L-DOPA 是种具有口服活性的神经递质多巴胺代谢前体 | MedChemExpress (MCE)

最新推荐文章于 2024-08-22 12:41:44 发布

原创最新推荐文章于 2024-08-22 12:41:44 发布 · 399 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#MCE #抑制剂

L-DOPA

中文名：左旋多巴

CAS：59-92-7

品牌：MedChemExpress (MCE)

存储条件：4°C, stored under nitrogen

生物活性：L-DOPA (Levodopa) 是一种具有口服活性的神经递质多巴胺代谢前体。左旋多巴可以穿过血脑屏障，在大脑中转化为多巴胺。 L-DOPA 具有抗异常性疼痛作用和帕金森病的潜在作用[1][2][3]。

体内：L-DOPA（20 mg/kg；口服）减少鱼藤酮诱导的运动功能障碍[3]。
L-DOPA（10、30、50、70 和 100 mg/kg； oral) 逆转神经病大鼠的触觉、冷和热异常性疼痛，而对 sprague-Dawley 大鼠没有任何副作用[4]。

参考文献：

[1]. Hyland K, et al. Aromatic L-amino acid decarboxylase deficiency: diagnostic methodology. Clin Chem. 1992 Dec;38(12):2405-10.
[2]. Merims D, et al. Dopamine dysregulation syndrome, addiction and behavioral changes in Parkinson's disease. Parkinsonism Relat Disord. 2008;14(4):273-80. Epub 2007 Nov 7.
[3]. Perez-Pardo P, et al. Additive Effects of Levodopa and a Neurorestorative Diet in a Mouse Model of Parkinson's Disease. Front Aging Neurosci. 2018 Aug 3;10:237.
[4]. Park HJ, et al. Anti-allodynic effects of levodopa in neuropathic rats. Yonsei Med J. 2013 Mar 1;54(2):330-5.

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

MedChemExpress (MCE)

关注关注

3
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

认知神经科学的前沿：揭示大脑如何构建世界模型

AI天才研究院

11-01

1344

认知神经科学的定义与背景认知神经科学是一门跨学科领域，它结合了神经科学、心理学、计算机科学等多个领域的知识，致力于研究大脑如何进行认知过程。认知神经科学的核心目标是理解大脑的认知功能，包括感知、记忆、注意、语言、决策和情感等。通过研究大脑的神经元和神经网络活动，认知神经科学旨在揭示认知过程的基本原理和机制。1.1.1 认知神经科学的历史认知神经科学的发展历程可以追溯到20世纪40年代，当时心理学家和神经科学家开始探讨大脑如何进行认知活动。早期的研究主要集中在神经元和神经回路的功能上。

卡马西平是一种钠通道阻滞剂，是一种抗惊厥药 |MedChemExpress (MCE)

mmmm12134的博客

08-07

743

卡马西平是一种钠通道阻滞剂，是一种抗惊厥药。目标：钠通道 Carbamazepine 抑制 [3H]batrachotoxinin A 20-α-benzoate (BTX-B) 与电压敏感钠通道受体位点的结合，IC50 为 131 μM，以降低钠通道离子通量的激活大鼠脑突触体。

参与评论您还未登录，请先登录后发表或查看评论

alginate-Dopamine|海藻酸钠-多巴胺|多巴胺修饰海藻酸钠|海藻酸钠-PEG-多巴胺

weixin_58818240的博客

10-28

1118

alginate-Dopamine|海藻酸钠-多巴胺|多巴胺修饰海藻酸钠|海藻酸钠-PEG-多巴胺

氟哌啶醇是一种有效的多巴胺 D2 受体拮抗剂 |MedChemExpress (MCE)

MCE_China的博客

08-22

364

氟哌啶醇是一种有效的多巴胺 D2 受体拮抗剂，广泛用作抗精神病药。

多肽定制服务 | Peptides - MedChemExpress

MedChemExpress

12-16

785

多肽是氨基酸以肽键连接在一起形成的化合物

纳米金/聚多巴胺/普鲁士蓝/四氧化三铁(Au-Dopa-PB-Fe3O4)|铂/普鲁士蓝(Pt/PB)复合纳米线|PDDA包裹的普鲁士蓝纳米粒子

quyueB612的博客

05-14

2121

磁共振成像MRI(Magneticresonanceimaging)是利用磁共振现象，借助计算机技术和二维图像重建方法进行成像的一种无创的影像手段。具有高成像率、无电离辐射、能提供多层次诊断信息的特点，因而在医学检测中得到广泛的运用(乔瑞瑞,贾巧娟,曾剑峰,等.磁性氧化铁纳米颗粒及其磁共振成像应用磁性纳米颗粒具有超顺磁特性，可在磁共振成像增加成像的敏感度，从而表现出独特的造影剂功能。磁共振成像的基本原理：质子数为基数的原子核因其自旋转运动而产生磁矩，在特定频率的射频脉冲激发下，该原子核会因能量共振吸收而

