一种热响应高分子自修复涂层及其制备方法

    公开(公告)号:CN110240847B

    公开(公告)日:2020-06-26

    申请号:CN201910420067.3

    申请日:2019-05-20

    Abstract: 一种热响应高分子自修复涂层及其制备方法,属于自修复高分子涂层材料领域。涂层多巴胺甲基丙烯酰胺(DMA)和甲基丙烯酰氧基丙基聚二甲基硅氧烷(SiMa)两组分组成。其中多巴胺甲基丙烯酰胺(DMA)和甲基丙烯酰氧基丙基聚二甲基硅氧烷(SiMa)的摩尔比为1:2~1:4。高分子制备方法是自由基聚合法;最后将得到的高分子溶液采用悬涂法在基底材料上固化,得到自修复涂层。本发明涂层的制备工艺简单,且涂层具有多次修复性能,涂层缺陷经过自修复后,使涂层恢复对水分、氧气、电解质离子等腐蚀性介质的屏蔽能力。

    高通量平台和机器学习优化的药物组合设计方法及装置

    公开(公告)号:CN114913939B

    公开(公告)日:2022-11-15

    申请号:CN202210845111.7

    申请日:2022-07-19

    Abstract: 本发明提出一种高通量平台和机器学习优化的药物组合设计方法及装置,涉及药物组合技术领域。包括:利用高通量平台构建机器学习初始数据集;将初始数据集输入到多种机器学习模型中,对多种回归模型分别进行训练;利用机器学习模型和全局优化算法对未知D‑氨基酸混合物进行预测;对候选混合物配方进行实验迭代反馈对机器学习优化后的D‑氨基酸混合物和多种抗生素的药物组合进行高通量的性能筛选,其中,筛选的性能为细菌对抗生素的耐药性,药物组合的抗菌效率和细胞毒性。本发明提供的技术方案解决了现有办法对药物组合性能筛选评价的局限性,显著提高了药物组合鉴定的规模,效率和可重复性,设计出解决细菌感染问题的低毒高效治疗方案。

    高通量平台和机器学习优化的药物组合设计方法及装置

    公开(公告)号:CN114913939A

    公开(公告)日:2022-08-16

    申请号:CN202210845111.7

    申请日:2022-07-19

    Abstract: 本发明提出一种高通量平台和机器学习优化的药物组合设计方法及装置,涉及药物组合技术领域。包括:利用高通量平台构建机器学习初始数据集;将初始数据集输入到多种机器学习模型中,对多种回归模型分别进行训练;利用机器学习模型和全局优化算法对未知D‑氨基酸混合物进行预测;对候选混合物配方进行实验迭代反馈对机器学习优化后的D‑氨基酸混合物和多种抗生素的药物组合进行高通量的性能筛选,其中,筛选的性能为细菌对抗生素的耐药性,药物组合的抗菌效率和细胞毒性。本发明提供的技术方案解决了现有办法对药物组合性能筛选评价的局限性,显著提高了药物组合鉴定的规模,效率和可重复性,设计出解决细菌感染问题的低毒高效治疗方案。

    一种多巴胺-两性离子抗菌涂层及其制备方法

    公开(公告)号:CN112295022A

    公开(公告)日:2021-02-02

    申请号:CN202011080736.6

    申请日:2020-10-11

    Abstract: 本发明公开了一种聚多巴胺‑两性离子抗菌涂层及其制备方法。本发明采用自由基聚合法,首先在高温条件下引发自由基反应,使含有双键的多巴胺单体和两性离子单体在含有少量交联剂的溶液中进行加聚反应,得到低交联的聚多巴胺‑两性离子共聚物,然后透析除去未反应的单体,随后在医用金属表面固化成膜,即可获得。上述方法制备的聚多巴胺‑两性离子抗菌涂层工艺简单、普适性强,具有优异的抗菌性能和生物相容性,同时在金属表面稳定持久,附着力强,这对于医疗器械和植入体材料的开发和应用都具有广阔的前景。

    一种热响应高分子自修复涂层及其制备方法

    公开(公告)号:CN110240847A

    公开(公告)日:2019-09-17

    申请号:CN201910420067.3

    申请日:2019-05-20

    Abstract: 一种热响应高分子自修复涂层及其制备方法,属于自修复高分子涂层材料领域。涂层多巴胺甲基丙烯酰胺(DMA)和甲基丙烯酰氧基丙基聚二甲基硅氧烷(SiMa)两组分组成。其中多巴胺甲基丙烯酰胺(DMA)和甲基丙烯酰氧基丙基聚二甲基硅氧烷(SiMa)的摩尔比为1:2~1:4。高分子制备方法是自由基聚合法;最后将得到的高分子溶液采用悬涂法在基底材料上固化,得到自修复涂层。本发明涂层的制备工艺简单,且涂层具有多次修复性能,涂层缺陷经过自修复后,使涂层恢复对水分、氧气、电解质离子等腐蚀性介质的屏蔽能力。

Patent Agency Ranking