XiaoMi-AI文件搜索系统
World File Search System表面积
1表面积和石墨粒径的影响和...
表面积和石墨纳米片的表面积以及粒径对沥青粘合剂Dineshkumar sengottuvelu的修饰，* hashem khalem khaled almashaqbeh，* Mohammed，* Mohammed，Avijit Pramanik，Avijit Pramanik，Grace rushan，Sase ryy，SASE RASEN，SASE RASEN，SASER CHAREN，SASER， G. ucak- Astarlioglu，艾哈迈德·阿斯塔兹（Ahmed al-Ostaz）*摘要：氧化石墨烯（GO）对其独特的物理和化学特性引起了极大的关注。go在包括生物医学，电子，能源和环境在内的广泛领域中找到了应用。它在土木工程中的基础设施材料（例如沥青和水泥）的修饰中也起着重要作用。在这项研究中，我们使用改进的鹰嘴豆菌的方法报告了GOS（GR）粉末和石墨烯纳米片（GNP）的GOS合成。我们广泛研究了GR和GNP前体的粒径和特定表面积对其氧化的影响，这些作用尚未在文献中解决。来自傅立叶转换红外（FTIR）和X射线光电子光谱（XPS）分析的结果表明，由较大的表面积和小尺寸的GR粉制成的GO具有较高的氧化程度，约为9.8％的羧基官能团。这为与不同分子（包括沥青成分）的相互作用提供了更多机会。在这方面，我们通过旋转粘度，流变学，多重应力蠕变和恢复（MSCR）以及抗老龄化性能测量结果研究了富含羧基的GO（较高氧化百分比）对沥青粘合剂高温性能的影响。我们的实验结果表明，从GR粉末前体（指定的OX-GR）获得的GO可以显着改善沥青粘合剂的高温性能。例如，在高温下，仅引入2 wt。％的％进入性能等级沥青粘合剂（PG 67-22）可以大大增加其复杂的剪切模量（G*），并减少相角（δ）。MSCR测试表明，加入沥青粘合剂的添加有效地减轻了其永久性变形并改善了其弹性反应，这证明了蠕变合规性（𝐽𝐽𝑛𝑛𝑛𝑛）的降低约39％，而Go-Modiedified Binder的恢复百分比（𝜀𝜀𝜀𝜀）的恢复百分比（𝜀𝜀𝜀𝜀）增加了297％。此外，测得的粘度衰老指数和G*的G*比率证实了GO在粘合剂抗衰老特性改善的显着影响。关键字：石墨，石墨烯纳米片，石墨烯氧化物，悍马方法，沥青粘合剂，流变
引用Wang Y，Li R，Fu F，Huang R，Li D和Liao C（2023），与胎儿心室间隔缺陷有关的产前遗传诊断：评估人员 基于可持续性指标的生物燃料分析 具有可控重复速率的高峰值脉冲的产生Q-S-Switched激光器具有AOM/ SNSE 2 div> 对中国数字贸易发展和影响因素的评估 使用临床前效率和身体表面积的转化预测肿瘤学上近似临床有效剂量：回顾性分析 种子相关分析基于大型静止状态数据集中的ADHD诊断的大脑区域激活 约旦一家转诊医院的先天性心脏病的发病率和类型：第三中心的回顾性研究 引用Sukkar D，Kanso A，Laval-Gilly P和Falla-Angel J（2023）在收费途径上发生冲突：农药与Zymosan之间的竞争动作A O
重新排列，副本编号变体和序列变化（Newman，1985）。在2％的冠心病病例中，可以鉴定出非遗传原因，而20％ - 30％的冠心病病例可以追溯到遗传原因（Cowan and Ware，2015年）。Qiao等。 报道说，VSD是一种与遗传原因最常相关的CHD，而36.8％的VSD与遗传因素有关（Qiao等，2021）。 尽管大多数VSD都是可修复的，并且患者可以在优化的手术和医疗条件下实现良好的长期预后，但对于某些患有患有相关遗传异常的VSD的患者，预后不令人满意（van Nisselrooij et al。，2020; Mone等，2021）。 因此，遗传异常的产前定义在VSD的诊断中非常重要，因为它可以提供更准确，更适当的遗传咨询，这可能会影响父母在持续/终止怀孕，产前监测和围产期护理方面的决策。 胎儿结构异常是侵入性产前基因检测的指标（Fu等，2022）。 