрации различных веществ в этих средах.

Все химические сенсоры можно разделить на четыре группы.

Электрохимические — это потенциометрические (ионселективные электроды — ИСЭ, ионсе-лективные полевые транзисторы — ИСПТ) и вольт- и амперометрические сенсоры, электролитические газовые сенсоры, а также полупроводниковые газовые сенсоры.

Оптические сенсоры (оптоды) — в них определение идет по оптическим спектрам.

К масс-чувствительным сенсорам относятся такие устройства, которые используют поверхностные акустические волны (ПАВ-сенсоры).

В биосенсорах реализуются реакции: антитело — антиген, фермент — субстрат, рецептор — гормон.

Ниже приводится классификация потенциометрических химических сенсоров [19], показывающая многообразие их типов (рис. 1).

Представленная классификация показывает: 1) какие частицы определяются сенсорами: электроны, ионы, молекулы (верхний уровень классификационной схемы); 2) какие существуют типы сенсоров (средний уровень); 3) какие чувствительные мембранные материалы используются в сенсорах (нижний уровень). Все указанные сенсоры могут быть использованы в качестве единичных и в системах сенсоров (анализатор типа “электронный язык”), причем сенсоры могут быть различной формы и размеров. На рис. 2 и 3 в качестве примера представлены удобные для внелабораторных анализов портативные анализаторы на основе электрохимических сенсоров и ИСПТ.

Промышленный выпуск или поставку сенсоров для анализа жидких сред осуществляет целый ряд отечественных фирм (некоторые из них приведены в табл. 1). Среди зарубежных фирм можно назвать такие, как Radiometer Analytical (France), HANNA Instruments USA), Mettler Toledo (USA), Orion (USA), Electrochemical Sensor Technology (EST) Ltd. (UK), Sentek (UK). В табл. 2 в качестве примера показаны выпускаемые фирмой “Сенсорные системы” отечественные ИСЭ, которые также продаются рядом фирм-поставщиков (см. табл. 1).

Из табл. 2 видно, что каждый сенсор (ИСЭ) характеризуется определенными параметрами, которые следует учитывать при выборе ИСЭ для проведения конкретных анализов. Далее будут рассмотрены основные параметры ИСЭ.

ОСНОВНЫЕ ХАРАКТЕРИСТИКИ ХИМИЧЕСКИХ СЕНСОРОВ

Крутизна электродной функции. Функционирование химических сенсоров в растворах, содер-

Химические сенсоры

Электроночуствительные

Электроды 1-го, 2-го рода Окислительно- восстановительные

ИСЭ

Жидкие

Ионо-

обмен-

ные

Ионочувствительные Молекулярно-чувствительные

ИСПТ

Оптоды

Газовые

Твердые

С нейтральным переносчиком

Стеклян-

ные

Халько-

генидные

стеклянные

Кристал-

лические

С инертной матрицей

Диэлект-

рические

пленки

Твердые

электро-

Био

Метал-

лический

катализ

Иммуно

Энзим-

ные

литы

Рис. 1. Классификация и типы потенциометрических сенсоров.

жащих несколько ионов (/, у), определяется уравнением Никольского:

Е = Е0 ± 2.3^(а + Е), (1)

где Е0 — стандартный потенциал сенсора; Я — газовая постоянная: Т — температура; — заряд определяемого иона: Е — число Фарадея: а— активность определяемого иона; ± — знак “+” относится к катионселективным, а “—” — анионселек-тивным сенсорам; Ку — коэффициент селективности; ау—активность мешающего иона; z,j — заряд мешающего иона.

Рис. 2. Портативный (14.2 х 2.6 х 1.3 см) рН-метр с использованием ИСПТ сенсора фирмы BAS для измерения капли жидкости (10—20 мкл).

Величина 2.3 ЯТ/1Е называется крутизной электродной функции и часто обозначают как S. Ее теоретическое значение при изменении концентрации на порядок в случае идеального сенсора при 25°С равно 59.16 мВ и 29.58 мВ для одно- и двухзарядного иона I соответственно. У реально существующих сенсоров эти величины могут отличаться от идеального значения и они характеризуют каждый конкретный ИСЭ.

Рис. 3. Портативный аммониевый анализатор на основе электрохимического сенсора.

Таблица 1. Фирмы-производители и поставщики химических сенсоров

Название фирмы производителя Местонахождение Вебсайт

“Сенсорные системы” Санкт-Петербург www.sensorsystems.ru

НПП “Эконикс-Эксперт” Москва www.econix.com

“Вольта” Санкт-Петербург www.ntfvolta.spb.ru

ООО “Аналитприбор” Смоленск www.analytDribor-smolensk.ru

“Измерительная техника” Москва www.izmteh.ru

“НИКО Аналит” Москва www.med.nico-analyt.ru

“Петролазер” Санкт-Петербург www.petrolaser.ru

НПП “Семико” Новосибирск www.multitest.semico.ru

Предел обнаружения. Нижний предел обнаружения — это минимальная концентрация ионов в растворе, которую можно определить с помощью данного электрода. Как правило, он определяется свойствами мембраны ИСЭ (произведения растворимости материала мембраны, диффузией через мембрану внутреннего раствора и пр.). Обычный предел обнаружения — 10—6—10-5 М (см. табл. 2). Однако в последнее время появились работы, которые предлагают снижение нижнего предела на несколько порядков и вплоть до 10-9 М и ниже. Это достигается созданием внутреннего полимерного электропроводящего твердого контакта, наличием ионообменного материала в мембране, подбором оптимальной концентрацией внутреннего раствора, применением вращающегося электрода, использованием неравновесного режима функционирования сенсора, применением импульсного электрического тока и т.д. Это позволяет ожидать в ближайшем будущем появления коммерческих сенсоров с уникальными характеристиками для практического использования.

Селективность. Селективность сенсора определяется его способностью определять концентрацию отдельного иона в присутствии других ионов в растворе. Количественно это свойство описывается величиной коэффициента селективности в уравне-

нии Никольского. В настоящее время составлены обширные таблицы коэффициентов селективности для различных ИСЭ [21—23]. Так называемые ион-селективные электроды в большинстве случаев не являются полностью селективными и на их потенциал оказывают влияние мешающие ионы. Пути преодоления этого недостатка состоят в поисках новых мембранных материалов и в применении метода “электронного языка”, где используются слабоселективные сенсоры [14].

Влияние рН. Область рН, в которой может функционировать сенсор, должна быть известна для каждого ИСЭ (табл. 2). Эта область рН зависит от свойств мембраны сенсора и концентрационного интервала определения ионов. На рис. 4 представлен пример этой зависимости для халькогенидного электрода [24].

Время отклика. Время отклика — время, по истечении которого потенциал электрода принимает постоянное значение при перемещении электрода из одного анализируемого раствора в другой, отличающийся по концентрации определяемого иона. Время отклика зависит от типа электрода, присут-

рН

Рис. 4. Влияние рН на потенциал различных Си селективных электродов (а — халькогенидного, б — по-ликристаллического, в — монокристаллического) [218].

Таблица 2. Химические сенсоры с различными типами мембран

Нижний Крутизна

Определяемый ион Код Рабочий диапазон, моль/л предел обнаружения, мг/л электродной функции, мВ/рХ Рабочая область рН Мешающие ионы

Халькогенидные стеклянные электроды

ХС^-001 10-7-1 0.01 58 ± 2 0-9 -

Т1+ ХС-Т1-001 7 0 чо^ - 0 0.2 40 ± 15 1-11 ^+, Нб2+

Си2+ ХС-Си-001 10-7-1 0.006 28 ± 2 0-7 ^+, Нб2+

РЬ2+ ХС-РЬ-001 г-7 - 0 X 0.04 28 ± 2 2-7 Ag+, Нб2+

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

са2+ ХС-Са-001 г-7 - 0 X 0.05 27 ± 2 1-7 ^+, Нб2+

щ2+ ХС-Щ-001 7 0 чс7 - 0 0.2 * 0-2 Ag+

Ре3+ ХС-Бе-001 10-5-10-2 0.6 * 0-2 Ag+, Нб2+

Сг(У1) ХС-Сг-001 - 0 г-7 - 0 0.006 * 0-2 Ag+, Нб2+

я2- ХС-Я-001ст 10-5-10-1 0.3 -(40 ± 10) 6-12

Пленочные электроды

К+ ХС-К-001 5 х .5 0. 5 - 0 2 55 ± 3 1-9 КИ+

КИ+ ХС- N^-001 5 х 10-5-0.5 9 55 ± 3 .5 9. .5 2. К+

Са2+ ХС-Са-001 5 х 10-5-0.1 2 27 ± 2 4.5-10 Ба2+

КО- ХС-М03-001 2 х 0 - СЧ 0. 2 0.1 -(54 ± 4) 1-10 КО- ,С1-

N + ХС-№-001 5 х 10-5-0.5 1 54 ± 3 2-8.5 К+

Мб2+ ХС-Мб-001 5 х 10-5-0.1 1 27 ± 2 .5 9. .5 4. Са2+

Са2+ + Мб2+ ХС-Са+МБ-001 0-4-10-1 6 25 ± 3 .5 9. .5 4. К+, КИ+, Ба2+, Яг2+, Са2+, Си2+

7п2+ ХС-7п-001 5 х 0-6 - 0.1 3 50 ± 3 5-7.5 Си2+, рь2+

СоЗ- ХС-С03-001 0-7-10-3 0.01 -(28 ± 3) 7-9 КО-, КО-

8о4- ХС-Я04-001 10-4-0.1 10 -(26 ± 2) 3-8.5 С1-, Бг-, КО-, ОН

N0- ХС-М02-002 10-4-0.1 2.4 -(40 ± 7) .5 8. .5 5. С1, Бг, I

Б- ХС-Б-001 Б ^ р -1 К 10 чс7 - 0 таллические э, 0.02 лектроды -(58 ± 2) 4-7

С1- ХС-С1-001 0-5-1 0.35 -(58 ± 2) 0-12 Я2-, Бг-, I

Бг- ХС-Бг-001 5 х 0-6-1 0.4 -(58 ± 2) 0-12 Я2-,I-

I- ХС-І-001 5 х 0-7-1 0.06 -(58 ± 2) 0-12 Я2-

С^ ХС-СМ-001 0-6-10-2 0.03 -(57 ± 3) 12- 4 Я2-,I-

С^- ХС-С^-001 0-6-10-1 0.06 -(57 ± 3) 2-10 Я2-,I-

Я2- ХС-Я-001кр 0-5-10-1 0.3 -(35 ± 10) 12-14 -

* Значение крутизны электродной функции изменяется в зависимости от концентрации.

