化學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/57
國立臺灣師範大學化學系座落於公館校區理學院大樓。本系成立於民國五十一年，最初僅設大學部。之後於民國六十三年、七十八年陸續成立化學研究所碩士班和博士班。本系教育目標旨在培養化學專業人才與中等學校自然及化學專業師資，授課著重理論及應用性。本系所現有師資為專任教授25人，另外尚有與中央研究院合聘教授3位，在分析、有機、無機及物理化學四個學門的基礎上發展跨領域之教學研究合作計畫。此外，本系另有助教13位，職技員工1位，協助處理一般學生實驗及行政事務。學生方面，大學部現實際共322人，碩士班現實際就學研究生共174人，博士班現實際就學共55人。
本系一向秉持著教學與研究並重，近年來為配合許多研究計畫的需求，研究設備亦不斷的更新。本系所的研究計畫大部分來自國科會的經費補助。此外，本系提供研究生獎助學金，研究生可支領助教獎學金（TA）、研究獎學金（RA）和部分的個別教授所提供的博士班學生獎學金（fellowships）。成績優良的大學部學生也可以申請獎學金。
本校圖書館藏書豐富，除了本部圖書館外，分部理學院圖書館西文藏書現有13萬餘冊，西文期刊合訂本有911餘種期刊，將近約3萬冊。此外，西文現期期刊約450種，涵蓋化學、生化、生物科技、材料及其他科學類等領域。目前本系各研究室連接校園網路，將館藏查詢、圖書流通、期刊目錄轉載等功能，納入圖書館資訊系統中，並提供多種光碟資料庫之檢索及線上資料庫如Science Citation Index，Chemical Citation Index，Chemical Abstracts，Beilstein，MDL資料庫與STICNET全國科技資訊網路之查詢。
News
Browse
532 results
Search Results
Item 以氰丙基液相層析質譜技術精進目標代謝體學與途徑解析(2025) 廖琬柔; Liao, Wan-Rou代謝體學探討生物體內小分子代謝物的組成，透過高效能液相層析串聯式質譜儀定性與定量分析，獲取全面性的代謝途徑變化，有助於疾病早期診斷及發現有效治療策略。本研究開發並應用氰丙基層析法，透過調整環境pH值，使目標物在5分鐘內達到良好分離，並成功建立生物分子分析平台。該平台探索了51種代謝物，涵蓋廣泛的生物途徑，包括核苷和核苷酸、氧化還原代謝體、糖解途徑、戊糖磷酸途徑、嘌呤合成途徑、氨基酸以及與神經疾病相關之代謝物。此外，透過在移動相中添加檸檬酸來防止分析物吸附在金屬表面，從而改善波峰形狀並提高靈敏度。質譜系統採用正負模式電噴灑游離法與多重反應監測模式。生物分析平台良好的精密度（RSD%< 15.1%）與準確度（回收率 81.3 - 117.8%），線性範圍1.0 - 2000 ng mL⁻¹，相關係數r > 0.99，偵測極限0.1至10 ng mL⁻¹，定量極限0.1至25 ng mL⁻¹。該平台應用於細胞、腦組織、血液與蜂王漿等檢體，以評估基質效應並驗證平台的可靠性。接著應用於dSH-SY5Y細胞之代謝分析，顯示在神經毒素6-OHDA的環境下，導致細胞內粒線體損傷，進而引起細胞內氧化壓力增加以及能量ATP減少，驗證其可行性與可靠性。接著進一步探討ENERGI在SH-SY5Y細胞與小鼠腦中的神經保護效果，展現其在疾病研究中的潛在應用。該生物分子分析平台具快速、高效且符合綠色化學原則，適用於食品、細胞、組織及生物流體的代謝物分析，成為解析生物體內代謝途徑的強大工具。Item 以銅基金屬有機骨架於分散式固相萃取結合高效液相層析串聯質譜儀分析胺基酸之研究(2025) 陳思蓉; Chen, Ssu-Jung胺基酸廣泛參與生物體內之蛋白質合成、能量代謝及訊息傳遞等生命活動，並在醫學診斷、營養評估、食品品質控管及環境監測中扮演關鍵角色。然而，複雜樣品基質中含有的干擾物質常導致胺基酸分析面臨高背景雜訊、離子抑制及偵測靈敏度不足等問題。為克服上述挑戰，本研究合成一種陰離子銅基金屬有機骨架材料 (Cu-PyC NH4+ MOF)，其負電荷骨架源自雙去質子化之吡唑-4-羧酸酯配體，並由 NH4+陽離子平衡，應用於分散式固相萃取 (dSPE) 以陽離子交換機制選擇性吸附胺基酸，其中胺基酸的質子化銨基團 (-NH3+) 取代 NH4+ 離子。此 MOF 具備高比表面積、規則微孔結構與含氮/含氧官能基團，可與胺基酸形成氫鍵與靜電作用，提供良好的萃取選擇性與效率。實驗中進行萃取與洗脫條件之系統性優化，達成多數分析物回收率超過 80% 並具可接受的重現性，並將所得萃取液以高效液相層析串聯質譜儀 (HPLC-MS/MS) 進行分析，搭配醯胺管柱進行非衍生化分離。應用於即溶咖啡樣品，該方法展現足夠的靈敏度以偵測複雜基質中的微量胺基酸。本研究所建立之陰離子 Cu-MOF/dSPE 結合 LC-MS/MS 方法，提供一選擇性高、快速且環保的胺基酸分析平台，具應用於食品、醫療與環境等領域的實用潛力。Item 四氫吡嗪二異喹啉作為SARS-CoV-2進入抑制劑的合成與評估，以及α-氯烯胺酮、1,4-苯二氮䓬和1H-茚類化合物合成新方法的開發(2025) 帕拉· 桑達裡亞; Sowndarya PallaPart-I: 一類四氫吡嗪并[2,1-a:5,4-a']二異喹啉衍生物在以水作為溶劑的環保條件下被成功合成。部分合成化合物的三維結構通過X射線繞射確定。由於天然存在的異喹啉生物鹼對包括冠狀病毒在內的多種病毒具有顯著的抗病毒活性，對所合成的化合物進行了針對SARS-CoV-2的抑制活性測試。結果顯示，活性化合物50和96分別通過抑制SARS-CoV-2刺突蛋白受體結合域（RBD）與人類受體血管緊張素轉化酶2（ACE2）之間的相互作用，阻止Delta SARS-CoV-2進入VeroE6細胞，表現出EC50值分別為26.5 ± 6.9和17.0 ± 3.7 μM，且CC50均大於100 μM。本研究為異喹啉的抗病毒或其他應用提供了一種綠色合成方法。 Part-II: 苯胺與β-氯酮的Michael加成反應通過消除鹽酸（HCl）生成烯胺酮。隨後，這些烯胺酮通過原位的sp² C-H官能化轉化為α-氯烯胺酮。苯胺上的電子供體基團能提高其與β-氯酮的反應性，生成對應產物並具有優異的產率。開發了一種高度原子經濟的方法，使用二甲基亞碸（DMSO）作為綠色氧化劑和溶劑。該方法可高效生成α-官能化烯胺酮，具有良好的產率和極高的Z-選擇性。通過多種底物驗證了該反應的普適性，並且放大實驗證明其實際應用價值。此外，還實現了在無催化劑的條件下，β-氯酮與鄰苯二胺的雙環化反應，可在溫和條件下合成1,4-苯二氮䓬衍生物，並取得中等產率。Part-III: 一種合成1H-茚類化合物的級聯反應已被開發，通過2-苯乙烯基苯甲醛與吲哚反應實現。該過程包括碘催化的吲哚對2-苯乙烯基苯甲醛醛基的親核加成，形成碳陽離子中間體。這些中間體隨後經歷4π-電子環化反應，生成具有三取代雙鍵的茚類化合物。在反應條件下，這些茚類化合物進一步轉化為熱力學更穩定的全取代雙鍵產物。此外，反應還生成少量吲哚基苯并[b]咔唑類副產物。 关键词: SARS CoV 2：嚴重急性呼吸系統綜合症 RBD：滾輪驅動 NSP：國際衛生戰略Item 結合 MOF-808(Zr) 分散固相萃取與液相層析串聯質譜技術分析高極性農藥(2025) 謝明勲; Hsieh, Ming-Hsun隨著農藥被過度濫用，以及其高毒性與生物累積性會對環境與生物造成危害，使得農藥殘留的問題逐漸被重視。而根據辛醇-水分配係數 (Kow) 可將農藥區分為疏水性及高極性農藥 (Highly polar pesticides)。由於高極性農藥具有兩性離子以及logP較小的特性，使其在定量方面具有一定的挑戰性。金屬有機骨架(MOF)作為新穎的吸附材料，具有高比表面積與高孔隙率的特性，因而被廣泛運用在吸附領域中。本研究使用MOF-303(Al) 與 MOF-808(Zr) 兩種MOF，並以X光粉末繞射進行表徵。接著將 MOF-808(Zr) 作為吸附劑運用至分散式固相萃取，MOF-303(Al) 則作為對照組。本研究使用Obelisc N管柱搭配高效能液相層析串聯式質譜儀 (HPLC-MS/MS) 對四種高極性農藥進行分析。以MOF作為吸附劑進行分散式固相萃取的優化。結果顯示在pH2的條件下 MOF-808(Zr) 能擁有最佳的吸附性能，吸附過程僅需使用10 mg的吸附劑用量並於5分鐘內完成吸附。因 Zr-OH 基團對於磷酸根的官能基具有高度親和力，使得 MOF-808(Zr) 擁有非常良好的吸附效率，結果顯示 MOF-808(Zr) 的表現比MOF-303(Al) 更為突出。