具有结构异常的胎儿具有较高的非整倍性，染色体重排和序列变化的发生率（Fu等，2018）。 常规的核型分析是一种鉴定染色体重排的有效技术，诊断率在5.4％至15.5％之间（Hanna等，1996； Beke等，2005）。 但是，G带核型分析的分辨率很低，并且耗时且艰辛。 CMA具有很高的分辨率，并且时间很短。Qiao等。报道说，VSD是一种与遗传原因最常相关的CHD，而36.8％的VSD与遗传因素有关（Qiao等，2021）。尽管大多数VSD都是可修复的，并且患者可以在优化的手术和医疗条件下实现良好的长期预后，但对于某些患有患有相关遗传异常的VSD的患者，预后不令人满意（van Nisselrooij et al。，2020; Mone等，2021）。因此，遗传异常的产前定义在VSD的诊断中非常重要，因为它可以提供更准确，更适当的遗传咨询，这可能会影响父母在持续/终止怀孕，产前监测和围产期护理方面的决策。胎儿结构异常是侵入性产前基因检测的指标（Fu等，2022）。具有结构异常的胎儿具有较高的非整倍性，染色体重排和序列变化的发生率（Fu等，2018）。常规的核型分析是一种鉴定染色体重排的有效技术，诊断率在5.4％至15.5％之间（Hanna等，1996； Beke等，2005）。但是，G带核型分析的分辨率很低，并且耗时且艰辛。CMA具有很高的分辨率，并且时间很短。在基于阵列的分子细胞遗传学技术（例如CMA）发展后，小基因组缺失和重复的检测率增加了10％，无法通过标准结构畸形胎儿核型分析来检测（Hillman等，2013; Liao等，2014; Liao等，2014）。在患有产后和产前CHD的患者中，它可以识别非整倍性，染色体重排和拷贝数变化（CNV）。在7％ - 36％的冠心病患者中检测到致病性CNV（Fu等，2018； Wang等，2018）。对于大多数结构异常的胎儿，在基因检测之前尚不清楚异常的根本原因。作为下一代测序（NGS）的显着进步，外显子组测序（ES）是评估产后患者的有效工具。这种检测技术用于产前诊断（Best等，2018）。In addition to improving diagnostic rates, using ES for assessing a large sample size can analyze single nucleotide variations (SNVs)/ insertions and deletions (indels) in the gene coding regions and help in the identi fi cation of novel pathogenic genes or novel variants in well-known genes in VSD patients ( Sifrim et al., 2016 ; Jin et al., 2017 ; Fu et al., 2018; Lord et al。，2019年;三项广泛的研究表明，ES可以为异常超声发现，正常核型和阴性CMA结果提供诊断率提高8.5％ - 11.6％（Lord等，2019; Petrovski et al。，2019; Fu等，202222）。最近对产前CHD的研究表明，ES的诊断率为20％（6/30）（Westphal等，2019）。In the present research, we used CMA and ES to assess the detection ef fi ciency of fetuses with VSD at the chromosomal (aneuploidy), sub-chromosomal (microdeletion/ microduplication), and single gene (point variants) levels and evaluated perinatal prognosis to facilitate more accurate genetic counseling in clinical practice.
