XiaoMi-AI文件搜索系统
World File Search System紫叶
RIMBANG 叶提取物 (Solanum torvum) AS ...
林邦叶（Solanum torvum）含有酚类、黄酮类、三萜类和皂苷类的次生代谢产物化合物。这种次级代谢产物化合物可以在钢表面形成一层保护层，从而发挥腐蚀抑制剂的作用。本研究旨在确定 rimbang 叶提取物在 1 M HCl 介质中作为低碳钢腐蚀抑制剂的能力。使用甲醇溶剂浸渍获得 Rimbang 叶提取物，并使用重量损失法、紫外可见分光光度法、傅里叶变换红外 (FTIR)、原子吸收光谱法 (AAS)、光学显微镜分析和接触角进行测试。根据研究结果，在30℃温度下，当林邦叶提取物浓度为8g/L时，林邦叶提取物的最高抑制效率为91.30％。失重法测量表明，随着萃取物浓度的增加和温度的降低，腐蚀速率降低，缓蚀效率提高。林邦叶提取物的吸附遵循朗缪尔吸附等温线。林邦叶提取物的吸附属于混合型吸附，但根据热力学参数计算的结果，趋向于物理吸附。使用 FTIR 和 UV-Vis 进行的分析表明，rimbang 叶提取物和钢表面之间存在相互作用。使用光学显微镜进行的表面分析表明，添加和不添加 rimbang 叶提取物后，钢材表面的形态存在差异。在 SSA 方法中，HCl 介质中溶解铁的含量随着 rimbang 叶提取物浓度的增加而降低。测量接触角l得出加入萃取液的钢材表面在滴上水后就变得疏水了，从而可以减缓腐蚀反应。
贝叶斯推理的计算技术
统计计算很大程度上由概率的加权总和或积分组成。贝叶斯推论和频繁统计之间的关键实际差异之一是，在将这些竞争性的方法解决相同问题的情况下出现了巨大不同类型的积分类型（Loredo 1992）。例如，考虑到某些观察到的数据d，估计某些模型的参数m；用θ共同表示参数。在贝叶斯和频繁的积分中出现的关键数量是假设模型为真的数据并假定要知道的参数的概率，p（d |θ，m）。被认为是数据的函数，这称为采样分布；作为参数的函数，它称为可能性函数，它将缩写为l（θ）。该方法之间的基本实际差异是，频繁计算需要在数据维度（样本空间）上进行此数量的积分，而贝叶斯计算需要在参数空间上进行积分。基于通过参数空间进行求和或集成在试图使用样品空间中计算的概率进行推断的概率的概率上的推断。在这里的简短空间中，对这些优势的重要讨论是不可能的。必须提及两个具有巨大实际实用性的积极优势。在贝叶斯推理中，可以直接消除滋扰参数，同时简单地通过在φ上整合（ψ，φ）的关节分布来解决它们的不确定性。首先，在绝大多数的实际应用中，参数空间可以分为两个部分θ=（ψ，φ），其中兴趣集中在ψ上，并且φ由对数据建模但不感兴趣的“滋扰”参数组成（例如，背景强度）。没有完全的SAT-
solenostemon honostachyus叶提取物作为eco
2.2供应链集成供应链集成的定义为“组织内的所有活动及其供应商，客户和其他供应链成员的活动的程度”（Narasimhanet。al。，1998）。SCM具有其原始规模的三个自变量，它们是：内部，供应商和客户集成。有些人还考虑了两个级别的集成：内部集成和外部集成（Tutuncu＆Kucukusta，2008）。Stevens（1989）将供应链集成分为三个级别，从功能集成到内部集成和外部集成。但是，本研究仅着重于内部和外部整合，因为功能集成是所有公司实施和实现内部集成的先决条件（Otchere等人al。，2013年）。主要的信念是，供应链整合是提高各种企业绩效措施的有用方法（Wiengarten等人al 2010; Otchere等。al。，2013年）。因此，可以通过合作，协作，信息共享，信任，伙伴关系，共享技术以及从管理单个功能流程到管理流程综合链的基本转变来表征集成的基础（Kahn 1998; Pagell 2004）。
橄榄叶提取物对学习和记忆的影响...
