葡京娱乐场-富盈娱乐场开户

與醫用不銹鋼、普通鈦合金相比，形狀記憶合金醫療器械具有如下優點：（1）具有形狀記憶效應和超彈性，可實現智能安裝；（2）低彈性模量，降低骨內固定器應力屏蔽效應；（3）常恢復應力，穩定脊柱和牙齒矯形力；（4）大彈性回復，提高血管與非血管支架壓縮比；（5）失穩剛度高，提高支架沖擊載荷下的穩定性。本課題組前期從1991年開始研制鎳鈦形狀記憶合金下尿路擴展支架、醫用腔道內支架等醫療器械，并已部分投入了臨床使用。近期，在國家自然科學基金、江蘇省自然科學基金等資助下開發了針對復雜或多孔結構記憶合金的表面改性新技術，通過改變表面結構，獲得了表面貧Ni甚至無Ni、且具有良好組織相容性的記憶合金骨科植入材料以及良好血液相容性的記憶合金心血管植入材料；通過改進自蔓延高溫合成技術，獲得了具有高生物力學相容性的多孔記憶合金受載硬組織替代材料。在此基礎上研制的高性能新型醫療器械在骨科內固定、消化道狹窄與心血管介入治療等醫學領域有廣泛應用前景。目前已經申請并獲得6項發明專利與4項實用新型。

本發明公開了一種取出根管內分離器械的裝置及其取出方法，其特點是該裝置包括機用環鉆和單開窗套管，所述機用環鉆由圓柱形環鉆(1)和適配器組成，所述適配器由連接件(2)和緊固件(3)組成，圓柱形環鉆通過緊固件與連接件的一端相連，連接件的另一端與登士柏根管治療馬達上的接口相匹配，以將圓柱形環鉆安裝在登士柏根管治療馬達上實現對圓柱形環鉆的旋轉控制；所述單開窗套管由單開窗套管(4)、楔子(5)、夾持手柄(6)構成。所述機用環鉆可替換為手用環鉆，構成另一套裝置。本發明所述取出根管內分離器械的裝置的取出方法，使取出根管內分離器械時較少的去除牙體組織，具有操作簡單、快速的優點。

本技術成果是在合成水分散體聚氨酯工藝中，采用特殊的復合剪切乳化分散工藝，把中和過程中的第 一步混合放在了靜態混合器中，第二步將混合物放在動態混合器中，動靜混合方式結合制備出具有穩定的 水性聚氨酯。另，嘗試采用含有羧基和磺酸基復合水性單體體系，分別在預聚體合成工藝的聚合階段和擴 鏈階段加入，從而使離子基團在大分子中的分布更均勻，有利于預聚體的分散和提高貯存穩定性。連續過 程短的保留時間大大減小了水和異氰酸酯的反應機會，而且二胺將與異氰酸酯充分反應，從而避免擴鏈劑 的過量加入。利用連續分散法得到的水性聚氨酯乳液粒徑平均在100nm～200nm之間，穩定性較批量加料 法高。本技術成果解決了目前間歇合成工藝中需要高能剪切攪拌器，對設備要求較高，消耗大量的能量以 及產品質量不穩定的缺點。

一種磁性水泥玻氈面聚氨酯復合板及其制備方法，該復合板材主要由表層和芯層構成，表層以摻雜磁性微粉的水泥漿料涂布纖維氈，制成具有磁性的表層，再通過芯層的澆注，最終得到具有表面磁性的聚氨酯板材。或者通過摻雜軟磁性微粉，制成板材后充磁得到具有表面磁性的聚氨酯板材。此外，該復合板材的芯層漿料也可以加入上述磁性微粉或軟磁物質得到整體具有磁性的聚氨酯板材。

