生物通官微陪你抓住生命科技跳动的脉搏
基于爆炸后土壤样品中TNT的回收:土壤类型、提取方法及储存条件的影响
传统上,测定土壤样品中的爆炸物及其分解产物涉及使用乙腈进行24小时超声波固-液萃取(SLE),随后进行“盐析”液-液萃取(LLE)。或者,土壤的水提取物可进行固相萃取(SPE)以在液相色谱(LC)前分离目标分析物。尽管这些方法非常适合环境分析并由环境保护局(E
来源:Analytical Methods
时间:2026-05-28
将“规模化”重新理解为“同步化”和“序列化”:以印度东部食品系统创新为例
科斯坦扎·孔蒂(Costanza Conti)|普拉尚特·帕里达(Prashant Parida)|安迪·霍尔(Andy Hall)|尼蒂娅·拉奥(Nitya Rao)|吉里甘·戈皮(Girigan Gopi)|E.D.I. 奥利弗·金(E.D.I. Oliver King)|苏
来源:Agricultural Systems
基于顶级单倍群与单核苷酸变异进行线粒体基因组频率估算的新方法MitoFREQ
法医系谱标记因其证据价值难以量化而在法医遗传学中构成挑战。系谱标记的人群频率可作为表达证据价值的一种方式。然而,对于某些标记,例如高质量的全<sup>mt</sup>DNA基因组序列(线粒体基因组),其人群数据仍然有限。本文提出了一种名为MitoFREQ的新方
来源:Forensic Science International: Genetics
一种高效制备淀粉纳米颗粒的创新方法:充分发挥行星式球磨技术的潜力
淀粉颗粒致密的壳层阻碍了淀粉纳米颗粒的高效生产。研究人员通过在行星式球磨机中进行研磨,可破坏该壳层,从而在比以往报道更温和的条件下实现水解并获得更高的纳米淀粉产量。本研究考察了在宽范围研磨时间(5分钟至24小时)内,受控研磨对天然淀粉与蜡质淀粉形态的影响,并探
来源:Carbohydrate Polymer Technologies and Applications
基于线索的动态构建:一种协作式、智能驱动的动态海报设计方法论构建与验证
研究人员指出,生成式人工智能(GenAI)正在深刻变革创意产业,但设计从业者普遍缺乏将这些工具有效整合的系统性框架。这一缺陷导致了工作流程碎片化、效率降低以及人类与AI协作潜力未被充分利用。本研究通过提出并验证协同AI驱动动态海报设计方法论(Synergist
来源:Array
细胞减灭术与腹腔热灌注化疗后身体活动与恢复的途径与原因:一项混合方法研究
目的:探讨细胞减灭术(CRS)与腹腔热灌注化疗(HIPEC)前至术后三个月的身体活动(PA),理解患者对身体活动、恢复和支持需求的体验,并采用混合方法整合研究发现。方法:采用纵向收敛混合方法设计,于2021–2023年在瑞典一家大学医院收集21名参与者的数据。
来源:Disability and Rehabilitation
科威特辅助技术的可及性、未满足需求与满意度:一项应用WHO rATA工具的混合方法研究
目的 《联合国残疾人权利公约》第20条要求缔约国促进获得辅助产品,但海湾地区的人口层面数据依然匮乏。在世界卫生组织(WHO)全球辅助技术合作(GATE)框架和报告辅助技术使用情况(rATA)工具指导下,本研究估算了科威特成年人当前的辅助产品使用情况及未满足需求
来源:Disability and Rehabilitation: Assistive Technology
厄瓜多尔企业人工智能(Artificial Intelligence, AI)采纳中的技术接受模型(Technology Acceptance Model, TAM)——感知有用性(Perceived Usefulness, PU)与感知易用性(Perceived Ease of Use, PEOU)的双向关系研究
摘要(Abstract):人工智能(Artificial Intelligence, AI)日益融入组织流程,但其采纳机制尚不完全清楚,尤其在新兴经济体背景下。研究人员考察了厄瓜多尔瓜亚斯省(Guayas)企业中感知有用性(Perceived Usefulne
来源:Frontiers in Artificial Intelligence
早期断奶仔猪腹泻检测方法的比较评估
摘要背景在尸检过程中识别出死亡前发生的腹泻证据对于临床群体管理和研究都非常重要。在活猪中,腹泻通常通过检查猪舍地面上的粪便池以及对粪便直肠样本(包括棉签采集的样本)进行评分来评估,但这些方法依赖于粪便材料的可用性,因此在尸检时往往不可行。本研究旨在评估肠道内容物的特征以及肛门周围
来源:Porcine Health Management
从二维高分辨率透射电子显微镜图像中提取三维纳米粒子形状:一种深度学习方法
摘要由于缺乏能够处理大量纳米对象的自动化方法,高分辨率透射电子显微镜(HRTEM)图像的原子级分析仍然受到限制。特别是在纳米尺度上准确表征纳米颗粒(NP)的形态仍然是一个重大挑战。为了解决这个问题,我们开发了一个深度学习(DL)框架,该框架基于一组模拟的HRTEM图像数据进行训练
来源:npj Computational Materials
知名企业招聘: