UJ24型电位差计的检修与调节

UJ24型电位差计使用时出现的故障,可以利用数字万用表排查故障,提出排查方案,进行维修与调节,使它尽快恢复到最佳工作状态,这样既节省厂家的维修时间又节省学校的维修费用。     

新型4-羟色胺类化合物的合成及生物活性

以4-羟基吲哚为原料,经吲哚环4位乙酰基化、3位亲电取代、酰胺化和还原加氢等反应合成目标化合物7.通过核磁共振氢谱及碳谱对化合物进行结构表征,并对目标化合物进行体外抗氧化生物活性测试.初步生物活性测试结果表明,化合物7a,7b,7c和7d对DPPH·均有很强的清除作用(清除率为85.25%~90.73%),7e,7f,7g,7h作用较差;目标化合物与Vc相比,对·OH的清除作用稍差,最高清除率25.66%(Vc的最高清除率为34.67),但各化合物整体水平相当;在清除O-2·能力上化合物7a,7d,7g,7h最大清除率(分别为19.34,35.35,27.93和31.74)均强于同等浓度的Vc(17.58).     

煤直接液化油中混合酚的分离研究

利用分子筛择形特点，对煤直接液化油中的混合酚实施高效分离。本研究选取间甲酚和对甲酚作为分离煤直接液化油馏分段混合酚的模型化合物，采用化学液相沉积法对HZSM-5吸附剂的孔口结构进行改变，分析分子筛硅铝比及颗粒粒径对模型化合物间甲酚和对甲酚吸附分离性能的影响，以获得高性能固相吸附剂，并将其应用于180-190℃馏分段混合酚分离。结果表明，当分子筛硅铝比为25、粒径为3-5 μm时，分子筛的孔口结构调节效果最优；当正硅酸乙酯的最小用量为0.2 mL/g时，固相吸附剂的吸附量为0.03 g/g，对甲酚选择性高于95%。由于外表面沉积物对吸附剂的孔口结构变化，导致对甲酚选择性的提高。进一步采用HZSM-5（1）吸附剂对真实煤直接液化油混合酚的分离中发现，苯酚和对甲酚的选择性均达到100%。     

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。     

新型含吡啶基团二羧酸配体的合成及单晶培养

以1，4-二溴-2，5-二甲基苯和4-吡啶硼酸为原料，经两步合成了一种新颖的含吡啶基团的二羧酸配体。通过核磁共振氢谱及傅里叶变换红外光谱对配体结构进行表征，通过热重分析对配体的热稳定性进行了测试；通过溶剂热法对配体的单晶进行培养，并考察反应温度、时间、pH和溶剂等条件对单晶培养的影响。结果表明：在反应温度为80 ℃，反应时间为12 h、溶剂为蒸馏水、溶液pH=5的条件下可获得高质量单晶。该配体为单斜晶系，属于C2/c空间群，结构中含有4个氧原子和2个氮原子，可为金属离子的配位提供足够的位点，有望应用于配合物的设计或催化、吸附和医药载体等行业。     

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。     

聚硅烷研究进展 (1)聚硅烷的合成及应用

聚硅烷的合成及应用因可溶性聚硅烷的发现而成为聚合物研究的又一热点。本文综述了聚硅烷合成与应用的近期发展。