【摘 要】
：
本试验旨在制备玫瑰总黄酮脂质体（RTF-L）,优化其处方，并对其质量进行评价。以薄膜-超声分散法制备RTF-L,采用超速离心-紫外分光光度法测定其包封率，以包封率为主要考察指标，采用正交试验优化其处方，并通过最优处方下制备的RTF-L的外观形态、粒径、粒度分布（PDI）、Zeta电位、体外累积释放率等评价其性质。结果显示，制备RTF-L的最佳处方为磷脂浓度0.3%,药物与磷脂比1∶15,水相介质p
【基金项目】
：
内蒙古自治区自然科学基金（2020MS08129）； 内蒙古医科大学善学人才培养计划（ZY0201030,ZY0201016）； 国家自然科学基金（21762034）；
论文部分内容阅读
本试验旨在制备玫瑰总黄酮脂质体（RTF-L）,优化其处方，并对其质量进行评价。以薄膜-超声分散法制备RTF-L,采用超速离心-紫外分光光度法测定其包封率，以包封率为主要考察指标，采用正交试验优化其处方，并通过最优处方下制备的RTF-L的外观形态、粒径、粒度分布（PDI）、Zeta电位、体外累积释放率等评价其性质。结果显示，制备RTF-L的最佳处方为磷脂浓度0.3%,药物与磷脂比1∶15,水相介质pH 6.5,胆固醇与磷脂比1∶2;所制得的RTF-L包封率为（77.0±0.2）%,粒径为（155.40±2.11）nm, Zeta电位为（-21.03±1.24）mV,PDI为0.035±0.003,稳定性良好；体外累积释放试验结果显示，玫瑰总黄酮（RTF）溶液在6 h累积释放率为85.15%,基本释放完全，而RTF-L在6 h累积释放率为76.42%,与原药相比有一定的缓释作用。结果表明，优选处方稳定可行，所制备的RTF-L包封率高，粒径小且均匀，为RTF的进一步开发利用及其新剂型的研发提供一定的参考依据。
其他文献
随着人类向海洋进军步伐的加快,人们日益习惯借助水下机器人（ROV）替代人工完成水下作业任务,例如水下搜寻与排查,水下领航以及海洋养殖捕捞等,但是水下图像存在色偏、模糊、背景复杂、目标生物尺寸变化大等问题,且ROV计算量有限难以部署大型模型,基于上述问题,本文主要围绕水下图像清晰化处理,水下目标检测,以及目标检测模型轻量化的技术难点开展研究:（1）水下图像清晰化处理。针对水下图像存在色偏、模糊、背景
随着新一代信息技术的兴起以及互联网产业的快速发展,数据量呈爆炸式增长。为满足数十亿用户从海量数据中快速获取有效信息的需求,提升搜索引擎的检索质量以及查询效率具有重要意义,同时也面临挑战。一方面,用户的查询词日益复杂,语言词汇形态变异的特点导致检索词变得多样化,而现有词干提取算法普遍存在词干提取不足、词干提取准确率不理想等问题;另一方面,在海量数据中检索到满足用户查询要求的文档结果是一项非常耗时的任
随着智慧城市快速发展,通过视频监控获取大量车辆图像数据及其处理是解决智慧城市中公共安全的重要途经,而大规模车辆图像检索是实现公安部门的案件侦查等应用的核心环节之一。然而,由于道路和卡口监控摄像头的广泛使用,车辆监控数据呈现爆炸式增长,且车辆图像自身特点的复杂多样性、更新速度快,导致从海量的复杂车辆图像中搜索出相似度较高的目标图像成为较大难题。比如,部分车辆图像在低光照环境中拍摄,导致车辆图像噪声大
机械臂技能传授一直是人工智能领域的研究热点之一,现阶段的技能传授方法主要通过三维重建技术搭建虚拟空间对机械臂进行模拟训练。但现阶段的重建方法计算流程繁琐,重建误差大、时间长,环境适应差。此外,现阶段的重建方法还存在构建的虚拟空间与真实世界物体尺寸不同和人与机械臂观察视角不同等问题,导致在虚拟空间内的抓取技能难以转化为机械臂在真实世界中的现实操作。针对以上问题,本文提出了一种面向机械臂操作的视觉信息
近年来,深度学习基于在处理大量数据方面的巨大潜力,已经在多个领域取得了重大进展,但同时后门攻击等安全问题也严重威胁深度神经网络模型。后门攻击指攻击者意图在深度神经网络（Deep NeuralNetworks,DNN）中注入隐藏的后门,使被攻击模型在良性样本上表现良好,并且可通过由攻击者设定好的后门触发器影响模型预测。其研究可以在深度学习安全方面起到重要的作用。目前,最流行有效的后门触发器往往是在固
目的 制备叶酸修饰蟾毒灵阳离子脂质体（FA-BF-CLs），并对其进行质量评价及抗肝癌研究。方法 采用薄膜-超声分散法制备FA-BF-CLs，以粒径、Zeta电位及包封率等为指标，采用单因素和Box-Behnken响应面分析法对处方及工艺进行优化。透射电镜观察脂质体显微形态，并考察其体外释放过程、溶血性及空白阳离子脂质体体外细胞安全性。采用CCK-8法比较FA-BFCLs、BF-CLs（未加叶酸修
随着市场竞争形式日益激烈，国有企业发展过程中面临技术更新迭代，技术的竞争，归根结底是人才的竞争，企业意识到人力资源对企业发展的重要性，并成为当前企业的竞争优势所在。企业为了实现自身发展，应打造高素质人才队伍，加大人才培训管理投入力度。但目前国有企业培训管理存在一定制约问题，文章重点分析了国有企业培训管理现状及存在的问题，结合企业运营管理实际，提出国有企业培训管理改进对策，为其他国有企业的培训管理提
在钢铁行业,进行钢表面缺陷检测是保证产品质量的关键。然而实际的缺陷检测存在各类缺陷数量不平衡、缺陷定位和分类困难的问题。因此,为了解决上述问题,获取更精准的钢表面缺陷的类型和位置信息,提高对钢表面缺陷检测的准确率,本文基于卷积神经网络技术对钢表面缺陷检测进行了研究,其主要工作如下:（1）针对钢表面缺陷检测中缺陷定位和分类困难问题,提出一种基于改进Deeplabv3+的钢表面缺陷检测模型GAUDee
在过去的几年里,计算机视觉应用和图像处理技术极大地受益于深度学习的突破所带来的进步。伴随着硬件水平的不断提升,图像生成方向发展迅猛,人们开始着眼于如何构建一个能够理解视觉和语言之间关系并可以创建反映文本描述含义的图像的系统。最近几年,从文本生成图像方法的研究已有了很大的进展,但在图像生成质量、文本与生成图像语义一致方面还存在很多的挑战。本文基于生成对抗网络,对从文本生成图像的方法开展了研究,本文的
雨天作为较常见的一种自然天气,会影响户外视觉系统的成像质量,并制约后续高级计算机视觉任务的性能。因此,深入研究图像除雨问题具有实际应用价值。雨条纹在图像中不规则分布,增加了传统基于模型驱动的方法的处理难度。由于真实有雨数据集采集难度较高,大部分基于深度学习的方法使用合成数据集训练模型,而合成数据集无法表征真实有雨图像的特征分布,导致深度学习模型的泛化性受到限制。此外,现有的深度学习除雨算法存在参数