ствия мешающих ионов, температуры, разности концентраций в указанных растворах, а также от характера изменения концентрации — увеличения или уменьшения. После смены анализируемого раствора величина ЭДС постепенно приближается к истинному значению. В большинстве случаев уже через одну минуту фиксируемая ЭДС составляет более 90% конечной величины.

ОСНОВНЫЕ МЕТОДЫ ПОТЕНЦИОМЕТРИИ

Зная параметры выбранного ИСЭ, можно с помощью разработанных методов проводить анализ интересующих нас растворов. Как метод анализа потенциометрия обладает рядом достоинств, связанных с весьма простым приборным оформлением, несмотря на разнообразные конкретные условия определений. С одной стороны, этот метод позволяет определять содержащиеся в растворах вещества в широких пределах концентрации с использованием одного и того же оборудования при незначительном изменении методики измерения. С другой стороны, потенциометрические измерения могут проводиться как в стационарных, так и в полевых условиях, причем они удобны для непрерывного и дистанционного контроля за концентрацией определяемого вещества с помощью автоматического оборудования, например, на действующих промышленных установках и в случае мониторинга окружающей среды.

К потенциометрическим методам анализа относятся следующие: метод прямой потенциомет-рии (ПП), методы стандартной добавки (МСД и стандартного удаления (МСУ) и их модификации, метод многократных добавок (ММД) и его модификации и потенциометрическое титрование (ПТ) с использованием в качестве индикаторов ионсе-лективных электродов.

Прямая потенциометрия является наиболее простым методом определения, но обладает рядом недостатков. В частности, она позволяет определять только свободные ионы, требует постоянного контроля за величиной стандартного потенциала и крутизны электродной функции, кроме того, желательно, чтобы растворы сравнения имели фон, близкий по составу фону исследуемой пробы. Часто он либо неизвестен, либо меняется от пробы к пробе. Добавление же какого-либо буфера может привести к большим ошибкам, особенно в определении низких концентраций, из-за присутствия в реактивах следов определяемого вещества или мешающих ионов. Метод прямой потенциометрии хорошо известен и широко применяется в аналитической практике.

Достоинством метода стандартной добавки является то, что все измерения проводятся в присутствии всех компонентов пробы; кроме того, этот метод позволяет при определенных условиях

находить суммарную концентрацию вещества, что и требуется практикам-аналитикам.

Идеальные условия для применения этого метода возникают когда: а) коэффициенты активности не меняются; б) количество незакомплексованных ионов остается постоянным; в) крутизна электродной функции не меняется; г) диффузионный потенциал постоянен. Несмотря на то, что условий а, б и г трудно достичь в принципе, на практике можно добиться, чтобы эти изменения были незначительны.

Метод МСД состоит в следующем. Если к известному объему пробы Ух неизвестной концентрации сх иона А добавляют известный объем Уа стандартного раствора с известной концентрацией са потенциал ионселективного электрода, чувствительного к иону А, в исходном растворе определяется уравнением:

Е = Е0 + Б 1Е/АаАСх + Е. - Е1

(2)

где Е0 — стандартный потенциал электрода, Б — крутизна электродной функции, /А — коэффициент активности иона, аА = [А]/сх — отношение концентрации свободных ионов [А] к общей концентрации, Е] — диффузионный потенциал, ЕгеГ — потенциал электрода сравнения.

Из уравнения (2) следует:

Е\ = Е0 + Б1/ + Б 1яаА + Б^сх + Е. - Е^. (3)

После добавки стандартного раствора имеем:

Е2 = Ео + Б'\^а + 5"1яаА + 5"1ясХ + Е. - Е^. (4)

Для успешного применения метода необходимы следующие приближения:

Б * Б';

Е. * Е";

/а * /а ;

аА

а*

(5)

(6)

(7)

(8)

Предположим, что эти приближения верны, тогда из уравнений (3) и (4) следует:

Е2 - Ех = Б 1я сх - Б 1я сх

а так как

С" =

Ух Сх + У а С,

(К + Уа)

то

Е2 - е = Б1е

Ух Сх + Уа С а'

к ( Ух + Уа )■

(9)

(10)

(11)

откуда получаем, что

УС

' л^л

Ух

10АЕ/Б (+ 1)

'УХ

-1

(12)

Если выполняется условие, что Уа < Ух, то уравнение (12) упрощается:

УС

аа

—х (10АЕ/Б - 1)

(13)

Метод стандартного удаления (МСУ) отличается от МСД тем, что реагент, добавляемый в пробу, не повышает, а понижает концентрацию свободных определяемых ионов. К известному объему пробы Ух определяемого вещества А с концентрацией сх добавляют известный объем Уа реагента М с концентрацией са. Ионселективный электрод чувствителен к иону А. Вывод формулы для определения неизвестной концентрации подробно изложен в работе [25], поэтому приводим только окончательную формулу для случая, когда х молей определяемого вещества реагирует с у молей вещества М:

Хгг

— —аСа

У

Ух

(14)

-1

Если выполняется условие Уа < Ух, то уравнение

(14) превращается в (15):

Хгг -- —аСа

—х [ 10АЕ/Б - 1 ]

(15)

в растворе сравнения. Более того, МУА расширяет возможности ионометрии, поскольку позволяет определять ионы, для которых нет ИСЭ, и даже неионогенные соединения различных типов, если они стехиометрически реагируют с ионом, находящимся в растворе сравнения.

Не вдаваясь в подробности выведения, соответствующие уравнения имеют следующий вид: для МДА

Уа

АЕ

Т ( —а

для МУА

Х—хСа

У —а

10^1 — + 1) - 1

— ( —

10 * [ У- + 1) - 1

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

(16)

(17)

где Ух — объем сравнения; са — концентрация раствора сравнения; Уа — объем анализируемой пробы; сх — концентрация раствора пробы.

Метод многократных добавок (ММД) служит для дополнительного повышения точности определений. Не вдаваясь в подробности вывода, приводим окончательную формулу:

Еп - Е1 = Б1е

—хСх + 2 п —п С а

—Сх (—х + 2п—п)-

(18)

Растворами реагента могут быть вещества, осаждающие определяемое вещество, переводящие его в комплексы или редокс-реагенты. МСУ гораздо менее распространен в практике ионометрических определений.

Известны различные модификации МСД и МСУ. Метод добавок анализируемого раствора к раствору сравнения (МДА) основан на прибавлении точно измеренного объема пробы к раствору сравнения определяемого иона, а в методе уменьшения концентрации анализируемого раствора при его добавлении к раствору сравнения (МУА) пробу прибавляют к раствору, содержащему ион, который стехиометрически взаимодействует с определяемым ионом и специфически определяется данным ИСЭ. Эти методы имеют преимущества перед другими методами добавок при анализе проб малого объема, для которых в противном случае приходится использовать микроэлектроды. При применении МДА и МУА нет необходимости регулировать рН и маскировать мешающие вещества в пробе, так как все эти операции можно заблаговременно провести

Частным случаем ММД является метод двойной стандартной добавки (МДСД), однако он не дает существенного выигрыша в точности определения, поэтому следует отдавать предпочтение ММД. Чаще всего неизвестную концентрацию определяемого вещества по ММД находят методом итераций на ЭВМ. В потенциометрии нашел широкое применение метод Грана, при котором концентрацию определяемого иона выражают графически в виде функции объема добавляемого раствора сравнения [26]. Математически линеаризация зависимостей достигается путем перевода уравнения Нернста в антило-гарифмическую форму. Подробности применения этого метода — в работе [25].

Расчет результатов определения в методах потенциометрического титрования (ПТ) сводится к нахождению эквивалентного объема Уэкв. Широко распространены графические методы нахождения Уэкв по графикам зависимости некоторой функции потенциала электрода от объема титранта. Эта зависимость может быть представлена в интегральном Е = /(У) или дифференциальном АЕ/АУ = /(У) и (А2Е/АУ2 = /У) уравнениях (рис. 5). Точку эквивалентности (ТЭ) находят экстраполяцией на ось абсцисс точки максимального изменения потенциала, точки экстремума его первой производной по объему или точки, в которой меняется знак второй производной потенциала по объему. Эти методы достаточно просты и экспрессны, с их помощью

Сх =

Сх =

Сх =

Сх =

Сх =

Вольтметр

Многокомпонентный

раствор

Рис. 5. Измерительная схема “электронного языка” на основе потенциометрических химических сенсоров.

можно получить точное значение Уэкв на симметричных кривых титрования, когда определяемый ион и титрант взаимодействуют в соотношении 1 : 1. В графических методах надежность фиксирования конечной точки титрования тем выше, чем больше разница в изменении потенциала в ТЭ и вблизи от нее.

Однако достаточно часто кривая титрования асимметрична относительно ТЭ, т.е. наблюдается несовпадение ТЭ и конечной точки титрования. Это происходит в тех случаях, когда: 1) однозарядный ион титруется я-зарядным или, в общем случае, стехиометрия реакции отлична от соотношения 1 : 1; 2) ионселсктивный электрод обратим лишь к одному из титруемых ионов или крутизна его электродных функций по отношению к титруемому иону и иону-титранту различна; 3) константа комплексобразования для ионов, образующих тит-рационную систему, невелика.

В 1950 г. Гран [27] предложил использовать в качестве кривой титрования зависимости Е/У от У. В этих координатах на графике получаются две линейные зависимости, точка пересечения которых лежит на оси абсцисс и соответствует ТЭ. Точками, расположенными около ТЭ, можно теперь пренебречь и, таким образом, добиться повышения точности определения, особенно при построении соответствующих прямых с использованием метода линейной регрессии.

В потенциометрии с использованием ИСЭ особенно широкое применение нашел, однако, другой метод Грана (ПТГ) [25]. В этом методе концентрацию определяемого иона выражают графически в виде функции объема титранта, что позволяет получать зависимости линейного вида. Для каждого титрования имеются две функции: одна из них справедлива до конечной точки, а другая — после нее. Обзор этих функций дан в [25].

