Bromo-PEG4-acid,1393330-38-5,溴代-四聚乙二醇-羧酸的化学性质

本文介绍了溴代-四聚乙二醇-羧酸(Bromo-PEG4-acid)及其多种衍生物的化学性质和用途。这些化合物主要用于科研实验,具有良好的溶解性和反应性,例如在形成稳定酰胺键方面的应用。此外,还列举了其他相关产品,包括不同类型的溴化、磺化、磷酸化和芳基化的PEG衍生物,它们在有机合成和药物研发中可能具有重要价值。

英文名称:Bromo-PEG4-acid

中文名:溴代-四聚乙二醇-羧酸

分子式:C11H21BrO6

分子量:329.2

CAS:1393330-38-5

纯度:≥95%

结构式:

用 途:仅供科研实验使用,不用于诊治 

外 观:粘稠液体或者固体粉末,取决于分子量 

注意事项:取用一定要干燥,避免频繁的溶解和冻干 

溶解性:溶于大部分有机溶剂,如:DCM、DMF、DMSO、THF等等。在水中有很好的溶解性。

产品简介:溴-PEG4-酸是一种含有溴基和末端羧酸的PEG连接剂。亲水性PEG间隔物增加了在水介质中的溶解度。溴(Br)是亲核取代反应的一个很好的离开基团。末端羧酸可在活化剂(如EDC或HATU)存在下与伯胺基反应,形成稳定的酰胺键。

其他产品列表:

Bromo-PEG4-acid

CAS号:1393330-38-5

分子式:C11H21BrO6

Bromo-PEG4-bromide

CAS号:57602-02-5

分子式:C10H20Br2O4

Bromoacetamido-PEG4-acid

CAS号:1807518-67-7

分子式:C13H24BrNO7

Thiol-PEG4-acid

CAS号:749247-06-1

分子式:C11H22O6S

Mal-PEG4-acid

CAS号:518044-41-2

分子式:C15H23NO8

DNP-PEG4-acid

CAS号:858126-76-8

分子式:C17H25N3O10

bromo-malonic acid ethyl ester-amide

CAS号:68838-62-0

分子式:C5H8BrNO3

bromo-methanetricarboxylic acid triethyl ester

CAS号:854747-47-0

分子式:C10H15BrO6

bromo(chloro)phosphinous acid

CAS号:25758-01-4

分子式:BrClHOP

bromo(fluoro)phosphinic acid

CAS号:25758-03-6

分子式:BrFHO2P

bromo-phenethyl-malonic acid

CAS号:959055-65-3

分子式:C11H11BrO4

bromo(chloro)phosphinic acid

CAS号:25758-08-1

分子式:BrClHO2P

bromo-diphenyl-acetic acid anilide

CAS号:861523-34-4

分子式:C20H16BrNO

bromo-isopropyl-malonic acid

CAS号:42453-49-6

分子式:C20H25NO

bromo-p-tolylsulfanyl-acetic acid

CAS号:90326-60-6

分子式:C9H9BrO2S

bromo-hydroxy-oxophosphanium

CAS号:25757-29-3

分子式:BrO2P+

bromo-p-tolyl-acetic acid methyl ester

CAS号:66505-09-7

分子式:C10H11BrO2

[bromo(ethoxy)arsoryl]benzene

CAS号:64423-38-7

分子式:C8H10AsBrO2

以上信息均由陕西新研博美生物科技有限公司提供技术支持

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值