-
-
公开(公告)号:CN109991203B
公开(公告)日:2020-08-18
申请号:CN201910313916.5
申请日:2019-04-18
Applicant: 上海大学
IPC: G01N21/64
Abstract: 本发明提供了一种用于检测赭曲霉素A的试剂盒及方法,属于生物检测技术领域。本发明所述试剂盒包括AP链溶液、SP链溶液、b1链溶液、b2链溶液、c链溶液和链霉亲合素功能化磁性颗粒。本发明利用级联DNA链置换反应介导的核酸信号放大策略,实现了赭曲霉素A的灵敏检测。与现有技术相比,本发明提供的试剂盒用于赭曲霉素A的检测,工作时间仅20min,最低检测线为0.056ng/mL。本发明提供的试剂盒用于赭曲霉素A的检测无需核酸工具酶的参与,且信号放大效率高、速度快,具有检测速度快、灵敏度高等优点。
-
公开(公告)号:CN104497888A
公开(公告)日:2015-04-08
申请号:CN201410568609.9
申请日:2014-10-22
Applicant: 上海大学
IPC: C09G1/18
CPC classification number: C09G1/18
Abstract: 本发明公开了一种含引发剂的存储器硬盘基片的无磨粒抛光液组合物,0.01~0.12%偶氮类引发剂、1.0~6.0%氧化剂双氧水、1.0~4.0%分散剂六偏磷酸钠、1.0~4.0%表面活性剂十六烷基聚氧乙烯醚羧酸盐和余量的去离子水。本发明抛光液制备方法为:按抛光液组分称取各原料,在搅拌作用下,依次将引发剂、分散剂和表面活性剂加入到去离子水中,待搅拌溶解后,在不断搅拌下加入氧化剂,得到透明液,即得到抛光液组合物。本发明抛光液不含颗粒,同时含有引发剂,特别适用于Ni-P镀敷的计算机硬盘基片抛光,使用该抛光液抛后可提高基片去除速率,减少表面微观划痕、凹陷,提高硬盘基片表面平整度。
-
公开(公告)号:CN103232590A
公开(公告)日:2013-08-07
申请号:CN201310167244.4
申请日:2013-05-09
Applicant: 上海大学
Abstract: 本发明涉及一种电子显示设备用导电高分子材料及其合成。该高分子材料的结构式为:其中,R和R1为C1~C12的直连或支链烷基;n=50~300。本发明通过设计分子的结构来提高高分子的导电性能和内量子效率,减少或不使用有害物质掺杂,促进产业的绿色可持续发展。整体材料没有进行有害掺杂,完全为碳氢化合物,工艺简单易操作,导电高分子的导电性能优异,适合工业生产。
-
公开(公告)号:CN118237009A
公开(公告)日:2024-06-25
申请号:CN202410332619.6
申请日:2024-03-22
Applicant: 上海市浦东新区公利医院(第二军医大学附属公利医院) , 上海大学 , 上海市中医医院
Abstract: 本发明涉及酶催化技术领域,公开了一种钙钛矿纳米酶及其制备方法和应用。本发明的钙钛矿纳米酶,为钙钛矿型锰酸钙复合材料,其兼具类氧化酶活性和类过氧化物酶活性,是一种多功能纳米酶,与现有其他纳米酶相比,具有超快速反应的特性,酶反应灵敏度极高,并且具有优异的长期室温稳定性,因此在还原物质快速检测、酶联免疫技术等领域均具有重要的应用价值。另外,该钙钛矿纳米酶还具有优秀的pH响应性及声敏剂特性,能够在肿瘤弱酸性微环境中被活化,并能够被超声进一步激活,生产多种自由基,因此还具有显著的靶向抗肿瘤效果。
-
公开(公告)号:CN109991203A
公开(公告)日:2019-07-09
申请号:CN201910313916.5
申请日:2019-04-18
Applicant: 上海大学
IPC: G01N21/64
Abstract: 本发明提供了一种用于检测赭曲霉素A的试剂盒及方法,属于生物检测技术领域。本发明所述试剂盒包括AP链溶液、SP链溶液、b1链溶液、b2链溶液、c链溶液和链霉亲合素功能化磁性颗粒。本发明利用级联DNA链置换反应介导的核酸信号放大策略,实现了赭曲霉素A的灵敏检测。与现有技术相比,本发明提供的试剂盒用于赭曲霉素A的检测,工作时间仅20min,最低检测线为0.056ng/mL。本发明提供的试剂盒用于赭曲霉素A的检测无需核酸工具酶的参与,且信号放大效率高、速度快,具有检测速度快、灵敏度高等优点。
-
公开(公告)号:CN103150739A
公开(公告)日:2013-06-12
申请号:CN201310067240.9
申请日:2013-03-04
Applicant: 上海大学
Abstract: 本发明的公开了一种基于多特征稳健主成分分析的视频运动对象分割算法,包括:(1)、对视频序列进行特征提取,分别提取视频序列图像颜色、梯度、Gabor滤波器视频特征矩阵;(2)、建立多特征稳健主成分分析的目标函数,采用拉格朗日乘子法求解上述目标函数,将融合后的视频特征矩阵进行分解,分解为低秩部分Z和稀疏部分E,即分解为背景区域和前景区域;(3)、采用kmeans方法,从视频序列中将步骤(2)分解得到的前景区域分割获得运动对象。该方法对每一帧图像进行多个特征的提取,用基于稳健主成分分析改进算法将不同类型的特征进行无缝融合,对描述视频图像信息的特征矩阵进行处理,减小了计算开销,准确地将视频序列中的运动对象从背景区域中分割出来。
-
-
-
-
-
-