单糖的柱前衍生化高效液相色谱及胶束电动毛细管色谱分析的对比研究

 采用1-苯基-3-甲基-5-吡唑啉酮(PMP)衍生糖类物质,通过简化衍生方法,优化分析条件,采用胶束电动毛细管色谱(MEKC)和高效液相色谱(HPLC)两种方法对5种还原单糖的PMP衍生物实现了良好的分离。5种还原单糖衍生物的保留时间的重现性较好(MEKC法的相对标准偏差(RSD)小于5%(n=5),HPLC法的RSD为0.23%(n=5))。用所建立的两种方法对实际样品中的糖进行了分析,结果表明所建方法可作为实际样品中单糖分析的常规方法。     

截短新型冠状病毒N蛋白在荧光层析法上的应用

基于截短新型冠状病毒(Severe Acute Respiratory Syndrome Coronavirus 2,SARS-CoV-2)N蛋白和全长N蛋白,采用荧光免疫层析技术,建立了一种高灵敏度快速评价新型冠状病毒肺炎患者体内SARS-CoV-2抗体水平的方法。以荧光微球为标记物制备试纸条,进行阴性和阳性检测并选出较优抗原配对组合。初步评价了其精密度与稳定性,并与已上市的检测方法进行对比。根据阴性和阳性检测结果优选截短N蛋白标记,全长N蛋白包被组合,所建立的方法可以在 15 min内完成SARS-CoV-2抗体水平的检测,能够有效区分阴阳性,批内精密度CV为3.48%~10.05%,批间精密度CV为4.77%~11.73%。试纸条在37 ℃条件下能够稳定保存21 d,与胶体金检测法一致性较好,总符合率为96.13%,阳性符合率为90.63%,阴性符合率为97.56%。该研究基于截短N蛋白初步建立的荧光免疫层析检测方法能有效评价患者体内的SARS-CoV-2抗体水平,具有良好的精密度和稳定性,便于在基层医疗单位推广,有较好的应用前景。     

高效凝胶渗透色谱及高效液相色谱和电喷雾-离子阱质谱法联用测定构成芦荟多糖的单糖

利用高效凝胶渗透色谱(HPGPC)测定芦荟浓缩液和芦荟粉中多糖的纯度和相对分子质量,使用1-苯基-3-甲基-5-吡唑啉酮(PMP)作为柱前衍生试剂分别对样品和其水解产物进行衍生,结合高效液相色谱(HPLC)分离和电喷雾-离子阱质谱(ESI-MS)检测分析其单糖组成.结果表明:组成芦荟中多糖的单糖主要是甘露糖和葡萄糖.     

基于多因素回归分析和机器学习算法的冠心病预测模型构建及比较

本文旨在构建基于临床电子病历数据的冠心病预测模型.回顾性收集了2015年至2020年在宁波大学医学院附属医院住院期间,接受选择性冠状动脉造影的患者的临床数据,分别应用决策树、朴素贝叶斯和逻辑回归算法构建冠心病预测模型,比较3种模型的预测性能.共收集354例患者数据,其中冠心病患者140例,非冠心病患者214例,根据逻辑...     

定向碳纳米管/天然橡胶复合材料导热性能的研究

本文采用溶液共混技术将定向碳纳米管(A-MWNTs)填充到天然橡胶中,得到A-MWNTs填充的天然橡胶复合材料。观察了A-MWNTs在天然橡胶基体中的分散情况,研究了A-MWNTs对天然橡胶复合材料导热性能的影响,并进行多项式拟合分析。研究表明:A-MWNTs在与天然橡胶溶液共混过程中经超声波振荡和搅拌后会被部分打乱。但是在微束单元内是定向的,在整体上呈非定向分布。随着A-MWNTs填充量的增加,复合材料的导热率快速增大。通过对导热率数据进行多项式拟合,以此为研究复合材料导热性能提供可靠的技术途径。结果表明:拟合曲线可以较为准确地预测复合材料导热率的变化趋势。     

Purification in entanglement distribution with deep quantum neural network

Entanglement distribution is important in quantum communication. Since there is no information with value in this process, purification is a good choice to solve channel noise. In this paper, we simulate the purification circuit under true environment on Cirq, which is a noisy intermediate-scale quantum (NISQ) platform. Besides, we apply quantum neural network (QNN) to the state after purification. We find that combining purification and quantum neural network has good robustness towards quantum noise. After general purification, quantum neural network can improve fidelity significantly without consuming extra states. It also helps to obtain the advantage of entangled states with higher dimension under amplitude damping noise. Thus, the combination can bring further benefits to purification in entanglement distribution.