В табл. 3 приводятся примеры определения отдельных ионов в различных средах с помощью химических сенсоров (ИСЭ). Все подробности ис-

пользованных методик можно найти в соответствующих публикациях (см. сноски).

“ЭЛЕКТРОННЫЙ ЯЗЫК” - СИСТЕМЫ ХИМИЧЕСКИХ СЕНСОРОВ ДЛЯ АНАЛИЗА ЖИДКИХ СРЕД

Первые мультисенсорные системы, а также многие системы типа электронный язык, предложенные к настоящему времени, основаны на использовании ИСЭ или сенсоров, близких к ним по принципам функционирования [100, 101]. Поэтому, история развития от отдельных сенсоров к электронному языку описана здесь на примере ИСЭ, хотя многие рассуждения справедливы и для других типов химических сенсоров [102].

Исследования в области сенсоров с другими принципами детектирования также часто сталкиваются с той же проблемой недостаточной селективности в многокомпонентных средах, что существенно тормозит их практическое аналитическое применение.

Одним из возможных путей решения проблемы многокомпонентного анализа реальных сред является разработка и использование мультисен-сорных систем вместо отдельных сенсоров.

БИОЛОГИЯ И ХЕМОМЕТРИКА

В СОЗДАНИИ ЭЛЕКТРОННОГО ЯЗЫКА

Две области знаний оказали наибольшее влияние на разработку мультисенсорных систем. С одной стороны, новые достижения в биологии, в первую очередь в понимании устройства и функционирования органов чувств человека, а с другой стороны, новые возможности и подходы в обработке многомерных данных, предложенные в рамках хемометрики, способствовали возникновению новых идей и подходов в области химических сенсоров. Поэтому перед непосредственным описанием си-

Таблица 3. Примеры определения ряда ионов с помощью различных потенциометрических методик

Объект исследования Метод исследования Определяемый ион или вещество Тип электрода Литература

Воздух МСД, ММДГ, ПТГ I-, Я-2, Б-, Я02 ЬИСЭ, Я-ИСЭ, Б-ИСЭ, РЬ-ИСЭ [28-31]

Горные породы и почвы МСД, МДА, МУА, ПТГ С1-, Б-, ^+, Ая, I-, КО-, ТЬ и РЗЭ С1-ИСЭ, Б-ИСЭ, А^-ИСЭ, ЬИСЭ, К03-ИСЭ [32-40]

Промышленные растворы МСД, МСУ, МДА С1-, В, Я-2, Ка+, 8О-2 С1-ИСЭ, вб4-исэ, я-исэ, Ка-ИСЭ, РЬ-ИСЭ [41-47]

Биологические растворы и кровь МСД, ММД, МДА I-, к+, Б- I-ИСЭ, К-ИСЭ, Б-ИСЭ [48-50]

Гальванические ванны МСД, МДА, МУА, ММДГ, ПТГ СК-, Ав+, РЬ+2, КН3, Б-, Си+2, КО- СК-ИСЭ, А^-ИСЭ, РЬ-ИСЭ, КН4-ИСЭ, Б-ИСЭ, Си-ИСЭ, К03-ИСЭ [51-60]

Растения МСД Б-, С1-, Вг-, I- I-ИСЭ, Б-ИСЭ [61, 62]

Лекарства МСД, С1-, Б- С1-ИСЭ, Б-ИСЭ [63, 64]

Сточные воды МСД, МДА, МУА, ММДГ са+2, ко-, ск- Са-ИСэ, ко3-исэ, а^-исэ [65-67]

Водопроводная вода МДА, МУА А1 Б-ИСЭ [68]

Морская вода ММДГ Б-, К+ Б- ИСЭ, К-ИСЭ [69, 70]

Природные воды МСД, МДСД, МДА, ПТГ Б-, С1-, К+, Ка+, КО-, 8О-2 К03-ИСЭ, Б-ИСЭ, С1-ИСЭ, К-ИСЭ, Ка-ИСЭ, Ва-ИСЭ [71-76]

Уголь МСД, МДСД Б^К Б-ИСЭ, КН4-ИСЭ [77-79]

Удобрения МДСД К+ К-ИСЭ [80]

Пищевые продукты МСД, ММД, МДГ, МДА, МУА С1-, I-, Б-, К-, Ка+, КО-, Си+2 С1-ИСЭ, I-ИСЭ, Б-ИСЭ, К-ИСЭ, Ка-ИСЭ, К03-ИСЭ, Си-ИСЭ [81-96]

Нефть ММДГ, ПТГ РЬ+2, Я-2 Я-ИСЭ, РЬ-ИСЭ [97, 98]

Хром и феррохром ММДГ Я-2 А^-ИСЭ [99]

стем типа электронный язык, будет полезным сделать короткий обзор этих областей.

Биологические основы функционирования мультисенсорных систем

Главным источником вдохновения для разработки химических мультисенсорных систем изначально являлись попытки имитировать строение и свойства биологических сенсорных систем, а именно органов обоняния и вкуса млекопитающих [103, 104]. Биологические идеи сначала пытались реализовать в системах для анализа газов — электронных носах, а позднее подобные аналогии использовали для создания анализаторов жидкостей — электронных языков. Обоняние в процессе биологической эволюции стало наиболее эффективной сенсорной системой благодаря высокой чувствительности: так, человек способен распознавать до десяти тысяч веществ в количестве до 40 молекул [103]. Предел

чувствительности человеческого носа к некоторым веществам составляет несколько миллиардных долей, а у животных может быть еще гораздо ниже. Такие возможности обоняния обусловлены сочетанием большого числа рецепторов (несколько миллионов рецепторов нескольких сотен типов) с невысокой селективностью и специфическому способу обработки сигналов этого массива рецепторов в периферической и центральной нервной системе. Чувство вкуса организовано аналогично обонянию, хотя число рецепторов вкуса у человека может быть меньше, чем обонятельных [104]. Традиционно все вкусовые ощущения разделяют на четыре основных вкуса: сладкий, соленый, кислый и горький. В последнее время часто используется еще одна, пятая, характеристика вкуса — юмами, или “вкусность” (вкус, например, глютамата натрия) [105]. Эти пять основных вкусов и их комбинации, как правило, используют для описания и количественной оценки вкуса съедобных продук-

тов. Взаимосвязь между структурой и химическими свойствами многих веществ с их вкусом в настоящее время изучена недостаточно, также как и многие интересные эффекты, например, взаимодействие между веществами с различными типами вкуса или повышение предела чувствительности при одновременном присутствии веществ с разными типами вкуса [104].

Впечатляющие возможности биологических сенсорных систем привели к идее использовать принципы их построения в разработке искусственных сенсорных систем. Хотя первые попытки создания искусственной системы для анализа запахов были предприняты еще в 1960-е годы, например [106], история электронных носов - мультисен-сорных систем для газового анализа начинается с 1982 г. с работы Персауда и Додда [107]. С этого времени различные научные группы во всем мире внесли свой вклад в разработку таких систем [103].

Электронный язык работает в разнообразных жидких средах так же, как и биологический. Однако чувствительность и пределы обнаружения искусственных “языков” могут значительно превосходить аналогичные параметры их биологического прототипа, поскольку материалы сенсоров искусственных языков совсем не похожи на биологические и способны значительно расширить аналитические возможности системы.

В отличие от биологического языка, электронный язык может работать в любых средах, в том числе, опасных или даже смертельных для живых существ.

Важно отметить, что в искусственных системах и для анализа газов, и для анализа жидкостей использованы только организационные принципы биологических сенсорных систем, поэтому проводить прямые параллели между возможностями искусственных и биологических систем нельзя.

Как уже упоминалось выше, большинство ИСЭ (и большинство сенсоров, основанных на других принципах) обладают невысокой селективностью в многокомпонентных растворах. В случае ИСЭ влияние мешающих ионов на отклик электрода традиционно описывается в рамках существующей теории уравнением Никольского (или более сложными, но на самом деле аналогичными ему) (1). Таким образом, отклик электрода с невысокой селективностью будет определяться соотношением концентраций основного и мешающего иона (или ионов в общем случае). Если а1 и К^( а]) ^ в уравнении (1) сравнимы по

величине, отклик электрода становится нелинейным. Нелинейная калибровочная кривая, если она воспроизводима, также может быть использована в аналитических целях, при этом для определения параметров уравнения (1) необходимо использовать более одного электрода. Очевидно, что число электродов в таком случае должно быть не меньше, чем

число определяемых ионов. В рамках приведенной выше логики было предложено использовать для измерения наборы ИСЭ вместо отдельных сенсоров с целью преодоления недостаточной селективности ИСЭ в присутствии мешающих ионов. При этом предполагалось, что отклик каждого электрода в многокомпонентных растворах описывается уравнением Никольского. Решение системы таких уравнений позволяет определить некоторые параметры отклика электродов (уравнения Никольского) в многокомпонентных растворах, такие как стандартный потенциал, коэффициенты селективности и/или угловой коэффициент. Найденные параметры могут быть использованы в дальнейшем для определения концентраций ионов в растворах неизвестного состава. Известно, что многие параметры отклика ИСЭ (например, предел обнаружения или коэффициент селективности) зависят от условий и методов их определения. Многочисленные попытки разработать стандартные методы их определения к успеху не привели. Таким образом, преимуществом описанного выше подхода, кроме учета влияния мешающих ионов на отклик сенсоров, является также и то, что все параметры сенсоров определяются прагматически, непосредственно в многокомпонентных растворах, близких по составу к анализируемым. Вычисляемые параметры отклика более адекватны по сравнению с теоретическими и позволяют повысить точность анализа, но они тоже не являются универсальными. Для решения системы уравнений Никольского были предложены различные математические методы, в том числе разные варианты регрессий (мультилиней-ная, нелинейная, дробные наименьшие квадраты) и искусственные нейронные сети [108-116].

Определяемые таким образом параметры, хотя и происходят из традиционных теорий, не являются, строго говоря, теоретическими, поэтому следующим логичным шагом был отказ от использования уравнения Никольского и использование для обработки данных методов, не требующих априорной информации о виде функциональной зависимости между потенциалами сенсоров и активностями (концентрациями) определяемых веществ.

Таким образом, сложилось новое направление использования химических сенсоров, в значительной степени непохожее на применения традиционных ионселективных электродов и получившее название метода электронного языка.

