-
公开(公告)号:CN117229440A
公开(公告)日:2023-12-15
申请号:CN202310712270.4
申请日:2023-06-15
申请人: 北京化工大学
IPC分类号: C08F120/34 , C09K11/06 , A01N25/10 , A01N51/00 , A01N57/16 , A01P7/04 , C08F4/10 , C12N15/87
摘要: 本发明公开了一种带有扭曲核结构的聚合物载体的制备方法和应用。所述聚合物载体是由带有扭曲结构的多苯环疏水核心和带有多个氢键和离子键结合位点的含氮丙烯酸酯类的亲水聚合物臂组成。本发明制备的带有扭曲核结构的聚合物载体,其能自由转动的多苯环扭曲核结构能够抑制分子间的面对面聚集,形成疏松的结构,为药物与载体的结合提供更多的作用位点,形成带有扭曲核载体‑药物复合物,提高药物负载效率,并且具有聚集诱导发光,实现递送过程中荧光示踪;亲水的聚合物具有能够结合含氢键供体的化学药物、带负电的基因等功能。该种载体应用于农业领域,可通过增加农药的负载,降低药物粒径,显著提高杀虫效率。
-
公开(公告)号:CN115124669A
公开(公告)日:2022-09-30
申请号:CN202210591094.9
申请日:2022-05-27
申请人: 北京化工大学
IPC分类号: C08F293/00 , A61K47/34
摘要: 本发明公开了一种双载基因和药物的线性嵌段共聚物纳米载体的制备方法及应用。本发明通过正丁醇与ε‑己内酯单体的开环聚合和线性大分子引发剂与含氮的丙烯酸酯类单体的原子转移自由基聚合得到聚己内酯‑聚丙烯酸酯类嵌段共聚物。该共聚物载体可组装成50‑300nm的纳米粒子,具有良好的水分散性、稳定性和较高的疏水药物装载能力;同时,由于其表面带有正电荷,可以在水环境中装载外源核酸分子,形成稳定的基因/疏水药物双载型纳米粒子,并可快速进入细胞。将其应用于农业领域,可以同时负载疏水性农药及外源核酸,通过基因、药物双载的方式杀虫能有效提高害虫死亡率。
-
公开(公告)号:CN107169086B
公开(公告)日:2020-10-27
申请号:CN201710333445.5
申请日:2017-05-12
申请人: 北京化工大学
IPC分类号: G06F16/35
摘要: 本发明涉及一种文本分类方法,基于训练文本的文本向量训练文本分类器;构建待测文本的文本向量,将待测文本的文本向量输入至已训练的文本分类器中,进行文本分类;所训练文本的文本向量和待测文本的文本向量获得的方法为,步骤1:对标注文本进行预处理,特征选择,进行词向量训练;步骤2:根据步骤1所得词向量,计算文本的全局向量和局部向量;步骤3:根据步骤2所得全局向量和局部向量,计算文本向量。本发明有效克服了现有文本分类方法的缺点,相对于规则方法省略了人工规则构建的过程,相对于向量空间表达方法减少了维度灾难的风险和考虑了文本的浅层语义信息,相对于基于Word2Vec词向量,充分考虑了文本表达的全局信息和局部信息,分类更加准确。
-
公开(公告)号:CN115124669B
公开(公告)日:2024-03-26
申请号:CN202210591094.9
申请日:2022-05-27
申请人: 北京化工大学
IPC分类号: C08F293/00 , A61K47/34
摘要: 本发明公开了一种双载基因和药物的线性嵌段共聚物纳米载体的制备方法及应用。本发明通过正丁醇与ε‑己内酯单体的开环聚合和线性大分子引发剂与含氮的丙烯酸酯类单体的原子转移自由基聚合得到聚己内酯‑聚丙烯酸酯类嵌段共聚物。该共聚物载体可组装成50‑300nm的纳米粒子,具有良好的水分散性、稳定性和较高的疏水药物装载能力;同时,由于其表面带有正电荷,可以在水环境中装载外源核酸分子,形成稳定的基因/疏水药物双载型纳米粒子,并可快速进入细胞。将其应用于农业领域,可以同时负载疏水性农药及外源核酸,通过基因、药物双载的方式杀虫能有效提高害虫死亡率。
-
公开(公告)号:CN107169086A
公开(公告)日:2017-09-15
申请号:CN201710333445.5
申请日:2017-05-12
申请人: 北京化工大学
IPC分类号: G06F17/30
摘要: 本发明涉及一种文本分类方法,基于训练文本的文本向量训练文本分类器;构建待测文本的文本向量,将待测文本的文本向量输入至已训练的文本分类器中,进行文本分类;所训练文本的文本向量和待测文本的文本向量获得的方法为,步骤1:对标注文本进行预处理,特征选择,进行词向量训练;步骤2:根据步骤1所得词向量,计算文本的全局向量和局部向量;步骤3:根据步骤2所得全局向量和局部向量,计算文本向量。本发明有效克服了现有文本分类方法的缺点,相对于规则方法省略了人工规则构建的过程,相对于向量空间表达方法减少了维度灾难的风险和考虑了文本的浅层语义信息,相对于基于Word2Vec词向量,充分考虑了文本表达的全局信息和局部信息,分类更加准确。
-
-
-
-