一种新型纺锤状α-Fe_2O_3纳米晶的合成、表征及其表面性能(英文)

合成了一种新型的具有单晶结构的α-Fe2O3纳米晶(NFO-1).在我们的合成方法中,样品的形貌和结构在低反应浓度体系中运用无机盐和有机模板进行双重调控,同时用溶剂挥发诱导自组装(EISA)来加速反应和在不改变形貌结构的前提下获得高产率样品.所得α-Fe2O3纳米晶的形貌和结构对其表面修饰功能有明显的影响,NFO-1因其特殊的纺锤状形貌而与表面功能试剂(多巴胺)之间的化学作用有明显的增强.并且,本文所描述的合成方法同样适用于其他过渡金属氧化物纳米单晶的合成.我们预期,这种方法可为新型纳米材料的合成提供新的途径.     

Dawson结构的多金属氧酸盐对酪氨酸酶的抑制作用

按文献方法合成了两种Dawson结构的多金属氧酸盐,并对其结构进行紫外光谱和红外光谱分析。以H_6[P_2Mo_(18)O_(62)]和H_8[P_2Mo_(17)Cr(OH_2)O_(61)](简写为P_2Mo_(18)和P_2Mo_(17)Cr)为效应物,采用紫外分光光度法和酶动力学方法研究两种Dawson结构的多金属氧酸盐效应物对蘑菇酪氨酸酶二酚酶活性的抑制作用。结果表明,P_2Mo_(18)和P_2Mo_(17)Cr对酪氨酸酶二酚酶均具有显著的抑制效果,测定抑制酪氨酸酶活力下降50%的抑制浓度(IC_(50))分别为(0.482±0.009)mmol/L和(0.503±0.011)mmol/L。动力学分析表明,P_2Mo_(18)和P_2Mo_(17)Cr对酪氨酸酶的抑制作用均表现为可逆的竞争型,抑制常数K_I分别为0.212和0.249 mmol/L。其中,综合考虑IC_(50)值和抑制常数,P_2Mo_(18)对酪氨酸酶二酚酶活性的抑制效果略优于P_2Mo_(17)Cr。     

快速溶剂萃取-高效液相色谱测定塑料中邻苯二甲酸酯类化合物

反相高效液相色谱;快速溶剂萃取;邻苯二甲酸二(乙基)己基酯;邻苯二甲酸二正辛酯     

石英钟罩对MPCVD金刚石膜沉积的影响

为了提高高品质金刚石膜的沉积速率,利用CST三维电磁场仿真软件,模拟了Diamo Tek700微波等离子体化学气相沉积设备中,在忽略等离子体存在的前提条件下,石英钟罩的厚度和形状对沉积金刚石膜的基片表面电场分布的影响.同时采用壁厚3 mm,3.5 mm和4mm的平顶和壁厚4 mm的圆顶钟罩分别进行了金刚石膜的沉积实验.模拟结果显示,对于同一类型的石英钟罩,壁厚的变化(3 ～4 mm)对基片表面平均电场影响不大;而壁厚相同的圆顶钟罩情况下基片表面平均电场则比平顶的高出10;.壁厚4 mm的圆顶石英钟罩得到了相对较高且均匀的电场分布.结果表明,沉积速率与模拟的基片表面电场强度存在对应关系;采用壁厚4 mm圆顶钟罩与原厂设计的壁厚3 mm平顶钟罩相比,在相同的工艺条件下,沉积速率提高一倍,达到1.4 μm/h.     

基于热致变色微胶囊的科普实验方案

颜色是缤纷世界的重要组成部分,热致变色微胶囊的颜色随温度变化而变化,具有“可视、可玩、可教”的特点。本科普实验以热致变色微胶囊制备为切入点,从分子结构选择到微胶囊制备和表征,讲述热致变色现象中的化学原理,提高中学生对生活现象的观察力和探知力。本实验操作过程简单、实验现象贴近生活、实验原理易于推广,可以培养学生的基础操作能力,有利于提高学生从理论到实践的转换水平,提升科创探索的设计和动手能力。     

基于logistic回归模型的大数据分布式两步子抽样算法

随着大数据时代的到来,分布式存储系统被广泛应用,这使得数据的分析面临较大的挑战。本文主要基于文[1]提出的两步子抽样算法思想,提出分布式两步子抽样算法,利用该算法得到的参数估计量具有一致性和渐近正态性。采用数值模拟及真实数据预测,进一步对算法进行评估,结果表明,分布式两步子抽样算法与简单随机抽样算法相比精度更高,与全样本相比,在保证精度损失很小的基础上,节约了CPU运行时间,提高了算法效率。     

反应型非离子表面活性剂的制备及其组成和结构

以丙烯酸(AA)与硬脂酸单甘油酯(GMS)、油酸单甘油酯(A300)或油酸单山梨糖醇酐酯(Span 80)为起始物, 对甲苯磺酸为催化剂, 对苯二酚为阻聚剂, 制备了三类含有1-烯键的反应型表面活性剂. 通过反应体系中AA 的加料量及其残留量, 计算得到丙烯酸的转化率为91%以上, 制备的反应型非离子表面活性剂的收率达到80%以上. 用红外光谱(FTIR)、核磁共振氢谱(1H NMR)和质谱对反应产物的组成和结构进行了表征, 确认获得了三类目标产物. 将这三类表面活性剂作为流滴剂与聚乙烯发生接枝反应后, 提高了聚乙烯的结晶温度, 降低了水在聚烯烃膜表面的接触角, 解决了聚乙烯农用棚膜的流滴期短的问题.     

基于两步子抽样算法的多目标抽样统计推断研究

针对海量数据,子抽样算法是当前一种流行的简化计算和降低计算成本的方法。现阶段的研究主要集中于单目标变量的估计上。多目标抽样也是现实生活中经常遇到的问题。本文提出基于广义线性模型,多目标抽样的均值两步子抽样算法。两步子抽样算法是Wang等(2018)^[1]提出的基于L-最优和A-最优的思想,确定每个抽样单元的入样概率。本文在此基础上,定义多目标抽样的各单元的入样概率,并推导模型参数估计量的渐近性质,最后用模拟数据和实际例子对均值两步子抽样算法和多目标两步子抽样方法进行比较。结果表明,在样本量相同时,A-最优准则下均值两步子抽样算法在估计精度上优于基于两步子抽样算法的MPPS抽样和L-最优准则下均值多目标两步子抽样算法。在计算效率上也较全样本估计有显著的提高,节约了计算时间。     

拉曼光谱检测生物大分子损伤的研究进展

拉曼光谱是基于拉曼散射效应而发展起来的一种光谱分析技术,体现的是分子的振动或转动信息。由于拉曼光谱技术与常规化学分析技术相比,具有对样品无损、样品制备简单和所需样品量少等特点,广泛用于生物大分子结构变化的研究。拉曼光谱不仅可以用于蛋白质、核酸和脂类等生物大分子损伤的快速检测,而且可以用于癌症的诊断与手术治疗。通过对比正常组织与癌变组织的拉曼光谱,可以找到两种组织特征吸收峰的差异,从而为癌症的最终确诊和确定肿瘤切除范围提供重要信息。文章综述了拉曼光谱检测生物大分子损伤的研究进展,介绍了利用表面增强拉曼光谱、傅里叶变换拉曼光谱和紫外共振拉曼光谱等技术在检测蛋白质二级结构、膜脂及DNA损伤中的应用,并展望了未来拉曼光谱技术的发展前景。