بخش مهم فرآیندها در شناسایی علائم مولکولی با روش¬های آزمایشگاهی پیچیده انجام می¬شود. آنچه امروزه قابل مشاهده است، مربوط به بهره¬برداری از دستاوردها و ترکیب آن¬ها به عنوان، فناوری¬های جدید قابل دسترس می¬باشند. انجام این هدف نیازمند پیشرفت فناوری¬های 100-1 نانومتر می¬باشد چکیده کامل
بخش مهم فرآیندها در شناسایی علائم مولکولی با روش¬های آزمایشگاهی پیچیده انجام می¬شود. آنچه امروزه قابل مشاهده است، مربوط به بهره¬برداری از دستاوردها و ترکیب آن¬ها به عنوان، فناوری¬های جدید قابل دسترس می¬باشند. انجام این هدف نیازمند پیشرفت فناوری¬های 100-1 نانومتر می¬باشد تا بتوانند در تجسم و حس برهمکنش¬های بین گیرنده¬ها و اجزای خاص کمک کند. نقاط کوانتومی گرافن با سهولت تولید و زیست سازگاری و سمیت کم قابل استفاده این در همه زمینه¬ها شده است. این نوع نقاط کوانتومی، حاوی گروه¬های عاملی کربوکسیلیک اسید در سطح خود هستند که قابلیت تعویض با گروه¬های عاملی دیگر را داشته و موجب حلالیت بسیار بالا آن¬ها در آب شده است. همچنین آن-ها را برای عامل¬دار کردن با مواد آلی مختلف مثل پلیمرها، مناسب کرده است. قالبگیــری مولکولــی روشی ســریع و دقیــق بــرای تشــخیص مولكولها و یکــی از مهمتریــن روشهــای تشــخیص و تعییــن کمــی آنها می¬باشد. استفاده از حسگر پلیمرهای قالب مولکولی بر پایه نقاط کوانتومی گرافن به جهت گزینش¬پذیری و حساسیت بالا و همچنین قابلیت انحلال در محیط¬های آبی، موجب عملکرد بالای آن¬ها استفاده در اکثر زمینه¬های تشخیص و اندازه¬گیری شده است.
جزييات مقاله
یکی از مهمترین شاخه های علوم داروسازی، دارورسانی هدفمند می¬باشد که در سال های اخیر توجه پژوهشگران را جلب نموده است. نکته ای که محققین را به سمت دارورسانی هدفمند سوق می دهد، افزایش میزان اثر بخشی دارو و کاهش سمیت دارو به وسیله ی حامل های دارورسانی است. در این مقاله، انوا چکیده کامل
یکی از مهمترین شاخه های علوم داروسازی، دارورسانی هدفمند می¬باشد که در سال های اخیر توجه پژوهشگران را جلب نموده است. نکته ای که محققین را به سمت دارورسانی هدفمند سوق می دهد، افزایش میزان اثر بخشی دارو و کاهش سمیت دارو به وسیله ی حامل های دارورسانی است. در این مقاله، انواع حامل های دارورسانی مورد بررسی قرار میگیرد که اهمیت دارورسانی و رهایش دارو را به خوبی نشان می دهند.
جزييات مقاله
امروزه استفاده از یادگیری ماشین (Machine Learning) به¬علت مزایای بسیار از جمله سادگی، سرعت بالا، دقت زیاد در پیشبینی فرایندهای گوناگون، عدم نیاز به تجهیزات و وسایل پیچیده و در دسترس بودن کاربردهای زیادی در علوم و زمینههای مختلف از جمله آمار، ریاضیات، فیزیک، شیمی، بیو چکیده کامل
امروزه استفاده از یادگیری ماشین (Machine Learning) به¬علت مزایای بسیار از جمله سادگی، سرعت بالا، دقت زیاد در پیشبینی فرایندهای گوناگون، عدم نیاز به تجهیزات و وسایل پیچیده و در دسترس بودن کاربردهای زیادی در علوم و زمینههای مختلف از جمله آمار، ریاضیات، فیزیک، شیمی، بیوشیمی، مهندسی مواد، مهندسی پزشکی، داروسازی و... پیدا کرده است. بنابراین در عصر حاضر مطالعه و بررسی روشها و الگوریتمهای گوناگون یادگیری ماشین از اهمیت بسیاری برخوردار است. به-عنوان زیرمجموعهای از هوش مصنوعی، الگوریتمهای یادگیری ماشین، مدل ریاضی بر اساس دادههای نمونه یا دادههای آموزشی به¬منظور پیشبینی یا تصمیمگیری بدون برنامهریزی، ایجاد میکنند. یکی از جذابترین موضوعاتی که میتوان با هوش مصنوعی روی آن متمرکز شد، پیشبینی و تخمین رخداد¬ها در آینده است. یادگیری ماشین، توانایی یادگیری مستقل را برای ماشینها ایجاد میکند. به¬عبارتی ماشین میتواند از تجربیات، مشاهدات و الگوهایی که بر اساس مجموعه¬ای از داده¬ها تجزیه و تحلیل میکند، آموزش ببیند. امروزه یادگیری ماشین کاربرد زیادی در شیمی تجزیه پیدا کرده است و از دادههای حاصل از روشهای مختلف تجزیهای مانند طیف سنجی، فلورسانس، ولتامتری، طیفسنجی نشری، میکرواستخراج فاز جامد، سوانگاری مایع، سوانگاری گازی، طیفسنجی فروسرخ و ... برای مدلسازی، پیشبینی و طبقهبندی دادهها استفاده میشود. یادگیری ماشین همچنین به¬طور گسترده در سنتز، بهینهسازی پارامترها و کنترل خواص پلیمرها استفاده میشود. مدلهای ساخته شده از دقت بسیار زیادی برخوردار هستند.
جزييات مقاله