目的：利用 Morris 水迷宫 (MWM) 测试研究橄榄叶提取物 (OLE) 对链脲佐菌素 (STZ) 诱发的糖尿病大鼠学习和记忆能力的影响。方法：将 32 只雄性 Wistar 白化大鼠随机分为四组：对照组 (第 1 组)、STZ 诱发的糖尿病组 (第 2 组)、STZ + OLE (第 3 组)、OLE + STZ (第 4 组)。治疗组 (第 3、4 组) 口服 0.5 g/kg OLE，持续六周。进行 MWM 测试以评估找到平台的潜伏期、游泳总距离和平均速度。检查海马组织以测量酶活性（丙二醛（MDA）、过氧化氢酶（CAT）、超氧化物歧化酶（SOD）和谷胱甘肽过氧化物酶（GPx）。在研究前和手术前记录血糖水平。结果：对照组和治疗组到达平台的潜伏期较短，对照组和OLE+STZ组的减少最为显著。在第5天，OLE+STZ组游泳距离最短。随着时间的推移，第2组和治疗组的游泳距离显著减少。各组之间平均速度差异仅在第1天显着。第2组的MDA水平高于对照组，但治疗组的MLA降低，尤其是OLE+STZ组。与第2组相比，所有组的CAT水平均升高。与第2组相比，对照组和OLE+STZ组的GPx和SOD水平升高。OLE+STZ组的GPx和SOD水平高于STZ+OLE组。与第 2 组相比，对照组和治疗组的血糖水平下降，其中 OLE + STZ 组的下降幅度最大。讨论：OLE 降低了糖尿病大鼠的氧化应激并改善了学习和记忆能力，在 STZ 给药前接受 OLE 的组效果更明显。
量子贝叶斯计算
量子贝叶斯计算 (QBC) 是一个新兴领域，它利用量子计算机的计算优势，为贝叶斯计算提供指数级加速。我们的论文以两种方式丰富了文献。首先，我们展示了如何使用冯·诺依曼量子测量来模拟机器学习算法，例如马尔可夫链蒙特卡罗 (MCMC) 和深度学习 (DL)，这些算法是贝叶斯学习的基础。其次，我们描述了实现量子机器学习所需的数据编码方法，包括传统特征提取和核嵌入方法的对应方法。我们的目标是展示如何将量子算法直接应用于统计机器学习问题。在理论方面，我们提供了高维回归、高斯过程 (Q-GP) 和随机梯度下降 (Q-SGD) 的量子版本。在经验方面，我们将量子 FFT 模型应用于芝加哥住房数据。最后，我们总结了未来研究的方向。
通过合并贝叶斯网络
我们介绍了基于快速贪婪的等效搜索算法，通过合并本地学到的贝叶斯网络来学习基因调节网络的结构的新方法，用于学习基因调节网络的结构。该方法在Matthews相关系数方面与艺术的状态具有竞争力，该系数既考虑到精度和召回率，同时也可以在速度方面进行改进，扩展到数万个变量，并能够使用有关基因调节网络拓扑结构的经验知识。为了展示我们的方法扩展到大规模网络的能力，我们使用来自不同大脑结构的样本（来自艾伦人脑大脑图书馆）的数据来学习全人类基因组的基因调节网络。此外，这种贝叶斯网络模型应以专家的清晰度来预测基因之间的相互作用，遵循当前可解释的人工智能的趋势。为了实现这一目标，我们还提出了一种新的开放式可视化工具，该工具促进了大规模网络的探索，并可以帮助寻找感兴趣的体验测试节点。
201使用叶甲醇提取物...