映射新生大脑中皮质厚度和表面积的遗传形态
成人双胞胎神经影像学研究表明，皮质厚度（CT）和表面积（SA）受遗传信息的差异影响，导致其空间上不同的遗传模式和地形。然而，鉴于新生儿到成年人的显着皮质发育，CT和SA遗传形态的产后起源尚不清楚。为了填补这一关键的空白，这项研究始终探讨了遗传信息如何通过利用来自202个双胞胎新生儿的脑磁共振（MR）图像来差异调节CT和SA在新生儿大脑中的空间拓扑，而复杂的后环境环境因素具有最小的影响。我们利用了婴儿使用的计算工具和数据驱动的光谱聚类方法，将脑皮质构成纯粹的区域，纯粹根据CT和SA的皮质顶点的遗传相关性，并因此创建了第一个基因知情的Cortalical Parcellatial parcellatial neonatal neonatal saps saps braps braps of CT和SA的遗传相关性。两个遗传细胞图均表现出双侧对称性和分层模式，但具有不同的空间布局。对于CT，具有更紧密的遗传关系的区域表现出一个替代验（A-P）分裂，而对于SA，具有较大遗传接近的区域通常在同一叶中。某些遗传知情的区域在新生儿和成年人之间表现出很强的相似性，尽管SA的内侧表面上的相似性最为惊人，尽管它们在遗传细胞图中的总体差异总体差异。这些结果极大地提高了我们对遗传影响对皮质形态空间图案的发展的理解。
通过 BET 方程计算的表面积的可重复性如何？
Johannes WM Osterrieth, James Rampersad, David Madden, Nakul Rampal, Luka Skoric, Bethany Connolly, Mark D. Allendorf, Vitalie Stavila, Jonathan L. Snider, Rob Ameloot, João Marreiros, Conchi Ania, Diana Azevedo, Enrique Vilarrasa-Garcia, Xinca F, Buan, Buan, Hanze, Hanze, Neil. R. Champness, Sarah L. Griffin, Banglin Chen, Rui-Biao Lin, Benoit Coasne, Seth Cohen, Jessica C. Moreton, Yamil J. Colón, Linjiang Chen, Rob Clowes, François-Xavier Coudert, Yong Cui, Bang Hou, Deanna M. D'Alessandro, Payne Dohen, Doen, Doe, Sun, Christian. Michael Thomas Huxley, Jack D. Evans, Paolo Falcaro, Raffaele Ricco, Omar Farha, Karam B. Idrees, Timur Islamoglu, Pingyun Feng, Huajun Yang, Ross S. Forgan, Dominic Bara, Shuhei Furukawa, Eli Sanchez, Jorge Gascon, Selvedin Telalović, Sukho Khamed, Khammed Murji, Murji Murji, Matthew R. Saum. diq, Patricia Horcajada, Pablo Salcedo-Abraira, Katsumi Kaneko, Radovan Kukobat, Jeff Kenvin, Seda Keskin, Susumu Kitagawa, Ken-ichi Otake, Ryan P. Lively, Stephen JA DeWitt, Phillip Llewellyn, Bettina V. Lotsch, Sebastian T. Ender, Alexander M. Pati M. Pati M. al, Javier García-Martínez, Noemi Linares, Daniel Maspoch, Jose A. Suárez del Pino, Peyman Moghadam, Rama Oktavian, Russel E. Morris, Paul S. Wheatley, Jorge Navarro, Camille Petit, David Danaci, Matthew J. Rosseinsky, Alexandros P., Kat Schunder, Martin Xu, Sergeant, Sergian, Sergeant. s Mouchaham, David S. Sholl, Raghuram Thyagarajan, Daniel Siderius, Randall Q. Snurr, Rebecca B. Goncalves, Shane Telfer, Seok J. Lee, Valeska P. Ting, Jemma L. Rowlandson, Takashi Uemura, Tomoya Iiyuka, Monique A. van der Revere, David Revere, Speed, M.J. and Lamaire, Krista S. Walton, Lukas W. Bingel, Stefan Wuttke, Jacopo Andreo, Omar Yaghi, Bing Zhang, Cafer T. Yavuz, Thien S. Nguyen, Felix Zamora, Carmen Montoro, Hongcai Zhou, Angelo Kirchon, and David Fairen-Jimenez*
