XiaoMi-AI文件搜索系统
World File Search System电离
可电离脂质纳米粒子用于治疗先天性脑病的碱基编辑
摘要：将基于 mRNA 的疗法递送至围产期大脑在治疗先天性脑部疾病方面具有巨大潜力。然而，促进在此环境中核酸递送的非病毒递送平台尚未得到严格研究。在这里，我们通过脑室内 (ICV) 注射在胎儿和新生小鼠中筛选了多样化的可电离脂质纳米颗粒 (LNP) 库，并确定了一种 LNP 配方，其在围产期大脑中的功能性 mRNA 递送能力比 FDA 批准的行业标准 LNP 更强。在对性能最佳的 LNP (C3 LNP) 进行体外优化以共同递送腺嘌呤碱基编辑平台后，我们改善了新生小鼠大脑中溶酶体贮积症的生化表型，在胎儿非人类灵长类动物模型中展示了原理验证性 mRNA 脑转染，并展示了 C3 LNP 在人类患者来源的脑组织中的体外转化潜力。这些 LNP 可为宫内和产后 mRNA 治疗（包括脑内基因编辑）提供临床可转化平台。关键词：可电离脂质纳米颗粒、先天性脑病、mRNA 递送、基因编辑、胎儿基因治疗
高质量的光电离检测器灯（PID）用于气体检测和气相色谱
光电子化是通过分子吸收高能光子的术语，该分子导致该分子电离。电离产生的电流与分子的浓度成正比，因此这提供了一种简单的方法来定量分析各种化合物。该技术无破坏性，因此可以与其他检测器结合使用来扩展分析。PID灯。在一般DC操作中是固定安装仪器（例如气相色谱仪）的首选选项，其中需要连续监测，并且可以支持高压电源。对于手持式探测器，RF版本为较小尺寸和低功率驱动电路的需求提供了解决方案。Heraeus在RF和DC版本中都为标准设计制造了广泛的PID灯。客户也可以从我们的设计专业知识中受益，因为Heraeus技术团队可以与OEM合作设计和制造产品，以达到其特定的维度和性能要求。
比较电离类型和前体离子，用于在TSQ Altis MD质谱仪上对25-羟基维生素D进行定量分析
体外诊断医疗装置*液相色谱串联质谱系统可以在生物基质中进行各种化合物的体外定量。本文提供的绩效数据仅是出于说明目的，可能不能代表实验室将获得的绩效。Thermo Fisher Scientific不建议使用其系统对本文描述的分析物进行分析。在单个实验室中的性能可能与由于因素，包括但不限于实验室方法，使用的材料，操作员技术和系统状况的因素可能不同。实验室有责任验证其打算在其设施中使用并遵守所有适用法律和政策的任何测定法。
高性能的底层纤维电离和压电纳米生成剂
1马德里材料科学研究所（ICMM）。 janon14 @@ ucm.s（J.G.）; hamorin@icmm.sic.s（H.A.）。材料，葡萄牙大街大学； vanovmaximem@ua.p.p）; pcferreira@ua。）; Paula* B.W.智能系统组。
靶向解吸电喷雾电离质谱成像用于药物分布、毒性和组织分类研究
摘要：随着质谱成像 (MSI) 在药物研发中的应用越来越广泛，我们有机会开发出结合探索性高性能分析和更高容量、更快靶向 MSI 的分析流程。因此，为了实现更快的 MSI 数据采集，我们提出了利用三重四极杆 (TQ) 质谱分析仪的分析物靶向解吸电喷雾电离质谱成像 (DESI-MSI)。与传统的飞行时间 (TOF) 质谱分析仪相比，评估的平台配置提供了更高的灵敏度，因此有可能生成适用于药物研发的数据。该平台成功运行，采样率高达 10 次扫描/秒，与同类 DESI-TOF 设置上常用的 1 次扫描/秒相比具有优势。更高的扫描速率使得研究内源性脂质物种（如磷脂酰胆碱）和四种口服药物（厄洛替宁、莫西沙星、奥氮平和特非那定）的解吸/电离过程成为可能。这可用于了解解吸/电离过程的影响，从而优化操作参数，与 DESI-TOF 分析或基质辅助激光解吸/电离 (MALDI) 平台相比，提高了脑组织切片中奥氮平和主要奥氮平代谢物羟基奥氮平的化合物覆盖率。该方法可以减少记录信息量，从而将数据集的大小从每个实验高达 150 GB 减少到几百 MB。在案例研究中证明了该方法对绘制药物分布图、药物引起的肾毒性的空间分辨分析以及卵巢肿瘤标本的分子组织学组织分类的适用性，其性能得到了改善。