已经对使用Kaliandra叶甲醇提取物作为铁金属腐蚀抑制剂的抽象研究进行了研究。本研究的目的是确定在HCl培养基中铁金属抑制过程中浸泡时间，浓度和温度变化中，Kaliandra叶提取物（Calliandra calothyrsus M.）中包含的二级代谢产物和最佳条件。kaliandra叶提取物是通过用甲醇溶剂浸润提取的。使用减少浸泡时间，kaliandra叶提取物的浓度和温度来确定每年的腐蚀速率和抑制效率％的腐蚀测试。结果表明，kaliandra叶甲醇提取物含有二级代谢化合物生物碱，类黄酮，单宁和皂苷。在6天的抑制作用时，获得了HCL腐蚀性培养基上铁金属抑制过程的最佳条件，抑制效率和腐蚀速率值为86.49％和0.00119 mm/年，并以13,000 ppm的浓度和温度为26℃年度和91.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.61.60％。在使用温度变化的浸入中，所使用的温度越高，抑制效率降低和腐蚀速率增加，以使铁金属经历更快的腐蚀。
使用贝叶斯网络
为了比较定理2和4，我们从[5，表1]中的每一行选择相同的Q，n，c和ℓ= k 1 + k 2。对于Q，n，c和ℓ= k 1 + k 2的元组，它们[5，sec。vi]还引入了集合P，以量化给定参数的最大可能距离q，n，c和ℓ= k 1 + k 2，通过该版本的GV边界来确保存在量子代码的存在。具体而言，对于固定值（q，n，k 1，k 2，c）（或（q，n，ℓ= k 1 + k 2，c）），我们考虑z-最小和x-最小距离的p旧（d 1，d 2）的集合（d 1，d 2）和x-毫米最低距离的不对称eaqeccs（d），d 1，d 1，d 2 2），但（5）die（5）die（5）或die（5）或die（5）或die（或满足）或die（或满足die（die），或（或满足d），或（5），或满足（5），或满足（5）或die（或满足d）。 ，d 2）或（d 1，d 2 + 1）分别违反了不平等（5）[或不平等（1）]。对于任何（d 1，d 2）∈P旧存在（d'
从大肠杆菌中紫罗兰菌的紫罗兰生物合成途径重建
简介：紫皮蛋白是一种由各种细菌产生的双座，众所周知，可以显示出广泛的药物特性。不幸的是，天然紫饼蛋白生产商的生产力低，导致了不一致的紫cile蛋白供应，从而限制了其作为未来治疗剂的应用。异源表达系统，例如大肠杆菌和Pichia Pastoris，提供了一种产生这些高价值的次级代谢物的替代方法。这项工作描述了大肠杆菌中紫质蛋白异源生产的遗传体系的发展。方法：紫c。violaceum，mth01的生产者是从马来西亚马来西亚大学的林理学基础上分离出来的。使用基因特异性底漆，整个7.3 Kb紫out基因簇从C. volaceum mth01 DNA成功扩增，克隆到PUC19矢量（PVIO19）中，然后分别为PET-3A和PET-3A和PET-11B，分为PVIO3A和PVIO3A和PVIO11B，分别为PET-3A和PET-11B。为异源表达，优化了碳源，温度，诱导剂（IPTG）和L-色氨酸的参数。使用TLC和FTIR分析了从紫色的大肠杆菌转化体中提取的violacein。结果：几天后，含有PVIO3A或PVIO11B的大肠杆菌转化体开发了紫色菌落，表明紫co菌菌素在大肠杆菌中成功表达。TLC分析显示，RF值可与脱氧维奥莱辛（紫氧化紫葡萄丝（Deoxyviolacein）（一种中介代谢物）中的脱氧葡萄蛋白相媲美，而FTIR光谱揭示了胺和羰基的存在，这两个都是吲哚的特征。结论：此处描述的大肠杆菌异源系统可以利用葡萄糖或甘油作为碳源。将L-色氨酸添加到生长培养基中对于成功表达紫col途径是必要的。
kinome分析将MARK3和STK10识别为紫veal黑色素瘤的潜在治疗靶标
杰斐逊数字共享将这篇文章带给您免费和开放访问。Jefferson Digital Commons是Thomas Jefferson大学教学中心（CTL）的服务。Commons是杰斐逊书籍和期刊的展示，经过同行评审的学术出版物，大学档案馆的独特历史收藏以及教学工具。Jefferson Digital Commons允许研究人员和感兴趣的读者在世界任何地方学习并与Jefferson奖学金保持最新状态。本文已被杰斐逊数字共享的授权管理员所接受，以纳入药理学，生理学和癌症生物学教师论文。有关更多信息，请联系：jeffersondigitalcommons@jefferson.edu。