黄酮类活性物质参与制备银纳米粒子的研究进展

来源 :食品与发酵工业 | 被引量 : 0次 | 上传用户:nmjhurfdv
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,开发高效的绿色化学方法合成金属纳米颗粒已成为研究热点。在众多金属纳米颗粒中,银纳米颗粒(AgNPs)在生物医学、生物传感器、催化、制药、纳米科学和纳米技术等领域发挥着关键作用。传统的AgNPs合成方法成本高、有毒且不环保,因此利用绿色化合物制备AgNPs是考虑最多的方法之一。在这些绿色化合物中,植物黄酮类化合物具有众多优势。黄酮类化合物已被证明具有多种有价值的生物学功能,如:抗氧化、抗菌、抗肿瘤、保肝和酶抑制性能。除此之外,黄酮类化合物可以有效的与银结合,在制备纳米银的过程中起还原剂和封端剂的作用。该文介绍了植物黄酮类化合物绿色合成AgNPs的制备工艺、表征方法、合成机制以及应用。这将为后续关于黄酮类化合物生物合成金属纳米粒子的研究提供参考。
其他文献
随着“数字化”不断地普及,现实生产、生活中大量的如文本、网页、图像等信息需要被存储。许多互联网、高科技公司都配备专门的服务器来存储这些有价值的数据。大规模、高维度的数据中通常包含噪声和特征冗余,直接存储这样的数据将会带来高昂的存储代价,并且是不可取和没必要的。机器学习算法则被用于分析、挖掘数据当中有价值的信息。大多数在小规模数据集上使用的机器学习算法已经不能很好地处理这样大规模的数据,因为它们在处
学位
地震作为破坏性极强的自然灾难之一,给人类带来的教训是惨痛的,而有效的地震预报可以减少人员伤亡和经济损失。导致地震的因素繁多但其因素之间存在非线性关系,随着计算机技术飞速发展,使得机器学习模型解决复杂的、非线性的问题广泛进入应用。本文使用MATLAB和python平台,在地震震级预报这一领域内使用自组织特征映射神经网络(SOM)和支持向量回归算法(SVR)提高预报精度。本文首先介绍了机器学习模型在地
社交物联网是融合了物联网和社交网络的新兴范式,它使社交功能从最初的人与人之间扩展到人与物以及物与物之间。如何实现这人与物以及物与物之间的社会交互,是一个亟待解决的问题。自然语言生成技术,关注于从非语言数据中生成自然语言的文本,这对于在社交物联网中实现人类和其他智能对象之间的无障碍交互至关重要。然而,现有的数据生成文本研究方法依赖于特定的模板和标准神经网络模型,当应用于具有不同含义的大规模结构化数据
发光二极管(Light-Emitting-Diode,LED)作为新一代的电光源因其使用寿命长、效率高、体积小、绿色环保等优点被广泛应用于各种照明场合。LED需要有恒定的直流电流支持才能发出稳定的照明灯光。因此,LED驱动器是整个LED照明设备中最为关键的部分,它决定了照明的质量并严重影响整个照明设备的销售价格、使用开支以及使用寿命。单级式LED驱动器因其成本和效率上的优势,深受市场的欢迎。传统单
在未知环境中,移动机器人的即时定位与地图构建(Simultaneous Localization And Mapping,SLAM)是机器人导航领域最重要的研究课题之一。随着近些年深度学习技术的不断发展以及在图像处理方面的优异表现,基于深度学习技术的视觉SLAM也渐渐被关注。而定位技术作为SLAM中最主要的组成部分,对定位技术的研究也成为机器人技术研究的重要方向之一。本文在对现阶段机器人定位技术和
学位
复合材料因具有比强度高、比模量大等优异材料性能在土木工程,航空航天等众多领域得到广泛的应用。在复合材料在服役过程中,不可避免会因面临高压,高温,腐蚀等不利服役环境的影响,形成材料损伤,特别是复合材料内部界面分层以及微小广泛的基体裂纹等不容易被肉眼所观察到的损伤。这类损伤将随着时间不断发展,成为复合材料结构的重大安全隐患,一旦发生工程事故,将给社会带来巨大经济损伤与人员伤亡。故对复合材料损伤监测成为
目标跟踪是计算机视觉领域的一个研究热点,在智能监控、无人驾驶、人机交互和国防军事等领域都有着非常重要的研究价值,它的主要任务是为了获取视频或者图像序列中感兴趣目标的位置以及运动轨迹,为进一步的语义层分析提供基础信息。根据场景中运动目标数目的不同,目标跟踪可以分为单目标跟踪和多目标跟踪,多目标跟踪相对于单目标跟踪的复杂程度更高,涉及了数据关联。单目标跟踪可以简单理解为只需要完成对视频中单个目标连续数
神经系统作为一个典型的复杂系统,是系统神经科学和计算神经科学的主要研究对象,考虑其构成的多样性和差异性,通常采用规则网络、小世界网络和无标度网络来研究神经系统群体的电活动行为和协作性。在实际的神经系统中,神经元之间通过化学突触、电突触连接来实现信号的编码和传递。生物神经元的突触具有可塑性,因此在实现信号传递过程中要考虑突触耦合通道的效率和可控性,并且探究耦合通道的生物物理属性对于进一步认知神经元网