用于计算分子激发能，电离电位和电子亲和力的量子自符合方程式方法
用于估计嘈杂的中间量子量子（NISQ）ERA设备上的分子基态性能，基于变异的量子本特征（VQE）算法的算法已获得流行，因为它们相对较低的电路深度和对噪声的弹性。9,10这导致了一系列成功的演示，涉及当今量子设备和模拟器上小分子的分子基态能量的计算。4,6,11 - 22然而，仅对分子基态能量的估计不足以描述许多有趣的化学过程，这些化学过程涉及某种形式的电子激发。23，例如，化学现象的准确建模，例如光化学反应，涉及过渡金属复合物，光合作用，太阳能电池操作等的催化过程等。需要对分子地面和激发态进行精确模拟。这种系统的电子激发态通常密切相关，因此需要使用复杂的量子化学理论来准确描述。在过去的几十年中，在这方面已经开发了许多方法。24 - 32最初由Stanton和Bartlett开发的运动方程耦合群集（EOM-CC）26方法是一个流行的示例，通常用于计算分子激发剂，例如激发能量
量子自洽运动方程法用于在量子计算机上计算分子激发能、电离势和电子亲和力
为了估计嘈杂的中尺度量子 (NISQ) 时代设备上的分子基态特性，基于变分量子特征求解器 (VQE) 的算法因其相对较低的电路深度和对噪声的抵抗力而广受欢迎。9,10 这导致了一系列成功的演示，涉及在当今的量子设备和模拟器上计算小分子的分子基态能量。4,6,11 – 22 然而，仅仅估计分子基态能量不足以描述许多涉及某种形式的电子激发的有趣化学过程。23 例如，准确模拟化学现象，如光化学反应、涉及过渡金属配合物的催化过程、光合作用、太阳能电池操作等，需要准确模拟分子基态和激发态。此类系统的电子激发态通常具有很强的相关性，因此需要使用复杂的量子化学理论来准确描述它们。在过去的几十年里，在这方面已经开发了许多方法。 24 – 32 运动方程耦合团簇 (EOM-CC) 26 方法最初由 Stanton 和 Bartlett 开发，是一种常用的例子，通常用于计算分子激发态特性，例如激发能
用于计算分子激发能，电离电位和电子亲和力的量子自符合方程式方法
用于估计嘈杂的中间量子量子（NISQ）ERA设备上的分子基态性能，基于变异的量子本特征（VQE）算法的算法已获得流行，因为它们相对较低的电路深度和对噪声的弹性。9,10这导致了一系列成功的演示，涉及当今量子设备和模拟器上小分子的分子基态能量的计算。4,6,11 - 22然而，仅对分子基态能量的估计不足以描述许多有趣的化学过程，这些化学过程涉及某种形式的电子激发。23，例如，化学现象的准确建模，例如光化学反应，涉及过渡金属复合物，光合作用，太阳能电池操作等的催化过程等。需要对分子地面和激发态进行精确模拟。这种系统的电子激发态通常密切相关，因此需要使用复杂的量子化学理论来准确描述。在过去的几十年中，在这方面已经开发了许多方法。24 - 32最初由Stanton和Bartlett开发的运动方程耦合群集（EOM-CC）26方法是一个流行的示例，通常用于计算分子激发剂，例如激发能量
无监督的机器学习应用程序，以识别MOSFET晶体管电离辐射效应的噪声事件的单事件瞬变（集合）
本文介绍了K-均无监督的机器学习算法的新应用，以在电子设备的重合离子辐照实验中识别噪声中的单个事件瞬态（SET）事件的问题。我们通过分析MOSFET晶体管的几种重型离子照射产生的集合事件的实验数据集来探索K-均值算法的性能。分别使用隔离森林和随机森林算法研究了所选特征（平均偏差，偏度和峰度）的数据异常和有效性。结果表明，K均值算法具有很高的能力，可以使用前四个统计矩作为特征从噪声中识别事件，从而允许将这种方法用于现场事件检测和诊断，而无需以前的算法训练或实验数据的预先分析。