-
公开(公告)号：CN103961343B
公开(公告)日：2015-11-18
申请号：CN201410170050.4
申请日：2014-04-25
Applicant: 南开大学
IPC: A61K31/198 , A61K47/48 , A61P39/02
Abstract: 一种L-半胱氨酸—氧化石墨烯纳米材料的制备方法，步骤如下：1）将氧化石墨烯加入纯净水中得到氧化石墨烯悬浮液；2）加入1-（3-二甲基氨基丙基）-3-乙基碳二亚胺盐酸盐和N-羟基琥珀酰亚胺磺酸钠盐得到混合液并进行活化反应,活化反应时间为1h；3）加入L-半胱氨酸，反应12h，然后用0.22um的超滤膜过滤，将所得固体物在-50℃下冷冻干燥即可。所制备的L-半胱氨酸—氧化石墨烯纳米材料用于降低斑马鱼胚胎的染砷毒性。本发明的优点是：该L-半胱氨酸—氧化石墨烯纳米材料的制备方法工艺简单、易于实施，用于降低斑马鱼胚胎染砷毒性实验，可使斑马鱼胚胎的畸形率降低15%。
-
公开(公告)号：CN104931326A
公开(公告)日：2015-09-23
申请号：CN201510387669.5
申请日：2015-07-03
Applicant: 南开大学
Abstract: 一种斑马鱼代谢物的提取方法，步骤如下：1)将斑马鱼样品用生理盐水冲洗干净后迅速浸没于液氮中保存备用；2)将样品在-80℃温度下研磨变成匀质浆体；3)将浆体状样品加入-20℃预冷的提取液中，进行两次微波萃取，将离心后收集两次上清液混合后加入灭菌去离子水，经离心、静置、干燥后得到混合溶液；4)将混合溶液真空干燥后，通过甲氧氨基盐酸盐-吡啶溶液、N-甲基-N-(三甲基硅烷)-三氟乙酰胺两步法进行衍生化，得到斑马鱼代谢物衍生化样品。本发明的优点是：该斑马鱼代谢物的提取方法简单、准确，易于实施，用于斑马鱼暴露于低浓度纳米材料实验，可使斑马鱼毒性检测的灵敏性提高。
-
公开(公告)号：CN104056713A
公开(公告)日：2014-09-24
申请号：CN201410263493.8
申请日：2014-06-13
Applicant: 南开大学
Abstract: 一种土壤中氧化石墨烯纳米材料的分离方法，步骤如下：1）将土壤样品干燥后，过100目筛，得到土壤粉末；2）在装有壤粉末的容器内加入超纯水，置于涡旋震荡器上混匀15min使水土充分接触，得到水土混合液；3）将水土混合液室温下在摇床上回旋振荡，摇床转速≥180r/min，振荡时间≥4h，使氧化石墨烯逐渐沉降在土壤表层；4）将沉降在土壤表层的氧化石墨烯用超纯水洗出，经滤膜抽滤并在-50℃下冷冻干燥，即可得到氧化石墨烯粉末。本发明的优点是：该种从土壤中分离氧化石墨烯纳米材料的方法工艺简单、易于操作，并且可以借鉴到分离土壤中其他种类的纳米材料，有助于纳米材料在土壤环境中生物化学行为的研究。
-
公开(公告)号：CN103961343A
公开(公告)日：2014-08-06
申请号：CN201410170050.4
申请日：2014-04-25
Applicant: 南开大学
IPC: A61K31/198 , A61K47/48 , A61P39/02
Abstract: 一种L-半胱氨酸—氧化石墨烯纳米材料的制备方法，步骤如下：1）将氧化石墨烯加入纯净水中得到氧化石墨烯悬浮液；2）加入1-（3-二甲基氨基丙基）-3-乙基碳二亚胺盐酸盐和N-羟基琥珀酰亚胺磺酸钠盐得到混合液并进行活化反应，活化反应时间为1h；3）加入L-半胱氨酸，反应12h，然后用0.22um的超滤膜过滤，将所得固体物在-50℃下冷冻干燥即可。所制备的L-半胱氨酸—氧化石墨烯纳米材料用于降低斑马鱼胚胎的染砷毒性。本发明的优点是：该L-半胱氨酸—氧化石墨烯纳米材料的制备方法工艺简单、易于实施，用于降低斑马鱼胚胎染砷毒性实验，可使斑马鱼胚胎的畸形率降低15%。
-
公开(公告)号：CN101692073B
公开(公告)日：2012-01-25
申请号：CN200910069925.0
申请日：2009-07-29
Applicant: 南开大学
Abstract: 本发明属于环境中痕量污染物分析领域，具体地说是一种测定畜牧粪便中抗生素的方法。该方法以EDTA-McIlvaine缓冲液和甲酸酸化的乙腈为提取液，用微波辅助萃取仪萃取，固相萃取小柱纯化浓缩，最后用液相色谱串联二级质谱(LC-MS/MS)分析测定，从而准确快捷地分析粪便中的抗生素。具体的分析测定方法为：取一定量冷冻干燥后的粪便，放到聚四氟乙烯萃取罐中，加入EDTA-McIlvaine缓冲液和甲酸酸化的乙腈，利用调试后的微波辅助萃取仪进行萃取，然后经过优化后固相萃取小柱浓缩纯化，氮气吹干，定容，最后用调试后的HPLC-MS/MS准确测定。本发明开发的测定方法简单，快捷，并具有高回收率、低检出限、高灵敏性、抗基质干扰等特点。
-
Patent Agency Ranking
公开(公告)号：CN114661712B
公开(公告)日：2024-11-29