Можно дать следующее определение электронного языка - это аналитическое устройство, включающее набор химических сенсоров с относительно невысокой селективностью и обладающих чувствительностью к нескольким компонентам анализируемого раствора одновременно (перекрестной чувствительностью), и использующий соответствующий метод обработки многомерных данных от набора сенсоров, например метод распознавания

образов или многомерной калибровки. Такая система при воспроизводимом аналитическом поведении сенсоров и применении, при необходимости, адекватного метода калибровки (градуировки, обучения), способна к распознаванию (идентификации, классификации) разнообразных жидких сред и к многокомпонентному количественному определению неорганических и органических компонентов в них.

Очевидно, что наиболее важной частью электронного языка является набор сенсоров. В соответствии с экспериментальными данными наибольший интерес для использования в таких системах представляют сенсоры с относительно низкой селективностью или перекрестно-чувствительные, а не наиболее высоко селективные [111-113]. Воспроизводимость характеристик является обязательным требованием, как по отношению к селективным, так и к перекрестно-чувствительным сенсорам. Таким образом, сенсоры для электронного языка должны обладать воспроизводимыми аналитическими характеристиками и высокой перекрестной чувствительностью, которая понимается как чувствительность к нескольким компонентам анализируемого раствора одновременно. Хотя термин “перекрестная чувствительность” является общепринятым для описания свойств сенсоров в литературе, посвященной мультисенсорным системам, его однозначного и общепринятого определения до настоящего времени не предложено. Существует целый ряд терминов, описывающих то же самое явление, что и перекрестная чувствительность, и используемых как синонимы, например неселективность, перекрестная реактивность, низкая селективность, частичная специфичность и даже глобальная селективность. В дальнейшем мы будем использовать термин “перекрестная чувствительность” как наиболее точно описывающий, по нашему мнению, данное явление.

Нами был предложен эмпирический метод оценки перекрестной чувствительности, который представляется полезным для практического выбора сенсоров для систем типа электронный язык [117]. Было предложено использовать три параметра: средний наклон электродной функции, фактор воспроизводимости и фактор неселективности, описывающие чувствительность и воспроизводимость отклика сенсора, а также распределение его селективности по изучаемым ионам. Для расчета этих параметров используются экспериментальные данные, полученные при калибровочных измерениях с сенсором в индивидуальных растворах выбранного набора веществ (ионов) и для заранее определенного круга сенсорных материалов, перекрестная чувствительность которых будет изучаться. Даже самые “неселективные” сенсорные материалы не будут обладать чувствительностью ко всем ионам в растворе, а, скорее, только к определенной группе веществ.

Оценка перекрестной чувствительности других сенсорных материалов, например полимерных, и к другим группам ионов [118]. Подробное описание метода оценки перекрестной чувствительности может быть найдено в работе [117]. Результаты оценки перекрестной чувствительности по такому методу явились важным фактором для обоснованного выбора сенсоров набора при решении соответствующих аналитических задач.

Первой мультисенсорной системой типа электронный язык был “сенсор вкуса”, предложенный японскими учеными из Университета Кюсю в начале 90-х годов [119]. Сенсор вкуса включал 8 потенциометрических сенсоров с т.н. липидными мембранами [101, 120—121], обладающими перекрестной чувствительностью к различными вкусовым веществам. В качестве трансдьюсеров использовали полевые транзисторы [122], потенциометрические сенсоры с лазерным сканированием (LAPS) и изменяемым поверхностным фотопотенциалом (SVP) [123-124].

Электронный язык на основе наборов разнообразных потенциометрических сенсоров, в том числе с неорганическими мембранами, был разработан и активно исследуется уже более 10 лет в лаборатории химических сенсоров Санкт-Петербургского университета [100, 125], (рис. 6). Авторы этой работы, совместно с итальянскими коллегами из университета “Тор Вергата” (Рим), впервые предложили и сам термин “электронный язык” применительно к системам перекрестно-чувствительных сенсоров с обработкой данных методами распознавания образов. Для изготовления сенсоров использовался широкий круг мембранных материалов, в том числе халькогенидные стекла, допированные различными металлами, пластифицированные полимеры, содержащие различные активные вещества, а также поликристаллические композиции [100, 117-118, 125]. Всего исследовано несколько сотен различных сенсоров, из которых для использования в составе электронного языка выбирались составы, обладающие наиболее высокой перекрестной чувствительностью. Как правило, электронный язык включает от 5 до 30 сенсоров в зависимости от аналитической задачи. Были разработаны и микросенсоры на основе тонких нанопленок халькогенидных стекол с использованием новой технологии - абляции с использованием импульсного лазера (PLD) [126— 127]. Состав и свойства полученных пленочных сенсоров и систем в целом мало отличались от соответствующих характеристик объемных халько-генидных стекол, из которых они изготавливались.

Был разработан проточно-инжекционный вариант системы типа электронный язык с мультисен-сорным детектированием, включающий от 3 до 11 сенсоров [128]. К достоинствам проточно-инжек-ционной мультисенсорной систем относится воз-

Рис. 6. Действующий лабораторный прототип “электронного языка” на основе потенциометрических химических сенсоров.

можность проводить многократные и часто повторяющиеся измерения в автоматическом режиме, и уменьшенный объем пробы. Объем пробы составляет, как правило, 150—500 мкл, но может быть уменьшен и до 50 мкл.

Предложен электронный язык на основе потенциометрических сенсоров, изготовленных путем нанесения пленок металлопорфиринов на подложку из стеклоуглерода [129]. Металлопор-фирины с разными центральными атомами -Мп(111), Ре(Ш), Со(11), N1(11), а также тетрафе-нилпорфирин наносили методом электрополимеризации. В работах [130-131] предлагается электронный язык на основе уже существующих и коммерчески доступных ИСЭ.

Измерения с набором потенциометрических сенсоров в целом аналогичны измерениям с отдельными ИСЭ: поочередно измеряется э.д.с. электрохимической ячейки, состоящей из каждого сенсора массива и электрода сравнения. Для измерений используют многоканальные вольтметры с высоким входным импедансом (не менее 1012 Ом).

Как правило, управление измерениями и запись данных осуществляется с помощью компьютера.

Для использования в мультисенсорных системах была предложена и вольтамперометрия [102, 132-134].

Предложена мультисенсорная система на основе электродов, модифицированных монофталоциани-нами кобальта и меди и бисфталоцианинами европия, гадолиния, лютеция и окто или тетрабутил замещенного бисфталоцианина празеодима [135]. Измерения с массивом модифицированных электродов проводили методом циклической вольтамперомет-рии со скоростью сканирования 0.1 В/с [135].

Дизайн электронного языка, имитирующий биологический, хотя и основанный на оптических сенсорах, был предложен в работе [136]. Для изготовления сенсоров для электронного языка использованы различные проводящие полимеры, такие как полианилин, полипиррол, стеариновую кислоту и их смеси [137-138]. Очевидно, что набор возможных сенсорных материалов и методов детекти-

рования не исчерпывается только вариантами, описанными выше, и можно ожидать появления работ по применению сенсоров других типов для мультисенсорных систем типа электронный язык.

Химические сенсоры являются “сердцем” любой мультисенсорной системы. Электронным “мозгом” системы является другая очень важная составляющая электронного языка - адекватные методы обработки данных от набора сенсоров. Отклик перекрестно-чувствительного сенсора в многокомпонентном растворе является сложным и содержит информацию о различных компонентах, присутствующих в среде. Чтобы извлечь эту информацию, необходимо анализировать отклики всех сенсоров системы вместе. Для этого можно использовать различные методы, в том числе методы распознавания образов и многомерной калибровки.

Выбор конкретного метода обработки данных зависит как от аналитической задачи, так и от параметров чувствительности сенсоров, например, нелинейности отклика, степени коррелированности отклика разных сенсоров набора и т.д. Задачи обработки данных можно свести к трем основным: изучение структуры данных и распознавание; классификация и идентификация; количественный анализ - определение концентраций веществ или других количественных параметров. Распознавание и изучение структуры данных всегда является первым этапом при обработке данных и необходимо для первоначальной оценки воспроизводимости и обнаружения выбросов, визуального изучения структуры данных, обнаружения в данных кластеров и т.д. Для этих целей используют методы неуправляемого обучения, такие как анализ по главным компонентам и некоторые типы искусственных нейронных сетей. Задачи классификации и количественного анализа решаются, как правило, с помощью методов управляемого обучения. Для классификации могут применяться такие методы как, например, 81МСА, линейный дискриминантный анализ, многомерные регрессии, нечеткая логика и искусственные нейронные сети. В тех случаях, когда априорная информация об измеряемых образцах отсутствует, классификация может также проводиться с помощью методов неуправляемого обучения. Чтобы получить калибровочные зависимости для определения концентраций компонентов раствора используют методы многомерных калибровок, наиболее распространенные из которых включают регрессию по главным компонентам и дробным наименьшим квадратам, а также искусственные нейронные сети. Подробное описание основных методов хемометрики, используемых для обработки результатов измерений с мультисенсор-ными системами, может быть найдено в обширной справочной литературе, например [139-141].

Уже в первых работах, посвященных применению набора сенсоров, было показано, что использо-

вание хемометрики для обработки откликов сенсоров позволяет в некоторой степени компенсировать недостаточную селективность ИСЭ и проводить количественное определение активности ионов в многокомпонентных растворах. Позднее были получены экспериментальные данные, из которых следовало, что предпочтительнее использовать в наборе сенсоры с невысокой селективностью или перекрестно-чувствительные, чем высокоселективные [111]. Наборы, состоящие из перекрестно-чувствительных сенсоров, позволяют обеспечивать более низкие ошибки количественного определения нескольких компонентов сразу, по сравнению с наборами, включающими только высокоселективные сенсоры. Таким образом, использование наборов сенсоров дает возможность расширить круг определяемых компонентов раствора.

Кроме компенсации недостаточной селективности сенсоров, использование наборов сенсоров с перекрестной чувствительностью позволяет понизить предел обнаружения по сравнению с использованием аналогичных сенсоров, используемых отдельно [142]. Наблюдаемый выигрыш в селективности и пределе обнаружения сенсоров, даже при анализе относительно простых растворов, составляет до 10 раз. В растворах сложного состава эффект может быть еще более значительным.

