排序方式: 共有19条查询结果,搜索用时 156 毫秒
1.
手性和螺旋是生命体系中对生物功能起着重要作用的两大元素。近年来,由于螺旋状配合物特别是手性螺旋配合物被陆续发现在不对称催化、分子识别、手性拆分、非线性光学材料等方面存在较大的应用价值而备受化学家的关注。该文主要针对国内外已报道的手性螺旋配合物的组装方式进行分类总结,概括了手性螺旋配合物的主要构筑途径,包括:氢键作用、配位作用、π-π堆积以及亲银作用。 相似文献
2.
概率神经网络和FTIR光谱用于食道癌的辅助分析 总被引:1,自引:1,他引:0
利用正常与相应癌化食道组织的主要FTIR特征峰aυs,CH3、sυ,CH2、σCH2、aυs,po4-、υc-o、sυ,po2-及sυ,磷酸化蛋白作为概率神经网络的输入向量,对网络的主要参数(网络径向基函数分布spread(0~5))、输入向量和网络表现(m ean accurate rate of recogn ition)之间的关系进行了研究。主要结论如下:i)无论输入向量是哪种特征频率的组合,其平均识别正确率都高于71.40%;ii)当输入向量为特征频率sυ,po2、sυ,磷酸化蛋白或υc-0、sυ,po2、sυ,磷酸化蛋白时,网络表现较佳,平均识别正确率较好。当spread介于1.4~2.3时,两者均达到网络具有的最高平均识别正确率(85.71%);iii)大多数情况下,网络的平均识别正确率与spread之间呈现二个高峰的特征,即spread介于0.1~0.3和1.5~5.0之间时,网络均具有较高的平均识别正确率。研究表明,以傅里叶变换红外光谱的主要特征峰为概率神经网络的输入向量,用于食道组织样品的癌化识别分析是完全可能的,其平均识别正确率可达85.71%。 相似文献
3.
4.
学习向量量化神经网络用于胃癌组织样品分类识别的研究 总被引:3,自引:1,他引:3
将lvq神经网络(Learn ing Vector Quantization Neural Networks)用于胃癌组织样品的分类识别,根据胃癌组织及相应正常组织的FTIR光谱的主要特征吸收峰值(包括vas(CH3)、vs(CH2)、δ(CH2)、v(C-O)、vs(PO2-)、vas(PO2-)和vs(核酸,细胞蛋白及膜脂))全部或部分作为网络输入向量,对未知的胃组织样品进行分类识别,结果显示:i)以上述全部七个谱峰为输入向量时,网络经训练学习后,其平均识别正确率最高(达89.3%),表明该网络对胃癌组织样品的分类识别是满意的,完全可作为临床医学的辅助诊断手段;ii)总体上,当作为输入向量的FTIR特征谱峰越多时,则网络的平均分类识别正确率越高;iii)作为输入的FTIR特征谱峰不同时,则网络的平均分类识别正确率也不同。 相似文献
5.
傅里叶红外光谱研究血清白蛋白构象 总被引:5,自引:0,他引:5
用傅里叶红外光谱法研究了BSA及其水溶液的红外光谱。通过对其酰胺I带傅里叶自转积谱分析,为其及部分水溶液中的二级结构构象进行了指认。结果表明,BSA水溶液状态与固态时的二级结构是不同的。随着溶液浓度的降低,酰胺I带二级结构峰存在明显的位移现象,即1609.86cm^-1位移到1608.24cm^-1,1633.85位移到1638.36cm^-1,1653.69cm^-1位移到1656.10cm^- 相似文献
6.
