部分还原氧化石墨烯的制备、 表征及对人宫颈癌HeLa细胞的体外杀伤作用

以氧化石墨烯(GO)为原料, 利用温和方法制备了3种不同还原程度的部分还原氧化石墨烯pRGO₁, pRGO₂和pRGO₃(pRGO_1—3)； 利用傅里叶变换红外光谱(FTIR)、 拉曼光谱(Raman)、 X 射线光电子能谱(XPS)、 紫外-可见光谱(UV-Vis)、 透射电子显微镜(TEM)和 EDS能谱对其结构和形貌进行了表征. 细胞实验结果表明, 无激光照射下pRGO_1—3本身的细胞毒性较低; 近红外(NIR)激光照射下pRGO_1—3通过光热和光毒性双重作用杀伤肿瘤细胞. 实验结果显示了pRGO 在肿瘤光热疗法和光动力疗法领域的应用潜力.     

基于MOF (Cu)@biochar气凝胶的制备及其在缓释氮肥上的应用

以羧甲基纤维素(CMC)、明胶和MOF(Cu)@biochar为原料,采用简单有效的冷冻干燥方法制备了(CMC/Gelatin/MOF(Cu)@biochar)杂化气凝胶,并用傅里叶变换红外光谱(FT-IR)、热重分析(TG)、X射线粉末衍射(XRD)、扫描电镜(SEM)和X射线光电子能谱(XPS)技术对其进行了表征;研究了MOF(Cu)@biochar含量、pH和不同的盐水溶液对杂化气凝胶溶胀行为的影响;以该气凝胶负载氯化铵,制备了一种新型缓释肥料(SRF),并研究了含2%(wt)SRF的沙性土壤的保水能力;SRF在土壤中第30天的累积释放率为79.4%;肥料在土壤中释放符合非Fickian扩散和阳离子交换的协同作用机理。     

基于不确定控制理论的最优策略研究

本文在不确定理论的框架下,研究一类带背景状态变量的最优控制模型.在乐观值准则下,利用不确定动态规划的方法,证明了不确定最优性原则,得到最优性方程.作为应用,求解一个固定缴费(DC)型养老金的最优投资策略问题,在乐观值准则下,以工资变量为背景状态变量,建立养老金模型.通过求解不确定最优性方程得到最优投资策略和最优支付率.     

基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

Ultrahigh Loading Copper Single Atom Catalyst for Palladium-free Wacker Oxidation

Wacker oxidation is an industry-adopted process to transform olefins into value-added epoxides and carbonyls. However, traditional Wacker oxidation involves the use of homogeneous palladium and copper catalysts for the olefin addition and reductive elimination. Here, we demonstrated an ultrahigh loading Cu single atom catalyst(14% Cu, mass fraction) for the palladium-free Wacker oxidation of 4-vinylanisole into the corresponding ketone with N-methylhydroxylamine hydrochloride as an additive under mild conditions. Mechanistic studies by ¹⁸O and deuterium isotope labelling revealed a hydrogen shift mechanism in this palladium-free process using N-methylhydroxylamine hydrochloride as the oxygen source. The reaction scope can be further extended to Kucherov oxidation. Our study paves the way to replace noble metal catalysts in the traditional homogeneous processes with single atom catalysts.     

零维到三维结构中三核铜自旋阻挫簇单元的磁构关系和反对称交换

量子自旋液体是最近几年刚被人们证实除铁磁体、反铁磁体之外的第三种磁性类型,因其有望解释高温超导的运行机制、改变计算机硬盘信息存储方式而在物理、材料等领域备受关注。自旋阻挫作为量子自旋液体的最小单元可能是解开量子自旋液体诸多问题的钥匙,所以在磁学、电学研究领域再一次成为人们研究的热点。基于文献报道的三核铜配合物[Cu3(μ3-OH)(μ-OPz)3(NO3)2(H2O)2]·CH3OH(1),我们合成了三维金属有机框架配合物{[Ag(HOPz)Cu3(μ3-OH)(NO3)3(OPz)2Ag(NO3)]·6H2O}n(2)(HOPz=甲基(2-吡嗪基)酮肟),并从自旋阻挫的角度对二者磁性质进行对比和详细分析。磁化率数据表明自旋间有很强的反铁磁相互作用和反对称交换。通过包含各向同性和反对称交换的哈密顿算符对两者磁学数据进行拟合并研究其磁构关系,所获最佳拟合参数为:配合物1:Jav=-426 cm^-1,g⊥=1.83,g∥=2.00;配合物2:Jav=-401 cm^-1,g⊥=1.85,g∥=2.00。     

盐酸伊达比星杂质A的合成工艺优化及其高效液相分析

通过对盐酸伊达比星脱羟基杂质A的合成研究，为盐酸伊达比星的质控标准提供参考。以盐酸伊达比星为起始原料，经过4步反应得到脱羟基杂质A。本文提供了盐酸伊达比星杂质A的制备方法以及高效液相色谱分析方法，为杂质含量控制提供了依据。该工艺可以稳定、快速制备高纯度脱羟基杂质A，制备总收率为57.20%，纯度为57.20%，其结构经¹H NMR， ¹³C NMR和MS(ESI)表征。     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。