Другой интересной чертой наборов сенсоров является возможность проводить потенциометрические измерения, не используя электрода сравнения. В этом случае измеряется разность потенциалов между всеми парами сенсоров в массиве [143]. Очевидно, что некоторые из полученных таким образом значений разностей потенциалов будут избыточными. Избыточные значения в процессе обработки данных отбрасываются. Было показано, что аналитические характеристики электронного языка не зависят от использования электрода сравнения, по крайней мере, для некоторых приложений.

Весьма перспективна способность электронного языка к распознаванию и идентификации многокомпонентных жидкостей, примерно так же, как это делают люди. Такой метод обычно называют методом отпечатков пальцев. Этот вид анализа совершенно нетипичен не только для ИСЭ, но и для других традиционных методов. Результатом работы мультисенсорной системы может быть интегральная оценка, химический образ анализируемой жидкости - ее “отпечаток пальцев”. Этот образ может совпадать или не совпадать для разных жидкостей и на этом основании делается вывод об их идентичности или различиях. Особенно необычно то, что электронный язык может различать жидкости неизвестного состава без какой-либо предварительной информации о качественном или количественном составе образцов. А вот для проведения классификации и идентификации с помощью электронного языка необходима пред-

Натуральный

Рис. 7. Мониторинг разбавления апельсиновых соков водой, проведенный с помощью мультисенсорной системы типа “электронный язык”. С помощью анализа по главным компонентам (АГК) обработаны результаты измерений с помощью “электронного языка” двух образцов апельсинового сока, приготовленных из концентрата (сок А) и свежевыдавленного (натуральный). Система “электронный язык” позволяет обнаружить уже 1% добавленной в сок воды.

варительная калибровка инструмента. Эта способность электронного языка открывает новый и перспективный подход к оценке качества многих продуктов и определению соответствия продукта заданному стандарту.

Наиболее необычным свойством рассматриваемых мультисенсорных систем является их способность к распознаванию вкуса и его количественной оценке. Именно поэтому, собственно, такие системы и получили название “электронный язык”. В данном случае система калибруется (обучается) по ряду стандартных растворов или образцов продуктов, охарактеризованных дегустаторами с точки зрения типа и количественной оценки (интенсивности) вкуса. Если система способна детектировать ключевые вещества и черты, определяющие вкус (далеко не всегда, кстати, известные в явном виде), то после такого обучения электронный язык приобретает способность “дегустировать” неизвестные продукты с получением результата в виде типа и интенсивности их вкуса. Искусственное определение вкуса с помощью аналитического инструмента чрезвычайно востребованно в пищевой и фармацевтической промышленности и представляет, возможно, одно из интереснейших будущих практических приложений электронных языков.

РС1

Рис. 8. Результаты измерений с “электронным языком” на основе потенциометрических химических сенсоров для 8-ми индивидуальных сортов кофе (1—

8) и трех коммерческих продуктов (смесей индивидуальных сортов) (9—11), обработанные методом анализа по главным компонентам (АГК).

Опубликовано уже большое число работ, посвященных различным приложениям мультисенсорных систем типа электронный язык. В связи с ограниченным объемом данной публикации ниже будут перечислены только некоторые аналитические задачи, решаемые с помощью электронных языков, и основные объекты анализа. Более подробное описание может быть найдено в статьях, ссылки на которые приведены, а также в обзорах, посвященных электронным языкам [100, 115, 144].

Мультисенсорные системы типа электронный язык могут применяться для решения разнообразных аналитических задач, как традиционных для химических сенсоров — количественного анализа растворов, так и для нетипичных — распознавания, идентификации и классификации. В последнем случае целью анализа является распознавание различных продуктов, различных сортов одного и того же продукта, установление соответствия стандарту качества, а также установление подлинности и выявление подделок. В последнее время большое внимание уделяется использованию электронных языков для мониторинга промышленных процессов и контроля качества, заключающегося как в определении концентраций ключевых компонентов, так и в оценке соответствия стандарту общего качества процесса или продукта. Амбициозной и интересной задачей является использование электронных языков для оценки вкуса пищевых продуктов. Для калибровки системы при этом используются оценки вкуса, сделанные людьми, чаще всего дегустаторами.

Самым распространенным объектом анализа с использованием электронных языков являются пищевые продукты. Описано применение электронных языков для анализа фруктовых соков [102, 145— 147], (рис. 7), минеральной воды [148—151], прохла-

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

дительных напитков [150], кофе [150—151], (рис. 8), чая [152—154], молока и молочнокислых продуктов [102, 155—157], вина [149, 158—159], мизо (японская паста из сои) [160], саке [161—162], растительных масел [163], фруктов [164], овощей [165], мяса [166], рыбы [150]. Как правило, электронный язык использовался для распознавания и классификации перечисленных продуктов, реже для их количественного анализа. Так, описано применение электронного языка для определения концентраций неорганических катионов и анионов, анионов органических кислот, аминокислот, полифенолов, а также таких параметров как общая или титруемая кислотность [149, 150, 159], количество бактерий в портящемся молоке [155]. Продемонстрирована возможность использования электронного языка для мониторинга и определения концентраций ключевых компонентов биотехнологических (ферментационных) процессов производства пищевых продуктов, таких, как закваска для сыров [167], мизо [160] и саке [162]. Возможность оценки вкуса с помощью электронного языка изучалась в растворах типичных веществ как индивидуальных, так и смешанных; в смесях растворов вкусовых веществ с продуктами или лекарствами, а также собственно в различных продуктах и лекарственных рецептурах. Во вкусе продуктов, как правило, оцениваются несколько параметров, важных для данного конкретного продукта, например, вкус, кислотность и текстура в кофе [150], насыщенность вкуса и привкус топленого молока в молоке [157], “диетичность” (степень различия между регулярными и легкими вариантами напитка) в пепси-коле [150] и т.д. Основная задача в оценке вкуса лекарственных препаратов заключается в измерении интенсивности горького вкуса активных веществ и эффективности его маскировки различными подсластителями и ароматизаторами [168-170].

Объекты, анализируемые с помощью электронного языка, не ограничиваются пищевыми продуктами. В частности, мультисенсорные системы применяли для определения основных компонентов в питательных средах, используемых для выращивания микроорганизмов [171] и для распознавания различных питательных сред [172]; для мониторинга процесса очистки питьевой воды [173], для определения неорганических анионов и катионов переходных металлов в модельной грунтовой, шахтной и морской воде [117-118, 174-177], а также в дыму мусоросжигательных заводов (после поглощения дыма жидкостью) [128]; для количественного анализа диализирующих растворов, используемых в аппаратах “искусственная почка” [178] и для многих других задач.

Идея одновременно использовать для анализа пищевых продуктов системы жидкостных и газовых сенсоров возникла по аналогии с тем, что люди пробуют продукты и оценивают их вкус и аромат одно-

временно, используя и обоняние, и чувство вкуса. Важно подчеркнуть, что чувствительность и селективность сенсоров, используемых в электронных носах и языках, значительно отличаются от соответствующих характеристики биологических рецепторов и, соответственно, роль искусственных сенсорных систем и их вклад в конечный результат могут значительно отличаться от того, что обеспечивают природные аналоги. Тем не менее такие “гибридные” системы электронный нос + электронный язык были применены для распознавания вина [158], фруктовых соков [179], молока и даже образцов мочи [156] в клинических целях. Идея использовать гибридные системы выглядит интересной, хотя до настоящего времени не было продемонстрировано ее реальных преимуществ перед использованием одного только электронного языка отдельно.

Хотя, как было упомянуто несколько выше, использование электронных языков не ограничивается только пищевыми продуктами и соответствующими процессами, многие публикации последних лет посвящены именно этим темам [180-218]. Электронные языки использовали для анализа оливковых масел [180, 181] и различных напитков [182]. Значительное внимание уделялось распознаванию и классификации вин и крепких спиртных напитков [183-185]. Показано, что необычные возможности электронных языков позволяют проводить даже такие сложные исследования, как распознавание и классификация вин определенного типа по возрасту, в частности, португальского порто [186].

Следует отметить возможности применения сенсорных систем рассматриваемого типа для выявления особенностей различных микробиологических процессов, например процессов загрязнения технологического оборудования [187], обнаружения воспалительных заболеваний (мастита) у коров [188] или бактериального заболевания пробкового дуба [189], из которого изготавливаются пробки для укупорки бутылок с вином и другими напитками. Здесь необходимо отметить, что оценка микробиологических эффектов осуществляется путем отслеживания интегрального изменения химического состава среды с помощью электронного языка. При этом точность результата (правильность определения наличия заболеваний) составляет около 95%, а в случае обнаружения мастита у коров не зависит от породы, возраста, условий кормления и содержания животных.

Надо отметить возможность отслеживания с помощью электронного языка хода и особенностей биотехнологических, в частности, ферментационных процессов [167, 171, 190]. Следить за ферментацией можно практически в режиме реального времени, а решение, например, о прерывании неправильно текущего процесса может быть принято

оперативно и на ранней его стадии. Такие приложения сенсорных систем особенно важны, т.к. большинство биотехнологических процессов контролируется крайне слабо и, как правило, вмешательство в ход процесса невозможно, а постфактум ничего изменить уже нельзя.

Некоторые приложения сенсорных систем для целей оценки качества овощей и фруктов описаны в [191—193], для анализа нерадиоактивных редкоземельных элементов в отработанном ядерном топливе в [194, 195], для контроля форм и переходов соединений ванадия различной валентности в катализе в работе [196].

Значительное внимание уделяется в последние годы разработке новых сенсоров для сенсорных систем, а также разработке и исследованию поведения сенсорных систем различных модульностей, в частности проточных и проточно-инжекционных [197— 205]. Наконец, некоторые общие вопросы развития сенсорных систем и обзорные работы последних лет приведены в [206—218].

Таким образом, исследования в области сенсорных систем типа “электронный язык” активно развиваются. Например, в этой статье рассмотрены работы 27-ми исследовательских групп, наиболее активных в этой области в последние годы, из 22 стран мира. Мультисенсорные системы типа электронный язык представляют собой быстро развивающуюся и перспективную междисциплинарную область науки. Продемонстрирована возможность использования таких систем для количественного анализа, контроля качества, распознавания и классификации в пищевой и фармацевтической промышленности, медицине, для измерений в объектах окружающей среды. Наличие корреляции между откликом электронного языка и человеческим восприятием вкуса является необычным и очень перспективным и важным свойством таких систем. Первые коммерческие электронные системы типа электронный язык уже доступны, хотя это направление является достаточно молодым, а значительная часть знаний все еще остается эмпирической.

