XiaoMi-AI文件搜索系统
World File Search System常规分析
Mangosteen（藤黄Mangostana L.）果皮汤...
这项研究的目的是使用紫外分光光度计方法开发一种在介孔甘露醇中的Glibenclamide的验证方法。之所以选择此方法，是因为它简单，敏感，准确，精确，可再现和经济。使用乙醇和水的比例为1：1，在229 nm处获得了glibenclamide（λmax）的波长。以5-17.5 µg/ml的浓度选择了Glibenclamide的线性。相关系数（R）= 0.9998;盘中RSD <1％；当天的RSD <2％，回收率为100-105％，LOD = 0.32 µg/mL和LOQ = 1.08 µg/ml，并且具有高灵敏度，因为溶液中介孔甘露醇的存在不会干扰GlibencLamide的阅读过程。因此可以得出结论，该方法具有基于glibenclamide的线性，精度和准确性的结果并根据ICH要求具有良好的可重复性，因此该方法可用于常规分析中端甘露醇中葡萄碱化合物。关键词：Glibenclamide；验证;分光光度法；甘露醇；中孔
MADSCAN：用于表征回收聚合物的新热分析系统
目前，许多可回收的塑料都无法使用，因为它们的组成很难确定，因此在垃圾填埋场中被丢弃或燃烧。。当前的常规分析方法一次仅一次性塑料的量实际上只有很少的塑料（<0.1 g）。该样本量不足以代表大量的再生塑料，在这些塑料中，局部种类的聚合物可能会有很大差异，如图1.²Veridis所示，它开发了一种热分析方法，用于分析称为MADSCAN的聚合物（Massive DSC分析），该方法通过增加最高50 g的样本大小来解决此问题。当前的设置为30克。这项研究的目的是使用MADSCAN技术构建合适的数据库，该数据库可用于使用拟合分析来量化未知的聚合物样品。..图1：由局部不同聚合物组成的再生塑料示例。⁴
使用紫外分光光度准曲测定法：swertiamarin定量分析：快速且成本效益
简介：紫外线可见度（UV-VIS）分光光度计是一种具有成本效益，可靠且较少的时间耗时的分析技术，用于定量分析，可检测杂质，化学变质，化学变质以及药品中稳定剂和包装材料的影响。吸收的频谱决定了样品中的微观环境。目标：根据ICH标准，研究并验证了Swertiamarin（SWMN）的一种简单，简单，精确，可靠的定量分析技术。结果：结果表明，在4至32μg/mL时，紫外透中swertiamarin的吸收光谱在λmax236 nm处的吸收光谱。和每个浓度的线性。在98.5至104.6的范围内，可以看到恢复％。在0.163µg/ml（LOD）和0.493µg/ml（LOQ）的浓度下观察到该方法的灵敏度。结论：精度，可重复性，准确性，坚固性和鲁棒性在限制范围内。定量紫外分光光度法可以确定样品（SWMN）浓度进行常规分析。关键字：Swertiamarin（SWMN），UV-VIS分光光度法，敏感，精度。
零...
这项研究的目的是建立曲线下的零级紫外线光谱学 - 吸光度和零订单区域（AUC）方法（AUC）方法，用于估计散装和阴道胶囊中硝酸硝酸盐的估计。芬太纳唑硝酸盐是一种抗真菌药物，它完全不溶于水。甲醇用作溶剂溶解芬太纳唑硝酸盐的溶解度。溶解在甲醇中时，发现硝酸芬太纳唑的最大吸收在波长253 nm处。这些方法基于在253nm处的吸光度测量和曲线下面积的整合，以分析242-262 nm波长范围内的芬康唑硝酸盐。在两种方法的相关系数r 2> 0.99的5-30 µg/ml浓度范围内，药物遵循线性。根据ICH指南，对所提出的方法进行了准确性（恢复％），精度，可重复性和坚固性的验证。将所提出的方法用于阴道胶囊中硝酸硝酸盐的定性和定量估计，结果与所声称的标签非常吻合。开发的方法可用于散装和阴道胶囊中硝酸盐的常规分析。
用零...
