-
Article
1 - مروری بر قالبگیری ماکرومولکولها و میکروارگانیسمهاIran Polymer Technology, Research and Development , Issue 13 , Year , Spring 2019اصطلاح ماکرومولکول به دستهای از مولکولها با جرم مولکولی زیاد که از واحدهای کوچکتر تشکیل شدهاند، اطلاق میگردد. ماکرومولکولها dشامل پروتئینها، اسیدهاینوکلئیک، کربوهیدراتها و غیره میباشد و نقش بسیار مهمی در حیات جانداران ایفا میکنند، بنابراین شناسایی و تشخیص م Moreاصطلاح ماکرومولکول به دستهای از مولکولها با جرم مولکولی زیاد که از واحدهای کوچکتر تشکیل شدهاند، اطلاق میگردد. ماکرومولکولها dشامل پروتئینها، اسیدهاینوکلئیک، کربوهیدراتها و غیره میباشد و نقش بسیار مهمی در حیات جانداران ایفا میکنند، بنابراین شناسایی و تشخیص ماکرومولکولها از اهمیت ویژهای برخوردار میباشد. جهت شناسایی و تشخیص ماکرومولکولها از روشهای گوناگون مانند فلئورسانس، NMR، توموگرافی الکترون، الکتروفورز و HPLC استفاده میشود. یک روش سریع و دقیق برای تشخیص ماکرومولکولها قالبگیری آنها میباشد. قالبگیری مولکولی یکی از مهمترین روشهای تشخیص و تعیین کمی انواع مولکولهای کوچک، ماکرومولکولها و میکروارگانیسمها (باکتری و ویروس) میباشد. برای قالبگیری ماکرومولکولها و میکروارگانیسمها شیوههای مختلفی از جمله قالبگیری سطحی، میکروتماس و اپیتوپ استفاده میشود. قالبگیری مولکولی در مقایسه با دیگر روشهای تشخیص دارای ویژگیهایی از جمله هزینه کم، قابلیت تشخیص بالا، پایداری، حد تشخیص پایین و دوام طولانی مدت میباشد. به دلیل این ویژگیها از پلیمرهای قالبگیری شده در زمینههای مختلف مانند کروماتوگرافی، دارورسانی، نانوفناوری و فناوری حسگر استفاده میشود. Manuscript profile -
Article
2 - مروری بر حسگر پلیمرهای قالب مولکولی بر پایه نقاط کوانتومی گرافنIran Polymer Technology, Research and Development , Issue 17 , Year , Spring 2020بخش 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 Moreبخش 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. Manuscript profile -
Article
3 - مروری بر انواع روش های دارورسانی هدفمندIran Polymer Technology, Research and Development , Issue 17 , Year , Spring 2020یکی 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 Moreیکی 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. Manuscript profile -
Article
4 - مروری بر روشهای پیشبینی و تخمین ویژگی نمونهها با استفاده از روشهای تجزیهای و الگوریتمهای یادگیری ماشینIran Polymer Technology, Research and Development , Issue 4 , Year , Winter 2021امروزه 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 Moreامروزه 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. Manuscript profile