明胶层中的扩散和反应的动力学研究 (Ⅰ)纯扩散和扩散伴随一级反应的数值模型

设计了两个数值模型,分别描述明胶层中的反应物的纯扩散和扩散伴随一般反应的动力学过程。用这些模型可以给出反应物在明胶层中不同时间下的空间分布。比之通常的分析解法,计算机化的数值模型更易求解,而且更具有解决复杂动力学过程的能力。为了验证这些数值模型的适用性,还同时与相应的分析解法作了对照。     

二氧化氮分子中的化学键

二氧化氮分子中的化学键张小平李夏＊邹应泉（北京铁路师范学校１０００３１）（首都师范大学化学系１０００３７）（北京师范大学化学系１００８７５）我们曾经利用半经验方法讨论过Ｎ２Ｏ４的结构问题［１］。最近，具有奇数电子的角形结构的ＮＯ２分子又引起了我们极大...     

新显色剂对碘偶氮氯膦—Zr（IV）反应的吸光光度法研究

报道了新显色剂对碘氮氯膦与锆的最佳显色条件。在盐酸－硫酸介质中，锆与显色试剂形成１：１的蓝色配合物。其最大吸收峰位于６９０ｎｍ处，摩尔吸光系数ε为６．８８×１０＾４，锆量在０￣１０μｇ／２５ｍｌ范围内符合比耳定律。方法已用于不含锋土的铝合金样品中微量锆的测定，结果满意。     

基于免疫磁性纳米球快速高效准确检测淋巴结转移癌细胞

发展了一种基于免疫磁性纳米球(IMNs)快速、高效、准确检测淋巴结转移癌细胞(LNMCCs)的策略.首先利用本课题组发展的方法制备了具有磁性和生物靶向双功能的IMNs,然后利用IMNs通过免疫磁分选对淋巴结转移癌病人淋巴结穿刺物中的LNMCCs进行分离和富集,最后采用瑞氏染色法和免疫细胞化学(ICC)对富集的LNMCCs进行鉴定,实现对LNMCCs的快速高效准确检测.免疫磁分选实现了LNMCCs的分离和富集,可以有效降低淋巴结穿刺物中的背景干扰;瑞氏染色法和ICC鉴定为准确诊断提供了更多可靠依据,因此,传统细胞学敏感性、特异性和诊断准确率不高的问题得到明显改善.其次,淋巴结穿刺物与IMNs的孵育只需5 min,简便快速,完整保留了LNMCCs的形态学特征,为淋巴结转移癌(LNMC)的分类和后续病理学分析提供了重要基础.此外,IMNs对淋巴结穿刺物中上皮来源癌细胞的特异性捕获可以确诊捕获的细胞为LNMCCs,实现了LNMC和恶性淋巴瘤的鉴别诊断.最后,采用本方法检测了110例病人淋巴结穿刺物中的LNMCCs,总诊断准确率高达98.2%,特异性为100.0%,敏感性为98.0%,相比于传统细胞学诊断都有明显的提高.因此,IMNs用于LNMC病人淋巴结穿刺物中LNMCCs的检测是一次新的尝试,为LNMC的诊断和研究提供了新思路.     

计算二聚体系平衡常数的新方法

本文利用一些数学变换技巧,首次给出了关于二聚平衡常数方程组的精确解。根据排列组合原理,设计一个计算程序对一组实验数据可能形成的所有方程组求得的解进行平均,以消除实验误差的影响。用本方法算出二磺化和三磺化酞菁的平衡常数分别为0.75×10~6和0.92×10~5,表明溶解性越大,二聚程度越小。     

明胶层中的扩散和反应的动力学研究——(Ⅴ)油溶性成色剂的偶合反应的动力学

研究了明胶层中油溶性成色剂油珠的偶合反应动力学。通过实验和数值模拟的比较证明:在明胶层中油溶性成色剂(C-1)油珠与彩色显影剂CD-4的氧化产物的偶合反应主要是发生在油珠-明胶水溶液的界面上。偶合反应速度与油珠大小、比速率常数、成色剂在油相中的浓度以及QDI的扩散系数有关。并且得到C-1成色剂油珠的比速率常数、CD-4氧化产物的扩散系数以及QDI和生成的染料在明胶层中的时空分布。同时观察到温度对偶合反应动力学的影响。     

ZIF-8/碳纳米管复合材料的制备及其用于4-氯苯酚电化学传感

以聚乙烯吡咯烷酮K30为分散剂,碳纳米管(CNTs)为导电增强材料,二水合乙酸锌和2-甲基咪唑(MeIM)为前驱体,合成出一种Zn-MeIM金属有机框架材料(ZIF-8)与CNTs的复合材料(ZIF-8@CNTs).研究表明,与ZIF-8及CNTs相比,所制备的ZIF-8@CNTs对4-氯苯酚(4-CP)的电化学氧化表...     

铜离子配位甲烷氧化菌素功能化纳米金模拟过氧化物酶的研究

合成了纳米金-甲烷氧化菌素(Mb)-铜配合物,该配合物可以作为模拟过氧化物酶用于催化过氧化氢氧化对苯二酚的反应.通过紫外光谱、荧光光谱、红外光谱对纳米金-甲烷氧化菌素(Mb)-铜进行了表征.利用紫外-可见分光光度法研究了配合物催化过氧化氢氧化对苯二酚的动力学.考察了体系p H、体系温度及过氧化氢/催化剂摩尔比对催化反应速率的影响.结果表明纳米金-甲烷氧化菌素(Mb)-铜配合物符合生物催化剂条件影响的一般规律,但比生物酶具有更高的热稳定性.     

机器学习方法在高分子玻璃化研究中的应用

高分子玻璃的物理性质与其结构和动力学密切相关.揭示高分子玻璃化的微观物理图像对高分子玻璃材料的结构调控和分子设计至关重要.然而,高分子的长链结构和复杂单体结构特征致使目前仍然缺乏普适的理论或者模型来定量解释高分子玻璃化的物理机制.因此,亟需发展更为先进的研究方法从而更深入地理解高分子玻璃化.近年来,国内外学者利用基于数据驱动的信息学方法(例如机器学习)对高分子玻璃化开展了研究,并取得了丰富成果.本综述首先介绍了常用的高分子信息学数据库和机器学习算法.之后,从高分子玻璃化转变温度的预测、新型高分子玻璃材料的研发、过冷液体的结构-动力学关系和玻璃体系相变的确定四个方面总结和评述了机器学习应用在玻璃化研究中的代表性进展.最后,探讨了机器学习方法在高分子玻璃化研究中面临的主要挑战,并对玻璃信息学这一领域的发展进行了展望.