这项研究的目的是建立曲线下的零级紫外线光谱学 - 吸光度和零订单区域（AUC）方法（AUC）方法，用于估算大量和药物剂型的多x基胺琥珀酸酯。多克利胺琥珀酸酯是具有明显镇静特性的组胺H1拮抗剂。它用于过敏和抗精性，抗气和催眠。多克利胺也已在兽医应用中施用，以前用于帕金森氏症，蒸馏水被用作溶剂溶解毒胺琥珀酸酯的溶解度。当溶解在蒸馏水中时，发现多克利胺琥珀酸酯的最大吸收在波长260nm处。这些方法基于在260nm处的吸光度测量和曲线下面积的整合，以分析251.20-267.20 nm的波长范围内的多x胺琥珀酸酯。在10-60 µg/ml的浓度范围内，与相关系数r 2> 0.99的浓度范围保持线性。根据ICH指南，对所提出的方法进行了准确性（恢复％），精度，可重复性和坚固性的验证。提出的方法用于定性和片剂中多克莱明琥珀酸酯的定量估计，结果与所声称的标签非常吻合。开发的方法可用于散装和药剂片的多x基胺的常规分析。
与Heteroskedastic的事件的机器学习...
门fisher是主要在Python3中写的软件包，可用于创建，分析和可视化系统基因组数据集，这些数据集由真核生物构成蛋白质序列。与许多现有的phyLogenomic管道不同，门fisher具有240个蛋白质编码基因的手动策划数据库，这是从304个真核生物分类群采样的先前系统发育数据集的子集。软件包还可以利用用户创建的真核蛋白数据库，这可能更适合浅层进化问题。门fofisher还配备了一套公用事业，以帮助进行常规分析，例如基于数据集的占用/完整性的替代遗传代码的预测，去除基因和/或分类单元，测试氨基酸组成的氨基酸组成异质性，序列之间的异质性和快速型号的依次，超级或快速的综合型，超级或快速抗衡的位置，超级抗体，超级抗体，超级超级脉络性，超级超级可超过型，超级依赖，超级超出型号，超级超级依次，超级超出型号，超级超级超出型号，超级依赖性，超级超出型号，超级超级可超过量的超级量。由随机重采样基因创建，并从核苷酸序列创建超髓质。©2024 Wiley Wendericals LLC。
抽象提出了一种非常简单，准确，精确的重复程序，以估算药物中的抑制剂。评估o
抽象提出了一种非常简单，准确，精确的重复程序，以估算药物中的抑制剂。对先前作品的评估表明，迄今为止，尚未描述尚未描述曲线技术下的紫外线分光光度法方案，以逐渐估算为曲线技术。因此，有必要计划采用不同的方法来分析采用溶剂形式的二甲基胺的药物。这种药物在紫外线范围内20至200 µg/ml的浓度范围内监测啤酒定律，尤其是在320至340 nm之间的区域的弯曲曲线，因为在选定的溶剂中发现最大吸收最大值为330 nm。恢复读数证明了所提供的技术的准确性，结果与国际协调委员会（ICH）参考有关。这些发现被认为是一致且令人愉快的。因此，该可选技术成功地用于在常规分析应用中定量地估算线胺。关键字：诸如曲线下的区域，估计，分析，紫外分光光度法。国际药物输送技术杂志（2024）； doi：10.25258/ijddt.14.2.02如何引用本文：Karajgi SR，Kulkarni RV，Potadar SS，AnandI。在药物形式中对Repamipide的曲线定量UV分光光度分析，经过验证的区域。国际药物输送技术杂志。2024; 14（2）：625-629。支持来源：零。利益冲突：无
Kunchamwar和Jain，IJPSR，2024年；卷。 15（1）：170-176。
摘要：一种简单，新颖，精确，快速，准确，特定的反相高性能液相色谱（RP-HPLC）方法，用于估计在市场配方中估算坦硫蛋白水合水合物水合物水合物水合物水合物和dapaglifliflozin propaneDiol Moneydrate API的估计。使用乙腈：3.5 pH二氢磷酸盐缓冲液（60:40 v/v）移动阶段，在Prontosil C18（250 x 4.6 mm，5 m）柱上进行分离。流速为1 mL/min，将UV检测器设置为227 nm。ten硫蛋白水合液水合物保留了2.37分钟，而dapagliflozin丙二醇一水合物保留了3.61分钟。十二李汀氢化物水合物揭示了10-30ppm浓度范围内的线性响应。在5-15ppm的浓度范围内，达帕列嗪丙二醇一水合物表现出线性反应。十二李素水合液水合物和dapagliflozin丙二醇一水合物的相关系数（'r 2'值）分别为0.999和0.992。使用各种验证参数来验证分析结果。十二李素水合果实水合物和dapagliflozin丙二醇一水合物的回收率从98％到101％不等。精确性和鲁棒性研究发现的％RSD值小于2。因此，建议的方法可以成功地用于常规分析中，以开发和验证二苯甲蛋白水合物水合物和dapagliflozin丙二醇一水合物。
Urban-Air质量估计 - 使用Visual-Cues-and-A- ...