СПИСОК ЛИТЕРАТУРЫ

1. Jonhnson R.D., Baches L.G. // Anal. Bioanal. Chem. 2003. V. 376. № 2. P. 328.

2. Bakker E. // Anal. Chem. 2004. V. 76. № 12. P. 3285.

3. Privett B.J., Shin J.H., Schhoenfisch A.J. // Anal. Chem. 2008. V. 80. № 12. P. 4499.

4. Bobacka J., Ivaska A., Lewenstam A. // Chem. Rev. 2008. V. 108. № 2. P. 329.

5. Ceresa A., Radu A., Peper S., Bakkers E., Pretsch E. // Anal. Chem. 2002. V. 74. № 12. P. 4027.

6. Vigassy T., Gyurssanyi R.E., Pretsch E. // Electroanalysis. 2003. V. 15. № 2. P. 375.

7. Аксенов А.И., Бобринский И.И., Неволин В.К., Си-мунин М.М. // Микро- и наносистемная техника. 2005. № 12. С. 12.

8. Shan D., Zhu M., Han E., Xue H., Cosnier S. // Biosens. Bioelectron. 2007. V. 23. № 4. P. 648.

9. Bergveld P. // Sensors & Actuators. 2003. V. B88. P. 1.

10. Mourzina Yu., Ermolenko Yu., Vlasov Yu., Schoning M. // Sensors & Actuators. 2003. V. B91. P. 32.

11. Schoning M., Mourzina Yu., Schubert J., Legin A., Vlasov Yu. // Electroanalysis. 2001. V. 13. № 8—9. P. 727.

12. Pandey P.C., Singn G., Srivastava P.K. // Electroanalysis. 2002. V. 14. № 6. P. 375.

13. Sokalski T., Lewenstam A. // Electrochem. Commun. 2001. V 3. № 1. P 107.

14. Власов Ю.Г., Легин А.В., Рудницкая А.М. // Успехи химии. 2006. Т. 75. № 2. С. 141.

15. Hulanicki A., Glab S., Ingman P. // Pure Appl. Chem. 1991. V. 63. № 9. P. 1247.

16. Camman K. // Sensors & Actuators. 1990. V. B2. P. vii.

17. Золотов Ю.А. // Журн. аналит. химии. 2005. Т. 60. № 10. С. 1013.

18. Власов Ю.Г. // Журн. аналит. химии. 1992. Т. 47. № 1. С. 114.

19. Власов Ю.Г. // Журн. аналит. химии. 1990. Т. 45. № 7. С. 1279.

20. Pungor E., Toth K., Hrabeczy-Pall A. // Pure Appl. Chem. 1979. V. 51. P. 1913.

21. Umezawa Y., Buhlman P., Umezawa K., Tohda K. // Pure Appl. Chem. 2000. V. 72. P 1851.

22. Umezawa Y., Umezawa K., Buhlman P. et al. // Pure Appl. Chem. 2002. V 74. № 6. P. 923.

23. Umezawa Y., Buhlman P., Umezawa K., Hamada N. // Pure Appl. Chem. 2002. V. 74. № 6. P. 995.

24. Vlasov Yu.G., Bychkov E.A. // Ion-selective Electrode Rev. 1987. V. 9. P 5.

25. Власов Ю.Г., Колодников В.В., Ермоленко Ю.Е., Михайлова С.С. // Журн. аналит. химии. // 1996. Т. 51. № 8. С. 805.

26. Gran G. // Analyst. 1952. V. 77. № 920. P. 661.

27. Gran G. // Acta Chem. Scand. 1950. V. 4. № 4. P. 559.

28. Buchberger W., Huemer P. // Mikrochim. Acta. 1985. V. 1. № 5-6. P. 421.

29. Asano Y., Ito S. // Nippon Kagaku Kaishi. 1980. № 10. P. 1494.

30. Oehme M., Stray H., Fresenius Z. // Anal. Chem., 1981. V. 306. № 5. P. 356.

31. Young M., Driscoll J.N., Mahaney K. // Anal. Chem.

1973. V 45. № 13. P. 2283.

32. Haynes S.J. // Talanta. 1978. V. 25. № 2. P 85.

33. Rice T.D. // Talanta. 1988. V. 35. № 3. P. 173.

34. Bodkin J.B. // Analyst. 1977. V. 102. № 1215. P. 409.

35. Troll G., Farzaneh A., Carnmarm K. // Chem. Geol. 1977. V. 20. P. 295.

36. Pokorna H. // Chem. Pram. 1978. V. 28. № 5. P. 238.

37. Tan K. // Fenxi Shiyanshi. 1988. V 7. № 10. P. 27.

38. Ficklin W.H. // J. Res. U.S. Geol. Sure 1975. V. 3. № 6. P. 753.

39. Li S., Smith K.A. // Commun. Soil Sci. Plant Anal. 1984. V. 15. № 12. P 1437.

40. Chang F.-C, Tsai H.-T., Wu S.-C. // J. Chin. Chem. Soc. Taipei. 1975. V. 22. № 4. P. 309.

41. Korhonen J., Lirmme P.O. // Pap. Puu. 1977. V. 59. № 9. P. 558.

42. Midgley D. // Analyst. 1985. V. 110. № 7. P. 841.

43. Midgley D., Gatford C. // Microchem. J. 1990. V. 42. № 2. P. 225.

44. Gulens J., Leeson P.K. // Anal. Chem. 1980. V. 52. № 13. P. 2235.

45. Swartz J.L., Light T.S. // TAPPI. 1970. V. 53. № 1. P. 90.

46. Lenz B.L., Mold J.R. // TAPPI. 1971. V. 54. № 12. P. 2051.

47. Korhonen J., Lumme P.O. // Pap. Puu. 1978. V. 60. №2. P. 81.

48. Gottardi W. // Laboratoriumsmedizin. 1992. Bd. 16. № 9. S. 283.

49. Mangubat E.A., Hinds T.R., Vincenzi F.F. // Clin. Chem. 1978. V. 24. № 4. P. 635.

50. Kissa E. // Clin. Chem. 1987. V. 33. № 2. P. 253.

51. LapatnickL.N. // Anal. Chim. Acta. 1974. V. 72. № 2. P. 430.

52. Zhou J., WangX., Zhu P. // Huaxue Shijie. 1987. V. 28. № 6. P. 261.

53. FrantM.S. // Plating. 1971. V. 58. № 7. P. 686.

54. Martyak N.M. // Plat. Surf. Finish. 1992. V. 79. № 2. P. 60.

55. Кирюшов B.H. // Заводск. лаборатория. 1986. T. 52. № 1. С. 7.

56. Кирюшов В.Н., Клетеник Ю.Б. // Заводск. лаборатория. 1991. Т. 57. № 7. С. 14.

57. Burman J.O., Johansson G. // Anal. Chim. Acta. 1975. V. 80. № 2. P. 215.

58. Hulanicki A., Sokalski Т., Lewenstam A. // Chem. Anal. 1987. V. 32. № 4. P. 601.

59. Власов Ю.Г., Михайлова С.С., Колодников В.В., Ермоленко Ю.Е. // Журн. аналит. химии. 1982. Т. 37. № 12. С. 2155.

60. Graggs A., Moody G.J., Thorn J.D.R. // J. Chem. Educ.

1974. V. 51. № 8. P. 541.

61. Baker R.L. // Anal. Chem. 1972. V 44. № 7. P. 1326.

62. Whyte J.N.C., Englar J.R. // Analyst. 1976. V. 101. № 1207. P. 815.

63. Speights R.M., Brooks J.O, Barnard A.J. // J. Pharm. Sci. 1971. V 60. № 15. P 748.

64. Wang J., Xi D. // Yaoxue Tongbao. 1985. V. 20. № 12. P. 727.

65. Lin S., Wang X., Wang Y., Zeng Y. // Fenxi Huaxue. 1987. V. 15. № 9. P. 861.

66. Yan Y., Tu J., Yana X. // Shanghai Huanjing Kexue. 1991. V. 10. № 2. P 35.

67. Frant M.S., Ross J.W., Riseman J.H. / Anal. Chem.

1972. V. 44. № 3. P. 2227.

68. Trojanowicz M., Hulanicki A. // Mikrochim. Acta. 1981. V. II. № 1-2. P. 17.

69. Anfalt Т., Jagner D. // Anal. Chim. Acta. 1971. V. 53. № 1. P. 13.

70. Anfalt Т., Jagner D. // Anal. Chim. Acta. 1973. V. 66. № 1. P. 152.

71. Hulanicki A., Lewandowski R., Maj M. // Anal. Chim. Acta. 1974. V. 69. № 2. P. 409.

72. Kissa E. // Anal. Chem. 1983. V. 55. № 8. P. 1445.

73. Нага H., Okazaki S. // Analyst. 1984. V. 109. № 10. P. 1317.