本研究顯示 MOF-808(Zr) 可作為吸附劑應用於高極性農藥的前處理流程及後續分析，同時具有應用至食品或環境樣品的高度潛力。Item 利用一價銠金屬催化劑催化具高鏡像選擇性之不對稱串聯合環反應(2025) 江青芸; Chiang, Ching-Yun本論文敘述以一價銠金屬及掌性雙環[2.2.1]雙烯配基L3b形成之催化劑，催化具有不同取代基的芳基硼酯化合物23與7-氮苯駢降冰片烯化合物26進行不對稱串聯合環反應，生成一系列具有茚烷(indane)結構的掌性環化產物27，共28個例子，最高產率達96%，以及高達99%的鏡像超越值。此反應在形成兩個新的碳-碳鍵的同時，亦可有效地建立三個連續的掌性中心。此外本論文亦探討以烯基硼試劑37與1,6烯炔起始物40進行不對稱串聯合環反應，合成一系列具有(diquinene)結構的掌性環化產物41，有 15 個例子，產率、鏡像超越值皆有良好的表現 (88% yield, 96% ee)。Item 石化工業區之複雜有機氣體的即時多點同步分析方法建立(2025) 李宗翰; Lee, Tsung-Han揮發性有機化合物（Volatile Organic Compounds, VOCs）是石化產業常見的污染物，對環境與人類健康構成威脅。本研究開發了一套基於微型氣相層析儀（Micro Gas Chromatograph, μGC）的多重有機氣體分析系統，用於石化工業園區周界的即時現場監測。系統包含兩部自行設計的μGC，結合熱脫附管-二次熱脫附系統（TDT-GC-MS），實現從現場樣品採集到實驗室分析的全流程控制。實驗在高雄市林園工業區進行現場驗證，針對14種代表性VOCs進行監測，包括2-甲基丁烷、丙酮、正己烷、乙酸乙酯、苯、甲苯、四氯乙烯、氯苯、乙苯、間/對-二甲苯、鄰-二甲苯、苯乙烯及均三甲苯。結果顯示，系統在不同環境下能快速、準確地檢測VOCs濃度，並具備高靈敏度與良好定量能力。此外，分析結果結合氣象數據進一步探討污染物擴散行為及來源特徵，顯示風向與污染源分佈對當地VOCs濃度有顯著影響。此監測平台具備即時偵測、長期連續監控及數據遠端傳輸的潛力，可作為石化園區環境監控與污染管理的重要工具。Item 拉曼光譜於色胺酸代謝物檢測之優化比較與中孔洞氧化石墨烯奈米粒子於細胞探針應用之整合研究(2025) 林奇宏; Lin, Chi-Hung本研究旨在建立一套具有高度再現性且具生物應用潛力之拉曼光譜檢測平台，透過多面向的實驗設計優化光譜訊號品質與分析條件。針對常見之拉曼量測不穩定問題，首先導入表面工程技術，採用三甲基矽氯烷 (Trimethylsilane Chloride, TMSCl) 修飾矽晶片之表面親疏水性，藉此提升水相樣品於乾燥後之形貌穩定性與訊號一致性，並成功建立具可預測性之點樣圖樣與重複性條件。更進一步地針對色胺酸 (Tryptophan) 及其代謝產物 (包括：5-Hydroxytryptophan, 5-HTP 與血清素, Serotonin) 進行拉曼光譜訊號的系統性優化，藉由比較多種激發波長 (457、532、785與1064 nm) 對光譜解析度與螢光干擾之影響，發現 785 nm 波長具最佳光譜分辨效果，且 1064 nm 激發條件下的訊雜比可達 250。為進一步強化實驗結果與理論模型間的對應關係，輔以密度泛函理論 (Density Functional Theory, DFT) 進行光譜特徵峰位之理論模擬與比對。此外，本研究亦探討中孔洞氧化石墨烯奈米粒子 (Mesoporous Graphene Oxide Nanoparticles, MGNs) 於不同溶液中之分散性表現，藉由動態光散射 (Dynamic Light Scattering, DLS) 與紫外–可見光吸收光譜 (UV-Vis) 進行分析，證實 MGNs 可於 6 小時內均勻分散於水相環境中。隨後將染劑吸附於分散穩定之 MGNs 表面，進行細胞共培養實驗，並藉由螢光顯微成像與螢光流式細胞儀分析其細胞內輸送效率與螢光表現。初步結果顯示 MGNs 具備進入細胞並攜帶小分子之能力，證實其作為生物探針在細胞層級應用上之可行性。本研究整合表面工程、光譜分析與奈米材料分散性之研究成果，建構一可應用於小分子檢測與細胞追蹤的拉曼光譜平台，為未來生醫檢測與奈米探針開發奠定基礎。