本發明公開了一種環氧樹脂改性的聚氨酯灌漿加固材料及其制備方法,其中環氧樹脂改性的聚氨酯灌漿加固材料的原料按質量份數構成為:復合聚醚多元醇100份,環氧樹脂組份120-200份,胺類催化劑5-10份,有機錫類催化劑0.5-1.5份,表面活性劑1-3份,阻燃劑10-30份,多異氰酸酯55-90份.本發明聚氨酯灌漿加固材料粘度較低,具有良好的流動性和可灌性,固化時間可在1-30min內調控,固化過程中放熱量低,固結體形成過程中,芯部最高反應溫度在100℃以下,固化完成后的固結體具有較高的壓縮強度(15-40MPa),同時具有較強的粘接性和韌性,可適應各類易形變地基的加固.。

本發明公開了一種苯基有機硅改性聚氨酯樹脂及其制備方法和應用，屬于聚氨酯樹脂領域。其結構 式為:其制法為:先將苯基硅二醇溶于有機溶劑后，與氯硅烷(R2SiCH3Cl2)反應制得羥基封端的甲基苯 基聚硅氧烷;在催化劑的作用下，將羥基封端的甲基苯基聚硅氧烷和硅烷化合物混合，制得氨基或亞氨 基封端的甲基苯基聚硅氧烷;然后在氬氣氛圍中，將二異氰酸酯、氨基或亞氨基封端甲基苯基聚硅氧烷、 聚乙二醇或多元醇和混合溶劑混合，反應，即得苯基有機硅改性聚氨酯樹脂。其優點是:降低了吸水性， 提升了其疏水性;改善了有機硅與聚

 現有高固體含量涂料普遍存在施工揮發性有機化合物（VOC）排放量高于 550g/L、涂膜性能不好、產品中殘留苯系等有毒有害物質 的問題，本團隊利用己內酯與小分子多元醇反應生成雜多臂星形羥基聚酯，再與單縮水甘油醚對星形羥基樹脂進行改性，制備高固低黏的羥基樹脂與高固體含量涂料，其施工 VOC 低至 220g/L， 鉛筆硬度高達 3H 和施工活化期長,成功解決了現有高固含涂料的關鍵技術難題。 

本發明公開了一種海洋防污涂料用有機硅季銨鹽改性聚氨酯樹脂的制備方法，該方法首先由1,3-雙[3-(1-甲氧基-2-羥基丙氧基)丙基]-四甲基二硅氧烷、γ-氯丙基甲基二甲氧基硅烷、二甲基二甲氧基硅烷、去離子水和十二烷基二甲基叔胺制備雙羥基封端有機硅季銨鹽，然后將制備的雙羥基封端有機硅季銨鹽、聚醚多元醇與二異氰酸酯在溶劑中混合并加入固化劑制備海洋防污涂料用有機硅季銨鹽改性聚氨酯樹脂；本發明制備的有機硅季銨鹽改性聚氨酯樹脂結合了低表面能與毒殺的雙重效果，用作海洋防污涂料成膜物質，不僅可以抑制海洋生物的吸附，還能通過季銨鹽殺死吸附在船體表面的細菌。