74. Bond A.M. et al. // Anal. Chim. Acta. 1990. V. 237. № 2. P. 345.

75. Qian G., Wu G. // Fenxi Huaxue. 1987. V. 15. № 10. P. 929.

76. Lutze O., Rob В., Cammann K. // Fresenius J. Anal. Chem. 1994. V. 350. № 10-11. P 630.

77. Thomas J., Gluskoter H.J. // Anal. Chem. 1974. V. 46. № 9. P 1321.

78. Rice T.D., Sweeney Y., Semitekolos R., Rhyder G.J. // Talanta. 1984. V. 31. № 8. P. 607.

79. Rice T.D. et al. // Talanta, 1984. V. 31. № 8. P. 607.

80. Diaz C. et al. // Microchem. J. 1989. V. 39. № 3. P 289.

81. Crecelius E.A. // Anal. Chem. 1975. V. 47. № 12. P. 2034.

82. Miles P. // J. Ass. Off. Analyt. Chem. 1978. V. 61. № 6. P. 1366.

83. Gonzalez M.A. et al. // Electroanarysis. 1991. V. 3. № 4-5. P. 439.

84. Postel W., Goerg A., Guvenc U. // Brauwissenschaft. 1976. Bd. 29. № 5. S. 132.

85. Clifford G., Kirk D. // Analyst. 1981. V. 106. № 1269. P. 1341.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

86. Choi K.K., Fung K.W. // Analyst. 1980. V. 105. № 1248. P. 241.

87. Zhou X., Zhang Т., Liu J. // Wuxi Qinggongye Xu-eyuan Xuebao. 1991. V. 10. № 2. P. 19.

88. McNerney F.G. // J. Ass. Off. Analyt. Chem. 1976. V. 59. № 5. P. 1131.

89. Fung Y.S., Fung K.W. // Analyst. 1978. V. 103. № 1223. P. 149.

90. Yu H, Yang Z. // Fenxi Huaxue. 1987. V 15. № 1. P. 12.

91. Chapman B.K., Goldsmith I.R. // Analyst. 1982. V. 107. № 1278. P. 1014.

92. Garcia C. et al. // Food Chem. 1992. V. 45. № 5. P. 365.

93. Martin A. et al. // Food Chem. 1993. V. 46. № 1. P 85.

94. Perez-Olmos R., Echevarria J. // Food Chem. 1989. V. 32. № 3. P. 201.

95. Al-Hitti I.K., Thomas J.D.R. // Anal. Lett. 1985. V. 18. № A8. P. 975.

96. Comer J. // Lab. Pract. 1988. V. 37. № 8. P. 61.

97. Farroha S.M., Habboush A.E., Issaq N. // Analyst. 1984. V. 109. № 12. P. 1531.

98. Farrona S.M. et al. // Analyst. 1987. V. 112. № 12. P. 1773.

99. Bozon H., Bozon S. // Analusis. 1978. V. 6. № 6. P. 243.

100. Vlaso Yu., Legin A., Rudnitskaya A. // Anal. Bioanal. Chem. 2002. V. 373. P. 136.

101. Toko K. // Meas. Sci. Technol. 1998. V. 9. P. 1919.

102. Winquist F., Wide P., Lundstrom I. // Anal. Chim. Acta. 1997. V. 357. P. 21.

103. Schiffman S.S., Pearce T.C. Handbook of Machine Olfaction. Electronic Nose Technology. Darmstadt: Wiley-VCH, 2003. Ch. 1. P. 186.

104. Stewart G.F., Amerine M.A. Introduction to Food Science and Technology. New York: Academic Press,

1973. P. 153.

105. Kawamura Y., Kare M.R. Umami: A Basic Taste. New York: Marcel Dekker, 1987. P. 124.

106. Moncrieff R.W. // J. Appl. Physiol. 1961. V. 16. P. 742.

107. PersaudK., Dodd G.H. // Nature. 1982. V. 299. P. 352.

108. Otto M., Thomas J.D.R. // Anal. Chem. 1985. V. 57. P. 2647.

109. Beebe K., Kowalski B. // Anal. Chem. 1988. V. 60. P. 2273.

110. Beebe K., Uerz D., Sandifer J., Kowalski B. // Anal. Chem. 1988. V. 60. P. 66.

111. Forster R.J., Regan F., Diamond D. // Anal. Chem. 1991. V. 63. P. 876.

112. Forster R.J., Diamond D. // Anal. Chem. 1992. V. 64. P. 1721.

113. Diamond D., Forster R.J. // Anal. Chim. Acta.1993. V. 276. P. 75.

114. HartnettM., DiamondD., BarkerP.G. // Analyst. 1993. V. 118. P. 347.

115. Van der Linden W.E., Bos M., Bos A. // Anal. Proceedings. 1989. V. 26. P. 329.

116. Bos M., Bos A., van der Linden W.E. // Anal. Chim. Acta. 1995. V. 233. P. 31.

117. Власов Ю.Г., Легин А.В., Рудницкая А.М. // Журн. аналит. химии. 1997. Т. 52. № 8. С. 837.

118. Легин А.В., Рудницкая А.М., Смирнова А.Л., Львова Л.Б., Власов Ю.Г. // Журн. прикл. химии. 1999. Т. 72. № 1. С. 114.

119. Hayashi K., Yamanaka M., Toko K., Yamafuji K. // Sensors and Actuators B. 1990. V. 2. P. 205.

120. Toko K // Mater. Sci. Eng. C. 1996. V. 4. P. 69.

121. Toko K. // Sensors and Actuators B. 2000. V. 64. P. 205.

122. Toko K., Yasuda R., Ezaki S., Fujiyishi T. // Trans. IEE Japan E. 1998. V 118. P. 1.

123. Kanai Y., Shimizu M., Uchida H., Nakahara H., Zhou C.G., Maekawa H., Katsube T. // Sensors Actuators B. 1994. V. 20. № 2-3. P. 175.

124. Sasaki Y., Kanai Y., Uchida H., Katsube T. // Sensors Actuators B. 1995. V. 25. № 1-3. P. 819.

125. Legin A., Rudnitskaya A., Vlasov Yu. Integrated Analytical Systems, Comprehensive Analytical Chemistry, V. XXXIX. Amsterdam: Elsevier, 2003. P. 437.

126. Schoning M., Schmidt C., Schubert J., Zander W., Mesters S., Kordos P., Luth H., Legin A., Seleznev B., Vlasov Yu. // Sensors Actuators B. 2000. V. 68. P. 254.

127. Mourzina Yu., Schoning M., Schubert J., Zander W., Legin A., Vlasov Yu., Luth H. // Anal. Chim. Acta. 2001. V. 433. P. 103.

128. Мортенсен Дж., Легин А.В., Ипатов А.В., Рудницкая А.М., Власов Ю.Г., Хьюлер К. // Журн. прикл. химии. 1999. Т. 72. С. 8533.

129. Paolesse R., Di Natale C., Burgio M., Martinelli E., Mazzone E., Palleschi G., D’Amico A. // Sensors and Actuators B. 2003. V. 95. P. 400.

130. Saurina J., Lopez-Aviles E., Le Moal A., Hernandez-Cassou S. // Anal. Chim. Acta. 2002. V. 464. P. 89.

131. Gallardo J., Alegret S., Munoz R., De-Roman M., Leija L., Hernandez P.R., del Valle M. // Anal. Bioa-nal. Chem. 2003. V. 377. P. 248.

132. WinquistF., Krantz-Rulcker C., Wide P., Lundstrom I. // Meas. Sci. Technol. 1998. V 9. № 12. P. 1937.

133. Winquist F., Holmin S., Krantz-Rulcker C., Wide P., Lundstrom I. // Anal. Chim. Acta. 2000. V. 406. № 2. P. 147.

134. Winquist F., Lundstrom I., Wide P. // Sensors and Actuators B. 1999. V. 58. № 1-3. P 512.

135. Arrieta F., Rodriguez-Mendez M.L., de Saja J.A. // Sensors and Actuators B. 2003. V. 95. P. 357.

136. Lavigne J.J., Savoy S., Clevenger M.B., Ritchie J.E., McDoniel B., Yoo S.J., Anslyn E.V., McDevitt J.T., Shear J.B., Neikirk D. // J. Amer. Chem. Soc. 1998. V. 120. № 25. P. 6429.

137. Riul Jr.A., Dos Santos Jr.D.S., Wohnrath K., Di Tomma-zo R., Carvalho A.C.P.L.F., Fonseca F.J., Oliveira Jr.O.N., TaylorD.M., Mattoso L.H.C. // Lamgmuir. 2002. V. 18. P. 239.

138. Riul Jr.A., Malmegrim R.R., Fonseca F.J.,

Mattoso L.H.C. // Biosensors and Bioelectronics.

2003. V. 18. P. 1365.

139. Martens H., Naes T. Multivariate calibration. Wiley & Sons Ltd. 1989. P 235.

140. Neural Computing. Neural Ware, Pittsburg, USA. 1997. P. 188.

141. Эсбенсен К. Анализ многомерных данных. Барнаул: Изд-во Алт. Ун-та, 2003. 170 с.

142. Legin A., Rudnitskaya A., Vlasov Yu., Di Natale C., D’Amico A. // Sensors and Actuators B. 1999. V. 58. P. 464.

143. Legin A., Rudnitskaya A., Vlasov Yu., D’Amico A., Di Natale C. // Proc. of 8th Inter. Conf. Electroanalysis. Bonn, Germany, 2000. P. A 27

144. Toko K. Integrated Analytical Systems, Comprehensive Analytical Chemistry, V. XXXIX. Amsterdam: Elsevier, 2003. P. 487.

145. Sasaki Y., Kanai Y., Uchida H., Katsube T. // Sensors Actuators B. 1995. V. 25. P. 819.

146. Legin A., Rudnitskaya A., Vlasov Yu., Di Natale C., Da-vide F., D’Amico A. // Sensors Actuators B. 1997. V. 44. P. 291.

147. Легин А.В., Рудницкая А.М., Макарычев-Михайлов С.М., Горячева О.Е., Власов Ю.Г. // Сенсор. 2002. Т. 1. С. 2.

148. Iiyama S., Yahiro M., Toko K. // Sens. Mater. 1995. V. 7. P. 191.

149. Legin A., Rudnitskaya A., Vlasov Yu., Di Natale C., Mazzone E., D’Amico A. // Electroanalysis. 1999. V. 11. P. 814.

150. Легин А.В., Рудницкая А.М., Селезнев Б.Л., Власов Ю.Г. // Сенсор. 2002. Т. 1. С. 8.

151. Fukunaga T., Toko K., Mori S., Nakabayashi Y., Kan-da M. // Sens. Mater. 1996. V. 8. P. 47.

152. Ivarsson P., Holmin S., Hoejer N.-E., Krantz-RuelckerC., Winquist F. // Sensors Actuators B. 2001. V. 76. P. 449.

153. Ivarsson P., Kikkawa Yu., Winquist F., Krantz-RuelckerC., Hoejer N.-E., Hayashi K., Toko K., Lundstrom I. // Anal. Chim. Acta. 2001. V. 449. P. 59.

154. Lvova L., Legin A., Vlasov Yu., Cha G.S., Nam H. // Sensors Actuators B. 2003. V. 91. P. 32.

155. WinquistF., Krantz-Rulcker C., Wide P., Lundstrom I. // Meas. Sci. Technol. 1998. V. 9. P. 1937.

156. Di Natale C., Paolesse R., Macagnano A., Mantini A., D’Amico A., Legin A., Lvova L., Rudnitskaya A., Vlasov Yu. // Sensors Actuators B. 2000. V. 64. P. 15.