Item 錳摻雜對II-VI族半導體二維單層量子材料之光學特性與自旋行為之影響(2025) 董紀慶; Tung, Chi-Ching本研究聚焦在探討過渡金屬離子錳(Mn2+)以不同濃度摻雜對二維 II–VI 族半導體材料之晶體結構、光學響應與自旋行為的影響。研究材料包括 MnxCd₁₋ₓSe(en)0.5 及MnxZn₁₋ₓSe(en)0.5 ，皆採用溶劑熱法合成，並以高解析穿透式電子顯微鏡(HRTEM)、能量色散光譜(EDS)、X 光繞射(XRD)、拉曼光譜、電子順磁共振(EPR)及 X 光磁圓二色性光譜(XMCD)等多重表徵技術，系統性分析摻雜濃度與環境參數，例如:氣氛、磁場與溫度，對於材料性質的影響。實驗結果顯示，錳離子可均勻摻雜至材料晶格中，導致晶格收縮與內部應變，並造成能帶結構與激子結合能之調變。在光譜響應方面，以圓偏振與線偏振拉曼分析探討聲子強度之角度依賴性，以結果來看，LO (longitudinal optical) 模態具有明顯的偏振選擇性與磁場響應性，顯示出材料中存在強烈的自旋–軌道耦合(Spin-orbital coupling)與自旋選擇性光躍遷。XMCD 進一步證實錳摻雜後材料在不同磁場下的自旋態調變與賽曼分裂現象，並觀察到鎘原子亦受錳自旋極化影響，呈現自旋漣漪效應。該成果對於理解過渡金屬摻雜對二維量子材料光學響應、自旋動力學與能階重構機制提供具體實驗依據，對於自旋電子學、磁光元件與低維度光電應用之設計策略提供重要參考。Item 分析機器學習對化學材料的應用(2025) 林仰徹; Lin, Yang-Che近幾年，機器學習（ML）正迅速改變化學領域的研究方式，藉由使用這種數學工具，我們能夠在大量的資料中，對化學材料的性質進行預測、探索，甚至以此進行逆向設計等各種化學空間的應用。在本篇論文中，我們簡單分析了目前現有的機器學習方法，包括監督式學習（Supervised Learning）、非監督式學習（Unsupervised Learning）、半監督學習（Semi-supervised Learning, SSL）、強化學習（Reinforced Learning），及自監督學習（Self-supervised Learning），並探討上述方法在目前化學材料領域中的挑戰扮演之重要角色。此外，由此發展之深度學習（Deep Learning）與主動學習（Active Learning），進一步擴展了機器學習處理複雜結構的能力，有效降低資料取得的成本，相對於機器學習，亦展現出不凡的效果。接著在實務方面，在後續章節我們會介紹機器學習在預測材料性質（如能隙、吸附能、熱導率等）、材料分類、催化劑設計及高熵材料探索之應用，以及在應用方法前，對原始資料的前處理，與針對不同情境所使用的任務類型，如迴歸、分類、聚類與生成建模。本篇分析中也深入分析了機器學習在化學材料領域中之挑戰，如資料稀缺與品質不一、模型的解釋性及泛化性不足、結果的可合成性等。最後，我們概述了新興趨勢與未來發展方向，包括基礎模型、自動化實驗系統，以及以資料為核心的研究策略。此分析論文期以提供基本概念及有結構的入門指引，協助推動機器學習驅動之化學材料科學研究之參考資源。Item 小鼠大腦中脂質體學分析的液相層析條件研究(2025) 陳諺霆; Chen, Yen-Ting塑膠的壽命極長，在物理、化學或生物作用下很容易降解為較小的微塑膠 (Microplastics, MPs)。MPs對哺乳動物的潛在毒性仍有爭議。本研究應用液相層析-質譜聯用(LC-MS)技術，進行毒性相關差異脂質的非靶向(Untargeted)分析。我們使用脂質體學分析平台，結合C18、T3和C8三種層析管柱，並搭配甲酸、乙酸、甲酸銨與乙酸銨四種添加劑，設計12種層析條件。結果顯示，在正電模式下C18管柱可有效分離碳鏈較長的脂質，提供最佳的檢測能力。而在負電模式下，T3管柱能有效滯留具極性頭基的脂質，進一步提升鑑定能力。綜合評估後，正電模式使用C18管柱搭配甲酸銨與甲酸，負電模式使用T3管柱搭配乙酸銨與乙酸，兩者結合可顯著提升脂質的覆蓋率，從而能夠鑑定多達583種脂質。隨後，此優化的脂質體學平台被應用於研究小鼠大腦接觸微塑膠後脂質體學的變化，為塑膠微粒引起的潛在毒性提供新的見解。