通过 BET 方程计算的表面积的可重复性如何？
Johannes WM Osterrieth, James Rampersad, David Madden, Nakul Rampal, Luka Skoric, Bethany Connolly, Mark D. Allendorf, Vitalie Stavila, Jonathan L. Snider, Rob Ameloot, João Marreiros, Conchi Ania, Diana Azevedo, Enrique Vilarrasa-Garcia, Xinca F, Buan, Buan, Hanze, Hanze, Neil. R. Champness, Sarah L. Griffin, Banglin Chen, Rui-Biao Lin, Benoit Coasne, Seth Cohen, Jessica C. Moreton, Yamil J. Colón, Linjiang Chen, Rob Clowes, François-Xavier Coudert, Yong Cui, Bang Hou, Deanna M. D'Alessandro, Payne Dohen, Doen, Doe, Sun, Christian. Michael Thomas Huxley, Jack D. Evans, Paolo Falcaro, Raffaele Ricco, Omar Farha, Karam B. Idrees, Timur Islamoglu, Pingyun Feng, Huajun Yang, Ross S. Forgan, Dominic Bara, Shuhei Furukawa, Eli Sanchez, Jorge Gascon, Selvedin Telalović, Sukho Khamed, Khammed Murji, Murji Murji, Matthew R. Saum. diq, Patricia Horcajada, Pablo Salcedo-Abraira, Katsumi Kaneko, Radovan Kukobat, Jeff Kenvin, Seda Keskin, Susumu Kitagawa, Ken-ichi Otake, Ryan P. Lively, Stephen JA DeWitt, Phillip Llewellyn, Bettina V. Lotsch, Sebastian T. Ender, Alexander M. Pati M. Pati M. al, Javier García-Martínez, Noemi Linares, Daniel Maspoch, Jose A. Suárez del Pino, Peyman Moghadam, Rama Oktavian, Russel E. Morris, Paul S. Wheatley, Jorge Navarro, Camille Petit, David Danaci, Matthew J. Rosseinsky, Alexandros P., Kat Schunder, Martin Xu, Sergeant, Sergian, Sergeant. s Mouchaham, David S. Sholl, Raghuram Thyagarajan, Daniel Siderius, Randall Q. Snurr, Rebecca B. Goncalves, Shane Telfer, Seok J. Lee, Valeska P. Ting, Jemma L. Rowlandson, Takashi Uemura, Tomoya Iiyuka, Monique A. van der Revere, David Revere, Speed, M.J. and Lamaire, Krista S. Walton, Lukas W. Bingel, Stefan Wuttke, Jacopo Andreo, Omar Yaghi, Bing Zhang, Cafer T. Yavuz, Thien S. Nguyen, Felix Zamora, Carmen Montoro, Hongcai Zhou, Angelo Kirchon, and David Fairen-Jimenez*
高表面积“3D氧化石墨烯”可增强放射性核素的吸附
本文报道了高表面积活化还原氧化石墨烯 (arGO) 的制备方法，该氧化石墨烯被氧化成富含缺陷的 GO (dGO) 的 3D 类似物。arGO 的表面氧化导致碳氧比 C/O = 3.3，类似于氧化石墨烯的氧化状态，同时保持约 880 m 2 g −1 的高 BET 表面积。表面氧化 arGO 的分析表明，氧官能团含量高，可将疏水前体转化为亲水材料。高表面积碳为氧化提供了整个表面，而无需插层和晶格膨胀。因此，表面氧化方法足以将材料转化为具有与氧化石墨烯相似化学性质的 3D 结构。“3D 氧化石墨烯”在极宽的 pH 区间内表现出对 U(VI) 去除的高吸附能力。值得注意的是，表面氧化的碳材料具有刚性的三维结构，微孔可供放射性核素离子穿透。因此，块状“3D GO”可直接用作吸附剂，而无需分散，这是 GO 使其表面积可供污染物进入的必要步骤。
