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.
پرونده 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.
پرونده 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.
پرونده مقاله