摘要：移动监控提供了对空气污染的强大测量。但是，资源限制通常会限制测量数量，因此无法在所有感兴趣的位置获得评估。在响应中，已经提出了替代测量方法，例如视频和图像。先前对空气污染和图像的研究使用了静态图像（例如卫星图像或Google Street View图像）。当前的研究旨在开发深度学习方法，以从用仪表板摄像机获得的视频中推断出在道路上污染物的浓度。分析了印度班加罗尔的四种污染物（黑碳，颗粒数浓度，2.5质量浓度，二氧化碳）的五十小时。对每个视频框架的分析涉及识别对象并确定运动（通过分割和光流）。基于这些视觉提示，使用回归卷积神经网络（CNN）推断污染浓度。研究结果表明，CNN方法的表现优于其他几种机器学习（ML）技术和更多常规分析（例如，线性回归）。CO 2预测模型实现了不同的火车验证分区方法的归一化根平方误差为10-13.7％。因此，此处的结果通过使用视频和屏幕上的对象而不是静态图像的相对运动以及实施快速分析方法，从而实时对视频进行分析，从而有助于文献。关键字：与交通相关的空气污染，深度学习，计算机视觉，移动监控这些方法可以应用于其他移动监控活动，因为他们唯一需要的其他设备是便宜的仪表板摄像头。
尼日利亚实施 COVID-19 疫苗接种后不良事件 (AEFI) 数据三角测量和仪表板开发
摘要 尼日利亚于 2021 年 3 月 5 日开始接种 COVID-19 疫苗，并正在努力实现世卫组织在非洲区域的目标，即到 2022 年 12 月为 70% 的符合条件人口全面接种疫苗。尼日利亚的 COVID-19 疫苗接种信息系统包括一个针对免疫后 COVID-19 不良事件 (AEFI) 的监测系统，但截至 2021 年 4 月，AEFI 数据由多个团体收集和管理，缺乏常规分析和采取行动。为了填补 COVID-19 疫苗安全监测的这一空白，2021 年 4 月至 2022 年 6 月期间，美国疾病控制和预防中心与尼日利亚人类病毒学研究所领导的其他执行伙伴合作，支持尼日利亚政府对现有的 COVID-19 AEFI 数据进行三角测量。本文介绍了在尼日利亚实施已发布的 COVID-19 AEFI 数据三角测量指南草案的过程。在这里，我们关注的是实施数据三角测量的过程，而不是分析三角测量的结果和影响。工作首先是绘制 COVID-19 AEFI 数据流图、吸引利益相关者参与并建立数据管理系统来接收和存储所有共享数据。这些数据集用于创建一个在线仪表板，其中的关键指标是根据现有 WHO 指南和国家指导选择的。仪表板在分发给利益相关者之前经过了反复审查。本案例研究重点介绍了实施数据三角测量以快速使用 AEFI 数据进行决策的成功案例，并强调了利益相关者参与和强大的数据治理结构对于使数据三角测量成功的重要性。