157. Yamada H., Mizota Y., Toko K., Doi T. // Mater. Sci. Eng. C. 1997. V. 5. № 1. P. 41.

158. Baldacci S., Matsuno T., Toko K., Stella R., De Rossi D. // Sens. Mater. 1998. V. 10. P. 185.

159. Legin A., Rudnitskaya A., Lvova L., Vlasov Yu., Di Natale C., D’Amico A. // Anal. Chim. Acta. 2003. V. 484. P. 33.

160. Imamura T., Toko K., Yanagisawa S., Kume T. // Sensors Actuators B. 199б. V. 37. P. 179.

161. Arikawa Y., Toko K., Ikezaki H., Shinha Y., Ito T., Oguri I., Baba S. // Sens. Mater. 1995. V. 7. P. 261.

162. Arikawa Y., Toko K., Ikezaki H., Shinha Y., Ito T., Oguri I., Baba S. // J. Fermentation Bioeng. 1996. V.82. P. 371.

163. Vlasov Yu., Seleznev B., Ivanov A., Rudnitskaya A., Legin A. // Proc. of 5th Italian Conf. Sensors and Microsystems. Lecce, Italy, 2000. P. 57.

164. Kikkawa Y., Toko K., YamafujiK. // Sens. Mater. 1993. V. 5. P. 83.

165. Legin A., Rudnitskaya A., Seleznev B., Sparfel G., DoЫ C. // Acta Horticulturae (ISHS). 2004. V. 634. № 183. P. 183.

166. Legin A., Rudnitskaya A., Seleznev B., Vlasov Yu., Ve-likzhanin V. Artificial Chemical Sensing: Olfaction and the Electronic Nose (ISOEN 2001). V. 15. The Electrochemical Society Inc., 2001. P. 114.

167. Esbensen K., Kirsanov D., Legin A., Rudnitskaya A., Mortensen J., Pedersen J., Vognsen L., Makarychev-Mikhailov S., Vlasov Yu. // Anal. Bioanal. Chem.

2004. V. 378. P. 391.

168. Tagaki S., Toko K., Wada K., Ohki T. // J. Pharm. Sci. 2001. V. 90. P. 2042.

169. Uchida T., Kobayashi Y., Miyanaga Y., Toukubo R., Ikezaki H., Taniguchi A., Matsuyama K. // Chem. Pharm. Bull. 2001. V. 49. P. 1336.

170. Miyanaga Y., Tanigake A., Nakamura T., Kobayashi Y., Ikezaki H., Taniguchi A., Matsuyama K., Uchida T. // Int. J. Pharm. 2002. V. 248. P. 207.

171. Turner C., Rudnitskaya A., Legin A. // J. Biotechnol. 2003. V. 103. P. 87.

172. Soderstrom C., Winquist F., Krantz-Rulcker C. // Sensors and Actuators B. 2003. V. 89. P. 248.

173. Krantz-Rulcker C., Stenberg M., Winquist F., Lund-strdm I. // Anal. Chim. Acta. 2001. V. 426. P. 217.

174. Власов Ю.Г., Легин A.В., Рудницкая A.M., Д’Лмико A., Ди Натале К. // Журн. аналит. химии. 1997. Т. 52. С. 1214.

175. Власов Ю.Г., Легин A.В., Рудницкая A.M., Бутген-бахС., Элерт A. // Журн. прикл. химии. 1998. Т. 71. С. 1577.

176. Легин A.В., Селезнев Б.Л., Рудницкая A.M., Власов Ю.Г. // Радиохимия. 1999. Т. 41. С. 86.

177. Taniguchi A., Naito Y., Maeda N., Sato Y., Ikezaki H. // Sens. Mater. 1999. V. 11. P. 437.

178. Legin A., Smirnova A., Rudnitskaya A., Lvova L., Vlasov Yu. // Anal. Chim. Acta. 1999. V. 385. P. 131.

179. Winquist F., Lundstrom I., Wide P. // Sensors Actuators B. 1999. V. 58. P. 512.

180. Cosio M.S., Ballabio D., Benedetti S., Gigliotti C. // Food Chemistry. 2007. V. 101. P. 485.

181. Apetrei C., GutierezF., Rodruguez-MendezM.L., de Sa-ja J.A. // Sensors and Actuators B. 2007. V. 121. P. 5б7.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

182. Ciosek P., Wroblewski W. // Talanta. 2007. V. 71. P. 738.

183. Legin A., Rudnitskaya A., Seleznev B., Vlasov Yu. // Anal. Chim. Acta. 2005. V. 534. № 1. P. 129.

184. Apetrei C., Apetrei I.M., Nevares I., del Alamo M., Parra V., Rodruguez-Mendez M.L., De Saja J.A. // Elec-trochimica Acta. 2007. V. 52. P. 2588.

185. Buratti S., Ballabio D., Benedetti S., Cosio M.S. // Food Chemistry. 2007. V. 100. P. 211.

186. Rudnitskaya A., Delgadillo I., Legin A., Rocha S.M., Costa A.-M., Simoes T. // Chemometrics and Intelligent Laboratory Systems. 2007. V. 87. P. 50.

187. Sdderstrdm C., Rudnitskaya A., Legin A., Krantz-Rulcker C. // Journal of Biotech. 2005. V. 119. № 3. P. 300.

188. Mottram T., Rudnitskaya A., Legin A., Fitzpatrick J.L., Eckersall P.D. // Biosensors and Bioelectronics. 2007. V. 22. P. 2689.

189. Rudnitskaya A., Delgadillo I., Rocha S.M., Costa A.M., Legin A. // Anal. Chim. Acta. 2006. V. 5б3. № 1—2. P. 315.

190. Legin A., Kirsanov D., Rudnitskaya A., Iversen J.J.L., Seleznev B., Esbensen K.H., Mortensen J., Houmaller L.P., Vlasov Yu. // Talanta. 2004. V. 64. P. 766.

191. Auger J., Arnault I., Legin A., Rudnitskaya A., Sparfel G., Dore C. // Int. Journal of Environmental and Analytical Chemistry. 2005. V. 85. № 12—13. P. 971.

192. Rudnitskaya A., Kirsanov D., Legin A., Beullens K., Lammertyn J., Nicolai' B.M., Irudayaraj J. // Sensors and Actuators B. 2006. V. 116. № 1—2. P. 23.

193. Beullens K., Kirsanov D., Irudayaraj J., Rudnitskaya A., Legin A., Nicolai B.M., Lammertyn J. // Sensors and Actuators B. 2006. V 116. № 1—2. P. 107.

194. Кирсанов Д.О., Легин A.В., Бабаин В.A., Mеднова O.A., Власов Ю.Г. // Вестник СПбГУ. Т. 4. № 4. С. 101.

195. Legin A.V., Kirsanov D.O., Rudnitskaya A.M., Babain V.A. // Czechoslovak Journal of Physics. 2006. V. 56. D. P. 271.

196. Rudnitskaya A., Evtuguin D.V., Gamelas J.A.F., Legin A. // Talanta. 2007. V 72. P. 497.

197. Leonte 1.1., Sehra G., Cole M., Hesketh P., Gardner J.W. // Sensors and Actuators B. 2006. V. 118. P. 349.

198. Iliev B., Lindquist M., Robertsson L., Wide P. // Fuzzy Sets and Systems. 2006. V. 157. P. 1155.

199. Gutes A., Ibanez A.B., Cespedes F., Alegret S., del Valle M. // Anal. Bioanal. Chem. 2005. V. 382. P. 471.

200. Gallardo J., Alegret S., del Valle M. // Talanta. 2005. V. 66. P. 1303.

201. Gutierrez M., Alegret S., del Valle M. // Biosensors and Bioelectronics. 2007. V. 22. P. 2171.

202. Gutierrez M., Alegret S., Caceres R., Casadesus J., Marfa O., del Valle M. // Computers and Electronics in Agriculture. 2007. V. 57. P. 12.

203. Cortina-Puig M., Munoz-Berbel X., del Valle M., Munoz F.J., Alonso-Lomillo M.A. // Anal. Chim. Acta. 2007. V. 597. P. 231.

204. Sohn Y.-S., Goodey A., Anslyn E.V., McDevitt J.T., Shear J.B., Neikirk D P. // Biosensors and Bioelectronics. 2005. V. 21. P. 303.

205. Lvova L., Martinelli E., Mazzone E., Pede A., Paolesse R., Di Natale C., D’Amico A. // Talanta. 2006. V. 70. P. 833.

206. Vlasov Yu., Legin A., Rudnitskaya A., Di Natale C., D’Amico A. // Pure and Applied Chemistry. 2005. V. 77. № 11. P. 1966.

207. Cortina M., Duran A., Alegret S., del Valle M. // Anal. Bioanal. Chem. 2006. V 385. P. 1186.

208. Calvo D., Duran A., del Valle M. // Anal. Chim. Acta. 2007. V 600. P. 97.

209. Cortina-Puig M., Munoz-Berbel X., Alonso-Lomillo M.A., Munoz-Pascual F.J., del Valle M. // Talanta. 2007. V. 72. P. 774.

210. Ciosek P., Wroblewski W. // Analyst. 2007. V. 132. P. 963.

211. Ciosek P., Maminska R., Dybko A., Wroblewski W. // Sensors and Actuators B. 2007. V. 127. P. 8.

212. Verrelli G., Francioso L., Paolesse R., Siciliano P., Di Natale C., D’Amico A., Logrieco A. // Sensors and Actuators B. 2007. V. 123. P. 191.

213. Wiziack N.K.L., Paterno L.G., Josepetti Fonseca F., Capparelli Mattoso L.H. // Sensors and Actuators B. 2007. V. 122. P. 484.

214. Pioggia G., Di Francesco F., Marchetti A., Ferro M., Ahluwalia A. // Biosensors and Bioelectronics. 2007. V. 22. P. 2618.

215. Pioggia G., Di Francesco F., Marchetti A., Ferro M., Leardi R., Ahluwalia A. // Biosensors and Bioelectronics. 2007. V. 22. P. 2624.

216. Gutes A., Cespedes F., del Valle M. // Anal. Chim. Acta. 2007. V. 600. P. 90.

217. Legin A., Rudnitskaya A., Clapham D., Seleznev B., Lord K., Vlasov Yu. // Anal. Bioanal. Chem. 2004. V. 380. P. 3.

218. Vlasov Yu.G., Bychkov E.A. // Ion-Selective Electrode Reviews. 1987. V. 9. № 1. P. 1.

i Надоели баннеры? Вы всегда можете отключить рекламу.