Name: Chromatographie en fluide supercritique avec reconnaissance de formes chimiques (en Francés)
Price: 52570.00 CLP
Availability: InStock
Author: Huang, Yang
ISBN: 9786204042053

portada Chromatographie en fluide supercritique avec reconnaissance de formes chimiques (en Francés)

Formato

Libro Físico

Autor

Yang Huang

Editorial

Editions Notre Savoir

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.5 cm

Peso

0.12 kg.

ISBN13

9786204042053

Categorías

Cuestiones generales de la medicina

Chromatographie en fluide supercritique avec reconnaissance de formes chimiques (en Francés)

Yang Huang (Autor) · Editions Notre Savoir · Tapa Blanda

Libro Nuevo

$ 52.570

$ 95.590

Ahorras: $ 43.020

45% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Jueves 25 de Julio y el Martes 06 de Agosto.

Lo recibirás en cualquier lugar de Chile entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Chromatographie en fluide supercritique avec reconnaissance de formes chimiques (en Francés)"

Mahonia bealei (Fort.) Carr. (M. bealei) joue un rôle important dans le traitement de nombreuses maladies. Dans cette étude, une méthode complète combinant les empreintes digitales de la chromatographie en fluide supercritique (SFC) et la reconnaissance des formes chimiques (CPR) pour l'évaluation de la qualité de M. bealei a été développée. L'analyse de similitude, l'analyse en grappes hiérarchique (HCA) et l'analyse en composantes principales (PCA) ont été appliquées pour classer et évaluer les échantillons de M. bealei sauvage, de M. bealei cultivé et de ses substituts en fonction de la surface du pic de 11 composantes, mais une classification précise n'a pas pu être obtenue. PLS-DA a ensuite été adopté pour sélectionner les variables caractéristiques basées sur les valeurs de l'importance de la variable dans la projection (VIP) qui sont responsables d'une classification précise. Six pics caractéristiques avec des valeurs VIP plus élevées (>=1) ont été sélectionnés pour construire le modèle RPC. Sur la base des six variables, trois types d'échantillons ont été classés avec précision dans trois clusters apparentés. Le modèle a ensuite été validé par des échantillons d'un ensemble de test et des échantillons d'un ensemble de prédication. Les résultats ont indiqué que le modèle a été établi avec succès et que la capacité de prédiction a également été vérifiée de manière satisfaisante.