Fe3+-多巴胺修饰Pluronic的多功能性水凝胶/多巴胺修饰聚丙烯微孔膜表面的研究

m0_68948518的博客

11-28

913

该新型水凝胶具有p H响应性和自我修复等多功能特性.动态流变学技术表明Plu F127-DOPA-Fe~(3+)凝胶断裂后,储能模量在1~2 min内恢复到断裂前的数值,在生物医学和水下机械涂层等方面具有实际意义.PEG-DA多巴胺修饰聚乙二醇瑞禧一条。MPEG-DA 甲氧基聚乙二醇修饰多巴胺。DA-Fe2O3 多巴胺修饰三氧化二铁。DA-MNPs 多巴胺修饰磁性纳米粒子。DA-NPs 多巴胺修饰纳米粒子。DA-CNTs多巴胺修饰碳纳米管。PTX-DA紫杉醇偶联多巴胺。DOX-DA阿霉素偶连多巴胺。

三臂聚乙二醇氨基，3-arm PEG Amine，具有高度的反应活性

KXSJFX的博客

04-18

615

3-arm PEG Amine的氨基官能团具有高度的反应活性。例如，氨基可以很容易地和羧基形成稳定的酰胺键，或者和活性酯（-NHS）在特定的pH条件下形成酰胺键。这种反应原理使得3-arm PEG Amine成为一种理想的交联剂或修饰剂，可用于制备具有特定功能的生物材料或药物载体。，即三臂聚乙二醇氨基（3ARM-PEG-NH2），是一种具有特殊化学结构的化合物。它拥有三个聚乙二醇（PEG）臂，每个臂的末端都连接有一个氨基（-NH2）官能团。分子量：1k，2k，3.4k，5k，10k，20k。

国产氟多功能模块自动化合成^(18)F-6-氟-L-DOPA及其临床初步应用.pdf

09-17

2. 标题中的“^(18)F-6-氟-L-DOPA”涉及到了放射性同位素标记的药物。这种药物主要用于正电子发射断层扫描（PET）等核医学成像技术中，用于神经内分泌肿瘤的诊断。 3. “临床初步应用”表示这项研究不仅仅是合成...

L-Dopa Calendar Sync-开源

05-14

适用于WM5的Google日历同步应用程序使用XML，简单的XPath，.net Compact Framework 2.0检索Google日历供稿，检查手机上存储的约会并相应地添加/更新/删除。

Synthesis and cytotoxicity of 3-arylacrylic ester derivatives of the simplified saframycin-ecteinascidin skeleton prepared from L-dopa

02-09

由L-多巴制备的saframycin-ecteinascidin骨架3-芳基丙烯酸酯衍生物的合成与抗肿瘤活性研究，董文芳，郭举，本文以L-多巴为原料，立体专一的路线设计合成了15个具有Saframycin-Ecteinascidin 五环骨架结构的双四氢...

基于SSM与Vue架构的病人跟踪治疗信息管理系统设计与实现（含源码及文档）

12-22

基于SSM架构与Vue技术构建的病人治疗追踪管理系统，采用Java编程语言实现业务逻辑，并以MySQL数据库作为数据存储支持。该系统主要包含三个用户角色：管理员、病人及普通访客。管理员具备的功能模块包括：主界面、个人设置、病人档案管理、病例信息采集、预约安排、医生信息维护、核酸检测报告上传管理、行动轨迹记录管理、疾病分类配置、病人治疗进度跟踪、留言板处理以及系统参数管理。病人用户可操作：主界面、个人设置、病例信息查看、预约申请、医生查询、核酸检测报告上传、行动轨迹上报、个人治疗状态查询。访客端提供：首页浏览、医生信息展示、医疗资讯发布、留言反馈提交、个人中心、后台入口及在线咨询服务。系统设计注重代码结构的清晰性与可维护性，强调功能实用性和界面简洁度，同时保持较强的扩展适应能力，便于后续功能升级与日常运维。项目已通过实际运行测试，开发环境配置如下： - 编程语言：Java - 开发框架：Spring Boot - Java开发工具包：JDK 1.8 - 应用服务器：Tomcat 7 - 数据库系统：MySQL 5.7 - 数据库管理工具：Navicat 12 - 集成开发环境：Eclipse或IntelliJ IDEA - 项目构建工具：Maven 3.3.9。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！