本成果采用最新的深度學習和分子模擬算法，結合新一代分子特征化方法，開發了多種計算機模型，可用于藥物開發中的多個階段，為藥物的快速設計開發提供一個完整的基于人工智能的解決方案。成果：1.藥物毒性預測方法：傳統的化合物毒性檢測技術一般需要使用生化試驗、細胞實驗、甚至動物模型，這些方法不僅耗費大量時間，而且成本很高。使用計算模型進行有機化合物的毒性預測，所需投入較少，但產出巨大。特別是基于化合物的物理化學和結構特性的計算模型，甚至能夠在化合物合成之前就對其進行預測，大大提高了效率，使其越來越受到歡迎。在進行體外和體內試驗之前先使用計算機模型對化合物進行大規模的毒性篩選，能夠更好地解決候選藥物具有毒性的問題。我們建立了一套新的基于多種分子指紋和機器學習算法的化合物毒性預測集成學習算法，運用此集成學習算法建立了新的有機化合物致癌性、致突變性和肝毒性預測模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預測)的預測服務器，這些服務器能夠為使用者提供更高效更便捷的預測技術服務。自2017年服務器發表起，我們已為國內外藥物分子設計研究者提供了5000多次共計超過20多萬個化合物的毒性預測服務。在有機化合物毒性預測研究方向，我們主要完成了化合物的細胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預測模型，以及糖尿病早期篩查模型的開發，正在進行P450酶阻滯劑性預測模型、基于圖神經網絡的毒性預測算法研究、基于分子對接的化合物毒性預測研究等。相關研究成果已發表多篇學術論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數80，ESI 1%高被引論文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性預測服務器首頁致癌性預測結果頁相關綜述對本服務器的介紹RF-hERG-Score預測藥物引起的hERG相關心臟毒性2.藥物設計方法：在計算機上對藥物靶點和藥物分子的結構和活性建模，計算藥物與靶點之間的相互作用關系，從而設計出具有治療作用的藥物。計算機輔助藥物設計可以為藥物設計各階段的實驗方案提供有意義的指導，減少需要通過實驗評估的候選藥物的數量，從而加快新藥研發速度。我們應用分子對接、分子動力學模擬、自由能計算、機器學習等方法研究流感病毒等重要疾病的計算機輔助藥物設計、并開發更有效的計算機輔助藥物設計方法。在計算機輔助藥物設計研究我們主要完成了流感病毒M2質子通道蛋白抑制劑虛擬篩選方法研究，正在進行先導化合物生成模型研究、基于機器學習的虛擬篩選打分函數算法開發、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設計研究。特異性重打分函數顯著虛擬篩選性能顯著較高篩選出兩個候選抑制劑3.藥物靶點識別方法：長非編碼RNA（lncRNA）是一種長度在200nt至100,000nt之間的非編碼RNA，是轉錄物的主要成分。研究表明lncRNA在許多生物學和病理學過程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結合。lncRNA-蛋白質相互作用的實驗研究需要大量資源。累積的實驗數據使得通過計算方法預測lncRNA-蛋白質相互作用成為可能。我們使用各種數學建模和機器學習方法開發了幾種用于預測lncRNA-蛋白質相互作用的新模型。這些模型命名為：RWLPAP（隨機游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機游走和鄰域規則化Logistic矩陣分解），LPI-BNPRA（雙向網絡投影推薦算法），LPI-ETSLP（基于特征值變換的半監督鏈路預測），HLPI-Ensemble（集成學習）。在交叉驗證中，我們的模型獲得了較好的預測性能。lncRNA-蛋白質相互作用預測模型的性能比較lncRNA-蛋白質相互作用預測服務器相關軟件著作權：

本專利公布了一種垃圾回收系統，包括垃圾桶和垃圾回收車， 垃圾桶底座上安裝有骨架，垃圾桶外殼通過轉軸和骨架相連，垃圾桶外殼可繞 轉軸轉動，垃圾桶桶體上設置有托盤系統、翻轉裝置、垃圾檢測裝置、垃圾桶 識別裝置、垃圾桶站點太陽能發電系統和垃圾桶控制柜；垃圾回收車包括差分 GPS 天線、垃圾回收車控制柜、垃圾識別裝置、垃圾桶識別裝置，垃圾收集裝置、 垃圾回收車托盤系統、路況攝像系統和太陽能發電系統。垃圾桶具有溢滿指示 功能，垃圾回收車可實現路面的自動清掃，還可實現與溢滿垃圾桶的自動搜尋， 對垃圾桶內垃圾進行自動清理。 應用領域及前景：城市垃圾回收系統通常包括遍布設置于城市中的垃圾桶青島農業大學科技成果介紹 2017 －70－ 和對垃圾桶內垃圾進行回收的垃圾車，垃圾桶用于垃圾暫時的存放，垃圾車再 對垃圾桶內的垃圾進行集中清理。