Name: Überkritische Flüssig-Chromatographie mit chemischer Mustererkennung (en Alemán)
Price: 52570.00 CLP
Availability: InStock
Author: Huang, Yang
ISBN: 9786204042039

portada Überkritische Flüssig-Chromatographie mit chemischer Mustererkennung (en Alemán)

Formato

Libro Físico

Autor

Yang Huang

Editorial

Verlag Unser Wissen

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.5 cm

Peso

0.12 kg.

ISBN13

9786204042039

Categorías

Cuestiones generales de la medicina

Überkritische Flüssig-Chromatographie mit chemischer Mustererkennung (en Alemán)

Yang Huang (Autor) · Verlag Unser Wissen · 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 "Überkritische Flüssig-Chromatographie mit chemischer Mustererkennung (en Alemán)"

Mahonia bealei (Fort.) Carr. (M. bealei) spielt eine wichtige Rolle bei der Behandlung vieler Krankheiten. In der vorliegenden Studie wurde eine umfassende Methode entwickelt, die Fingerabdrücke der superkritischen Flüssigkeitschromatographie (SFC) und chemische Mustererkennung (CPR) zur Qualitätsbewertung von M. bealei kombiniert. Ähnlichkeitsanalyse, hierarchische Clusteranalyse (HCA) und Hauptkomponentenanalyse (PCA) wurden angewandt, um die Proben von wildem M. bealei, kultiviertem M. bealei und seinen Substituten anhand der Peakfläche von 11 Komponenten zu klassifizieren und zu bewerten, aber eine genaue Klassifizierung konnte nicht erreicht werden. Anschlie end wurde PLS-DA eingesetzt, um die charakteristischen Variablen auf der Grundlage von VIP-Werten auszuwählen, die für eine genaue Klassifizierung verantwortlich sind. Sechs charakteristische Peaks mit höheren VIP-Werten (>=1) wurden für die Erstellung des CPR-Modells ausgewählt. Auf der Grundlage der sechs Variablen wurden drei Arten von Proben genau in drei verwandte Cluster klassifiziert. Das Modell wurde durch eine Testgruppe von Proben und eine Prädikationsgruppe von Proben weiter validiert. Die Ergebnisse zeigten, dass das Modell erfolgreich erstellt wurde und auch die Vorhersagefähigkeit wurde als zufriedenstellend bestätigt.