XiaoMi-AI文件搜索系统
World File Search System电泳
人工智能智能算法能够自动表征所应用频率的正负介电泳范围
摘要：本研究描述了一种现象学方法，用于自动确定正负介电泳 (DEP) 的频率范围——一种可用于大规模并行微纳米组装的电动力。实验装置由带有金微电极阵列的微加工芯片组成，该芯片连接到一个函数发生器，该函数发生器能够数字控制 1 V（峰峰值）的交流信号和 10 kHz 至 1 MHz 范围内的各种频率。乳胶微珠（直径 3 µ m）的悬浮液在 DEP 力的影响下被吸引或排斥在微电极上，这是施加频率的函数。珠子运动的视频通过连接到显微镜的数码相机捕捉。OpenCV 软件包用于对图像进行数字分析并识别珠子。通过人工智能 (AI) 算法比较已识别珠子的连续帧位置，该算法确定微珠的云行为，并通过算法确定珠子是否受到电极的吸引或排斥。根据确定的珠子行为，算法将增加或减少应用的频率并执行由计算机控制的函数发生器的数字命令。因此，研究平台的运行完全自动化。AI 引导平台已确定正 DEP (pDEP) 在 500 kHz 频率以下活跃，负 DEP (nDEP) 在 1 MHz 频率以上有证据，交叉频率在 500 kHz 和 1 MHz 之间。这些结果与之前发表的通过实验确定的乳胶微珠的频率相关 DEP 行为一致。本研究描述的由实时 AI 引导反馈回路辅助的现象学方法将有助于主动操纵系统以实现期望的现象学结果，例如在电极处收集粒子，即使由于相互作用力的复杂性和多样性，无法进行基于模型的预测。
通过共离子工程减少电泳药物输送装置中的被动药物扩散
可植入电泳药物输送装置已显示出广泛的应用前景，从治疗癫痫和癌症等病症到调节植物生理。施加电压后，该装置通过电泳将带电药物分子穿过离子传导膜输送到局部植入区域。这种无溶剂流动的“干”输送方式能够控制药物释放，同时将出口处的压力增加降至最低。然而，这些装置面临的一个主要挑战是限制其空闲状态下的药物泄漏。本文介绍了一种通过选择药物共离子来减少被动药物泄漏的方法。通过将乙酰胆碱的相关共离子从氯离子转换为羧酸盐共离子以及基于磺丙基丙烯酸酯的多阴离子，稳态药物泄漏率可降低多达七倍，而对主动药物输送率的影响却微乎其微。数值模拟进一步说明了这种方法的潜力，并为抑制电泳药物输送装置中被动药物泄漏的新材料系统提供了指导。
微尺度电泳中液滴界面策略在样品处理、分离和定量中的应用：综述
Théo Liénard——市长、Myriam Taverna、Stéphanie Descroix、Thanh Duc Mai。用于样品处理、分离和定量的微尺度电泳中的液滴接口策略：综述。 Analytica Chimica Acta，2021，1143，第 281-297 页。�10.1016/j.aca.2020.09.008�。 �第 03493600 页�
分子生物学实验室使用 GelRed 染料对琼脂糖凝胶中的核酸进行染色
在凝胶制备过程中，使用浓度为 1.5% 的 TBE 缓冲液 (Tris-Borate-EDTA) 琼脂糖作为核酸电泳的基质。采用了两种不同的方法，以适应染色技术。为了使用 GelRed® 进行电泳后染色，在不添加任何类型的染料的情况下制备凝胶，然后将染料与浓度为 1:9 的上样缓冲液混合。使用该混合物将样品上样到琼脂糖凝胶中，使用 2ul 缓冲液 + GelRed® 和 6ul 扩增的 PCR 产物。然而，为了染色预电泳凝胶，通过预染色将溴化乙锭掺入琼脂糖中。这是通过在融化后将 0.5 μg/mL 的 EtBR 添加到 100 mL 琼脂糖中来实现的。在这两种方法中，电泳技术都是在以下条件下进行的
强大的工具还是太强大？关于400万条推文
血清电泳（SPEP）是一种用于分析血液中最重要蛋白质的分布的方法。主要的临床问题是存在抗体（M蛋白/副蛋白）的单克隆分数，这对于诊断和下血液学疾病（例如多发性骨髓瘤）至关重要。最近的研究表明，可以通过例如检查蛋白质聚糖模式来跟踪肿瘤手术，可以使用机器学习来评估蛋白质电泳。在这项研究中，我们比较了26种不同的决策树算法，通过使用来自血清蛋白质毛细血管电泳的数值数据，以鉴定人血清中M蛋白的存在。对于数据的自动检测和聚类，我们使用了一个由67,073个样本组成的匿名数据集。我们发现了五种具有较高能力检测M蛋白质的方法：额外的树（ET），随机拟合（RF），直方机分级增强回收期（HGBR），轻梯度增强方法（LGBM）和极端梯度增强（XGB）。此外，我们实施了一种游戏方法来披露数据集中的哪些功能，这些功能表明了由此产生的M蛋白诊断。结果验证了伽马球蛋白的馏分和β球蛋白分数的一部分是电泳分析的最重要特征，从而增强了我们方法的可靠性。最后，我们测试了分类的M蛋白质同种型的算法，其中ET和XGB在测试的五种算法中表现出最佳性能。我们的结果表明，血清毛细管电泳与决策树算法相结合，在应用M蛋白的快速，准确鉴定方面具有巨大的潜力。此外，这些方法将适用于各种血液分析，例如血红蛋白病，表明诊断范围广泛。但是，对于M蛋白质同种型分类，将机器学习解决方案与毛细血管电泳的数值数据与凝胶电泳图像数据相结合是最有利的。
