DSPE-PEG9-Azide,高分子PEG分子量从1000-40000不等

DSPE-PEG衍生物是一种用于药物传递系统的分子,如DSPE-PEG9-Azide,具有疏水性和亲水性基团,可用于包封疏水药物并增加水溶性。产品包括不同分子量和修饰基团的PEG衍生物,如Azido-PEG9-Boc和DSPE-PEG4-Acid,适用于各种化学反应和生物偶联。这些化合物的纯度高达98%,并提供多种储存和反应条件。

英文名称:DSPE-PEG9-Azide

分子式:C62H121N4O18P

分子量:1241.63

储存条件:-20°C

纯度:95%

结构式:


不同分子量的PEG衍生物,小分子PEG的循环节可以做到1-36个,高分子PEG分子量从1000-40000不等,可以修饰的基团有:氨基类,NHBOC类,Fmoc类,羧酸类,Mal类,NHS类,叠氮类,DBCO类,Cy3/Cy5/Cy7类,THP类,苄基类,丙炔基类,溴代类,丙酸叔丁酯类,乙酸叔丁酯类,甲基类,生物素类,五氟苯酚类,磺酸酯类,巯基类,产品纯度高达98%以上。

DSPE的疏水性允许其他疏水药物的包封和聚集。亲水性PEG连接剂可增加允许药物递送的整体化合物的水溶性。马来酰亚胺基团可在pH值为6.5至7.5之间与巯基反应以形成硫醚键。

其他产品列表:

Azido-PEG9-azide

CAS号:1171122-72-7

分子式:C20H40N6O9

m-PEG9-azide

CAS号:1354521-95-1

分子式:C19H39N3O9

Boc-NH-PEG9-azide

t-boc-N-amido-PEG9-azide

CAS号:2112731-50-5

分子式:C25H50N4O11

Trityl-PEG10-azide

CAS号:877239-08-2

分子式:C39H55N3O10

DSPE-PEG5-azide

CAS号:2112737-73-0

分子式:C54H105N4O14P

DSPE-PEG8-Mal

CAS号:2112737-94-5

分子式:C64H119N2O19P

DSPE-PEG4-acid

CAS号:2112738-58-4

分子式:C52H100NO15P

DSPE-PEG2-mal

CAS号:1915739-87-5

分子式:C55H100N3O14P

DSPE-PEG-NHS

CAS号:1445723-73-8

分子式:C49H89N2O15P

DSPE-PEG5-propargyl

CAS号:2112737-93-4

分子式:C55H104NO14P

DSPE-PEG4-DBCO

CAS号:2112738-14-2

分子式:C71H116N3O15P

DSPE-PEG(2000)-Amine

CAS号:474922-26-4

分子式:(C2H4O)nC44H87N2O10P.NH3

DSPE-PEG-Mal

CAS号:474922-22-0

分子式:

DSPE-Maleimide

CAS号:1235864-97-7

分子式:

Benzyl-PEG9-THP

CAS号:669556-53-0

分子式:C30H52O11

Azido-PEG9-Boc

CAS号:1818294-43-7

分子式:

Amino-PEG9-Boc

CAS号:1818294-44-8

分子式:C25H51NO11

m-PEG9-phosphonic acid

CAS号:2055016-25-4

分子式:C19H41O12P

Acid-PEG9-NHS ester

CAS号:1895916-27-4

分子式:C26H45NO15

Benzyl-PEG9-Ots

Benzyl-PEG9-Ots

CAS号:393517-91-4

分子式:C32H50O12S

Amino-PEG9-amine

CAS号:474082-35-4

分子式:C20H44N2O9

TCO-PEG9-maleimide

CAS号:2183440-37-9

分子式:C36H61N3O14

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].这些知识可以分为四种: 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四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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