【摘 要】
：
秋水仙碱是一种功能较多的植物源生物碱，在医药行业发挥着重要作用。系统地了解秋水仙碱提取、分离的技术类型有助于推动高纯度秋水仙碱的生产。本文介绍了秋水仙碱不同提取技术的特点、原理和应用效果，阐述了秋水仙碱在不同种类植物、植物不同部位中的含量以及影响含量的因素，总结了传统的浸提法、回流法与超声波提取、超临界CO2提取、微波提取、酶促提取等新提取方法，以及膜分离法、色谱分离法等秋水仙碱分离纯化方法的研究
【基金项目】
：
云南省重大科技专项（202002AA100007）； 云南省绿色食品牌打造科技支撑行动（花卉）专项（5300002100000000-13742）；
论文部分内容阅读
秋水仙碱是一种功能较多的植物源生物碱，在医药行业发挥着重要作用。系统地了解秋水仙碱提取、分离的技术类型有助于推动高纯度秋水仙碱的生产。本文介绍了秋水仙碱不同提取技术的特点、原理和应用效果，阐述了秋水仙碱在不同种类植物、植物不同部位中的含量以及影响含量的因素，总结了传统的浸提法、回流法与超声波提取、超临界CO2提取、微波提取、酶促提取等新提取方法，以及膜分离法、色谱分离法等秋水仙碱分离纯化方法的研究进展，分析了不同提取分离技术的效果和影响因素，探讨了秋水仙碱提取技术的发展方向，以期为秋水仙碱的提取分离技术的研究和应用提供参考。
其他文献
通过分析德州市2020—2022年水资源供用水现状，对德州市“十四五”末水资源供需进行预测，通过预测，分析德州市存在水资源短缺问题，并为德州市解决水资源供需矛盾提供建议。
作为一种具有悠久历史的植物,黄花菜不仅是中国的特色农副产品,而且还具备独特的药用价值,自然资源十分丰富,有很大的开发潜力。黄花菜中含有类黄酮类、蒽醌类、萜类、生物碱、甾体皂苷和酚酸类等多种生物活性成分。本文以黄花菜为原材料,通过有机溶剂提取法结合AB-8大孔吸附树脂层析法,对黄花菜中的秋水仙碱进行提取和纯化分离;使用了响应面设计法以确定黄酮提取的最优工艺条件。对提取纯化后的黄花菜功能活性成分,研究
目的 研究中性粒细胞/淋巴细胞比值（NLR）与不同分型幽门螺旋杆菌（H.pylori）相关性消化性溃疡的关系。方法 收集2019年10月至2021年10月就诊于南京江北医院的H.pylori相关性消化性溃疡患者240例，分为H.pyloriⅠ型（VacA+,CagA+）组177例，H.pyloriⅡ型（VacA-,CagA-）组63例；另选择胃镜检查无明显异常及H.pylori阴性的100例患者为
目的:通过考察大孔树脂对嘉兰种子提取物中秋水仙碱的吸附和纯化效果,优选其最佳分离纯化工艺条件。方法:以秋水仙碱的含量作为指标,采用静态与动态相结合的吸附-解吸附试验考察大孔树脂对其分离纯化效果。结果:ADS-8型大孔树脂对嘉兰种子中秋水仙碱的吸附和解吸附效果最佳,综合试验结果确定其最佳工艺条件为:吸附流速为2 BV/h;以水洗脱2 BV和10%乙醇洗脱3 BV后,再以40%乙醇溶液洗脱8 BV,收
压力管道和容器发生贯穿泄漏会引发严重的事故,合理估算贯穿泄漏量具有重要的工程意义。以矩形狭缝通道模拟贯穿裂纹,开展了高压氩气-水贯穿模拟裂纹的高速流动可视化试验研究,狭缝长度为20 mm,间隙宽度为80～180μm。狭缝进口压力大于5 MPa,液体的表观速度为0.05～58.62 m/s,气体表观速度为1.71～34.27 m/s,采用两侧进水中间进气的特殊入口方式,研究了非均匀混合流体通过狭缝通
以云南红河州枇杷和石榴为例，对生产资料投入因子产生的碳排放量进行计算和分析发现，果树种植中化肥的使用是产生CO2的主要来源，其中氮肥的使用直接影响着碳排放量的大小.建议果树种植应在改善基础设施、研发新品种、改良种植技术等方面不断提高，以在实现环保低碳的生态文明建设方面更进一步.
文章探讨了高速公路改扩建交通组织的基本原则，阐述了广东省中江高速公路改扩建交通组织方案，研究了改扩建交通组织保障通行的主线转换带与临时匝道设置、临时港湾式停车带设置、临时保通道路的路面结构等内容，介绍了这些研究成果在广东省中江高速公路改扩建中的应用，可为类似项目提供参考。
鞘脂是生物膜的结构成分，鞘脂及其代谢物在调节细胞增殖、生长、存活和免疫等生物过程有着举足轻重的地位。生物活性鞘脂是血管功能和体内平衡的关键调节剂，随着脂质组学的应用和研究的深入，鞘脂代谢已成为多种疾病的研究热点。鞘脂参与滋养层细胞分化、侵袭和子宫血管生成。本文对鞘脂及其代谢物在妊娠相关疾病发生、发展中的作用进行概述，以期进一步了解鞘脂代谢的作用机制，为妊娠相关疾病的预防及相关机制研究提供新思路。
传统人体异常情绪识别算法受噪声影响后识别失误率高，为解决这个问题，研究基于视频图像的人体异常情绪识别算法。首先对人脸面部表情及身体动作特征进行检测，预处理图像获得特征向量，扫描像素得到目标图像分类特征；深度学习提取人脸特征，运用MLP分层架构，设定对应的学习率和迭代次数，获得图像的二维训练数据集；再将特征图输送到网络连接层进行降维，设定模型的分类层数，最后通过DNET连接不同层的特征图实现特征传递