申请号：CN202210249018.X
申请日：2022-03-14
Applicant: 南开大学
IPC: G06F16/22 , G06F16/242 , G06F16/2458 , G06F16/28
Abstract: 本发明公开基于文献的土壤因素微生物多样性数据库的构建方法，首先研究土壤及土壤微生物领域的关键指标参数；然后提取指标包含文章发表信息、研究情境及方法、土壤微生物群落指标和土壤指标的数据库基本信息；其次规定数据筛选原则收集海量土壤微生物历史文献中的数据，存储建成Access数据库，并利用Access数据库对数据进行更新，可视化及分析。本发明构建了基于文献的土壤微生物数据库，该数据库能够提供给用户方便查询的文献及数据，尤其是针对后续可能利用人工智能进行的其他研究。
-
公开(公告)号：CN116433068B
公开(公告)日：2024-04-05
申请号：CN202310147966.7
申请日：2023-02-22
Applicant: 农业农村部环境保护科研监测所 , 南开大学
IPC: G06Q10/0639 , G06F16/29 , G06N20/00 , G06N5/01 , G06Q50/26
Abstract: 本发明涉及一种评价土壤多功能性的因果机器学习方法，包括如下步骤：收集文献中不同地点土壤的包含理化性质、有机物含量在内的数据，并填补环境特征、干旱指数相关数据，建立土壤数据库；选择合适的特征使用多功能指数量化不同土壤样本多功能性；划分特征变量、干预变量及输出变量，基于因果森林模型将处理后的数据集输入模型进行训练，调节参数；根据训练完成后的因果森林模型，计算干预变量即干旱指数对输出变量即土壤多功能指数的平均因果效应；进一步将特征变量重要性进行排序，筛选重要变量，计算该类特征背景下干旱对输出变量的异质性因果效应。
-
公开(公告)号：CN117198395A
公开(公告)日：2023-12-08
申请号：CN202310792627.4
申请日：2023-06-30
Applicant: 南开大学 , 农业农村部环境保护科研监测所
Abstract: 本发明涉及一种预测土壤根际微生物多样性的机器学习方法，包括如下步骤：收集文献中不同地点土壤的包含植物种类、根际微生物基因测序序列号、土壤理化性质等在内的数据，并填补环境特征、气候条件相关数据，建立土壤数据库；根据所获取的基因测序数据序列号，下载根际微生物测序数据，得到土壤根际微生物原始数据，选择能够反映土壤根际微生物多样性的合适指标，确定机器学习模型的输出；基于土壤数据库，使用机器学习特征筛选方法进行特征筛选，得到筛选后的特征集；基于机器学习算法对所筛选出的特征进行重要性分析并排序，获得显著性信息；基于机器学习算法将筛选后的特征集输入到机器学习模型进行训练，得到预测的根际土壤微生物多样性结果。
-
公开(公告)号：CN116894147A
公开(公告)日：2023-10-17
申请号：CN202310979762.X
申请日：2023-08-04
Applicant: 南开大学
Abstract: 本发明公开一种基于滑动窗口混合效应模型的河流生态阈值分析方法，通过检测河流样本的物理化学性质、生物多样性，收集环境因子、人为活动压力数据，分析河流生态系统功能并建立输入数据集；使用混合效应模型对生物多样性与生态功能之间的关系进行建模，得到生物多样性与河流生态功能的关系模型；基于滑动窗口分析结合自助法进行模型的参数估计和推断；使用分段回归模型对生物多样性与生态功能之间的关系随环境或人为活动压力变化进行分析，找出可能存在的阈值。本发明快速、有效地分析生物多样性与生态功能之间关系随环境因子或者人为活动压力改变的阈值，为环境生态保护基准及政策的制定提供有价值的参考和决策依据。
-
公开(公告)号：CN116433068A
公开(公告)日：2023-07-14
申请号：CN202310147966.7
申请日：2023-02-22
Applicant: 农业农村部环境保护科研监测所 , 南开大学
IPC: G06Q10/0639 , G06F16/29 , G06N20/00 , G06N5/01 , G06Q50/26
Abstract: 本发明涉及一种评价土壤多功能性的因果机器学习方法，包括如下步骤：收集文献中不同地点土壤的包含理化性质、有机物含量在内的数据，并填补环境特征、干旱指数相关数据，建立土壤数据库；选择合适的特征使用多功能指数量化不同土壤样本多功能性；划分特征变量、干预变量及输出变量，基于因果森林模型将处理后的数据集输入模型进行训练，调节参数；根据训练完成后的因果森林模型，计算干预变量即干旱指数对输出变量即土壤多功能指数的平均因果效应；进一步将特征变量重要性进行排序，筛选重要变量，计算该类特征背景下干旱对输出变量的异质性因果效应。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.023 seconds)