通过 BET 方程计算的表面积的可重复性如何？
Johannes WM Osterrieth, James Rampersad, David Madden, Nakul Rampal, Luka Skoric, Bethany Connolly, Mark D. Allendorf, Vitalie Stavila, Jonathan L. Snider, Rob Ameloot, João Marreiros, Conchi Ania, Diana Azevedo, Enrique Vilarrasa-Garcia, Xinca F, Buan, Buan, Hanze, Hanze, Neil. R. Champness, Sarah L. Griffin, Banglin Chen, Rui-Biao Lin, Benoit Coasne, Seth Cohen, Jessica C. Moreton, Yamil J. Colón, Linjiang Chen, Rob Clowes, François-Xavier Coudert, Yong Cui, Bang Hou, Deanna M. D'Alessandro, Payne Dohen, Doen, Doe, Sun, Christian. Michael Thomas Huxley, Jack D. Evans, Paolo Falcaro, Raffaele Ricco, Omar Farha, Karam B. Idrees, Timur Islamoglu, Pingyun Feng, Huajun Yang, Ross S. Forgan, Dominic Bara, Shuhei Furukawa, Eli Sanchez, Jorge Gascon, Selvedin Telalović, Sukho Khamed, Khammed Murji, Murji Murji, Matthew R. Saum. diq, Patricia Horcajada, Pablo Salcedo-Abraira, Katsumi Kaneko, Radovan Kukobat, Jeff Kenvin, Seda Keskin, Susumu Kitagawa, Ken-ichi Otake, Ryan P. Lively, Stephen JA DeWitt, Phillip Llewellyn, Bettina V. Lotsch, Sebastian T. Ender, Alexander M. Pati M. Pati M. al, Javier García-Martínez, Noemi Linares, Daniel Maspoch, Jose A. Suárez del Pino, Peyman Moghadam, Rama Oktavian, Russel E. Morris, Paul S. Wheatley, Jorge Navarro, Camille Petit, David Danaci, Matthew J. Rosseinsky, Alexandros P., Kat Schunder, Martin Xu, Sergeant, Sergian, Sergeant. s Mouchaham, David S. Sholl, Raghuram Thyagarajan, Daniel Siderius, Randall Q. Snurr, Rebecca B. Goncalves, Shane Telfer, Seok J. Lee, Valeska P. Ting, Jemma L. Rowlandson, Takashi Uemura, Tomoya Iiyuka, Monique A. van der Revere, David Revere, Speed, M.J. and Lamaire, Krista S. Walton, Lukas W. Bingel, Stefan Wuttke, Jacopo Andreo, Omar Yaghi, Bing Zhang, Cafer T. Yavuz, Thien S. Nguyen, Felix Zamora, Carmen Montoro, Hongcai Zhou, Angelo Kirchon, and David Fairen-Jimenez*
使用临床前效率和身体表面积的转化预测肿瘤学上近似临床有效剂量：回顾性分析
使用已发表的临床前数据评估了人类肿瘤 - Xenograpt小鼠模型中有效剂量的相关性与批准肿瘤学剂的人类临床剂量之间的相关性。对于90个批准的小分子抗癌药物，身体表面积（BSA）校正的小鼠有效剂量有力地预测了人类临床剂量范围，其中85.6％的预测占建议的临床剂量的3倍（3倍），而在2××内的预测范围为63.3％。这些结果表明，BSA转化是一种有用的工具，用于从早期发现阶段从小鼠异种移植模型中估算小分子肿瘤剂的人剂量。然而，基于BSA的剂量转化率很差预测静脉内抗体和抗体药物结合抗癌药物。基于抗体的药物，预测剂量的30（16.7％）中的五个（16.7％）在推荐的临床剂量的3倍以内。基于体重的剂量投影是适度预测的，其中66.7％的药物在推荐的临床剂量的3倍以内预测。在ADC中，相关性稍好一些（3倍为77.7％）。在早期发现阶段和临床试验的设计中，此类简单剂量估计方法的应用和局限性在此回顾性分析中也进行了讨论。