胃癌组织与正常组织样品FTIR研究 总被引:7,自引:1,他引:6
用傅里叶变换红外光谱仪研究胃癌组织及相应正常组织的红外光谱。结果表明癌组织样品与正常组织样品的红外光谱在峰形、峰强度、峰频率等方面均存在明显差异。讨论了磷酸二酯基团(PO2^-)的对称和反对称伸缩振动;CH3、CH2基团的伸缩及弯曲振动;C-O基团伸缩振动峰的变化。并从蛋白质、核酸氢键的角度以及膜脂碳氢链排列及构象变化角度分析了发生变化的原因。磷酸二酯基团(PO2^-)的对称伸缩振动vs,PO2^-呈现有规律性变化,即癌化后由平均1080.92cm^-1向高波数方向位移到平均1085.93cm^-1处,反对称伸缩振动vas,PO2^-由平均位于1239.64cm^-1位移到平均位于1238.73cm^-1处,表面核酸骨架上磷酸二酯基团中的氧原子形成氢键的程度加强了。另外膜脂分子中的CH2弯曲振动δCH2也呈有规律地向高波数方向移动,癌化后由平均位于1455.23cm^-1位移到1457.37cm^-1处,表面了膜脂双分子层结构中磷脂分子CH2链无序程度加大了。细胞蛋白的C-O伸缩振动谱带VC-0由平均位于1166.08cm^-1位移到平均位于1166.58cm^-1,表明癌化后细胞蛋白的C-O基团氢键的程度下降的。 相似文献
7.
概率神经网络及FTIR用于胃癌组织样品分类识别的研究 总被引:1,自引:0,他引:1
近年来,神经网络广泛地用于非线性校正、模式分类、识别、优化、过程控制、参数估计、预测预报等领域[1-3];在化学方面,神经网络也得到了较快的发展[4,5].比如,神经网络用于IR光谱的重叠峰的处理及不同组份含量的同时测定问题[6],以及分子性质的预测研究方面等[7]. 相似文献
8.
以脲素为燃烧剂,采用燃烧法在较低引发温度下快速合成了CaAl12O19∶xMn4+发光粉体。采用正交分析法考查了煅烧温度、Mn4+掺杂量、燃烧剂用量和煅烧时间等合成条件对荧光粉发光强度的影响。实验结果表明:煅烧温度1 200 ℃,Mn4+掺杂量2%,燃烧剂/CaAl12O19摩尔比为50∶1, 煅烧时间5 h为最佳合成工艺,制得的荧光粉的发射强度为95.8。该荧光粉由于Mn4+的2E—4A2跃迁,在643和656 nm呈现强红色发光,其中656 nm为最大发射峰;在470 nm处的最大激发峰是属于Mn4+配位场的4A2—4T2跃迁,470 nm激发峰可以与LED芯片的465 nm发射相匹配。 相似文献
9.
1 INTRODUCTION Neutral zinc(II) complexes, being monomeric structure with tetrahedral geometries, have shown excellent photoluminescent properties[1, 2], and some of them also have excellent electroluminescent properties[3 ~ 5]. Therefore, neutral organic Zn(II) complexes have been used as both photoluminescent materials and electroluminescent emitters in organic diodes. For example, bis(2-(benzimidazol-2-yl)phe- nolate)zinc shows excellent performance in photolu- minescence[6], and bis… 相似文献
10.
采用高温固相法合成YAG∶Ce3+发光材料。用正交试验法设计实验,确定Ce3+掺杂量、焙烧温度、焙烧时间的最佳条件。研究结果发现:(1)荧光粉发光强度的影响因素排列顺序是:焙烧温度>焙烧时间>Ce离子掺杂量。其中焙烧温度的影响最为关键,其次是焙烧时间的影响,而Ce离子掺杂量的影响较小。(2)用高温固相法制备YAG∶Ce3+荧光粉的最佳工艺参数为:焙烧温度1600℃,Ce离子掺杂量0.10 mol ,焙烧时间4 h ,即 A5 B5 C3组合。依此条件,合成的荧光粉发光最好。另一个最优组合是:焙烧温度1600℃,Ce离子掺杂量0.08 mol ,焙烧时间4 h ,即A5 B4 C3组合。依此条件,合成的荧光粉发光也很好,但稍弱于A5B5C3组合。对合成YAG∶Ce3+发光材料的激发(343和467 nm)、发射(529 nm)光谱的峰形变化及跃迁性质进行了深入分析及指认。 相似文献