电力系统单机无穷大电力系统短路故障暂态稳定Simulink仿真（带说明文档）

最新发布

12-22

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真（带说明文档）内容概要：本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开，提供了完整的仿真模型与说明文档，重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型，模拟不同类型的短路故障（如三相短路），分析系统在故障期间及切除后的动态响应，包括发电机转子角度、转速、电压和功率等关键参数的变化，进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理，掌握暂态过程分析方法。; 适合人群：电气工程及相关专业的本科生、研究生，以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标：①学习电力系统暂态稳定的基本概念与分析方法；②掌握利用Simulink进行电力系统建模与仿真的技能；③研究短路故障对系统稳定性的影响及提高稳定性的措施（如故障清除时间优化）；④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议：建议结合电力系统稳定性理论知识进行学习，先理解仿真模型各模块的功能与参数设置，再运行仿真并仔细分析输出结果，尝试改变故障类型或系统参数以观察其对稳定性的影响，从而深化对暂态稳定问题的理解。

这是一个基于Prisma和SQLite数据库构建的现代化轻量级且开箱即用的个人作品集展示平台后端服务系统_该项目核心功能包括用户认证授权作品数据模型管理文件上传存储以及提供标.zip

12-22

基于PSO算法优化支持向量机参数的MATLAB仿真源码：SVM与PSO-SVM性能对比

12-22

本研究聚焦于运用MATLAB平台，将支持向量机（SVM）应用于数据预测任务，并引入粒子群优化（PSO）算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践，其核心在于利用SVM构建分类模型，同时借助PSO的全局搜索能力，高效确定SVM的最优超参数配置，从而显著增强模型的整体预测效能。支持向量机作为一种经典的监督学习方法，其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界，以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题，其有效性源于通过核函数将原始数据映射至更高维的空间，使得原本复杂的分类问题变得线性可分。粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下，每个潜在解被视作一个“粒子”，粒子群在解空间中协同搜索，通过不断迭代更新自身速度与位置，并参考个体历史最优解和群体全局最优解的信息，逐步逼近问题的最优解。在本应用中，PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。项目所提供的实现代码涵盖了从数据加载、预处理（如标准化处理）、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数（例如线性核、多项式核及径向基函数核等）进行参数寻优，并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开，从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。本研究通过一个具体的MATLAB实现案例，旨在演示如何将全局优化算法与机器学习模型相结合，以解决模型参数选择这一关键问题。通过此实践，研究者不仅能够深入理解SVM的工作原理，还能掌握利用智能优化技术提升模型泛化性能的有效方法，这对于机器学习在实际问题中的应用具有重要的参考价值。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！

jank_record_1766403318764055404.pb

12-22

jank_record_1766403318764055404.pb

分层模糊系统：梯度下降与递推最小二乘法联合辨识研究（Matlab代码实现）

12-22

分层模糊系统：梯度下降与递推最小二乘法联合辨识研究（Matlab代码实现）内容概要：本文围绕“分层模糊系统：梯度下降与递推最小二乘法联合辨识研究”展开，介绍了基于Matlab代码实现的分层模糊系统参数辨识方法。通过结合梯度下降法和递推最小二乘法，实现对系统结构和参数的高效联合辨识，提升模型精度与收敛速度。文中详细阐述了算法原理、实现步骤及仿真验证过程，展示了该方法在非线性系统建模与辨识中的有效性，适用于复杂动态系统的建模与控制研究。; 适合人群：具备一定Matlab编程基础和系统辨识理论背景的研究生、科研人员及自动化、控制工程等相关领域的技术人员。; 使用场景及目标：①应用于非线性动态系统的建模与参数辨识；②用于提高模糊系统训练效率与预测精度；③支持科研复现、算法优化及工程实际中的系统辨识任务；阅读建议：建议读者结合提供的Matlab代码进行实践操作，深入理解两种优化算法的融合机制，并尝试在不同数据集或应用场景中进行迁移与改进，以掌握其核心思想与实现技巧。

AL-SHADE-SVM分类预测：基于变体差分进化算法的SVM参数优化研究（Matlab代码实现

12-22

AL-SHADE-SVM分类预测：基于变体差分进化算法的SVM参数优化研究（Matlab代码实现内容概要：本文研究基于变体差分进化算法AL-SHADE优化支持向量机（SVM）的分类预测性能，重点解决SVM中关键参数（如惩罚因子C和核函数参数g）难以手动调优的问题。通过引入AL-SHADE算法，自动搜索最优参数组合，提升SVM在分类任务中的准确性与泛化能力。文中结合Matlab代码实现，展示了算法的完整流程，包括种群初始化、变异、交叉、选择机制及适应度函数设计，并通过实验验证了该方法相较于传统参数选择方式在分类精度上的优越性。; 适合人群：具备一定机器学习基础，熟悉支持向量机和优化算法原理，有一定Matlab编程经验的高校学生、科研人员或工程技术人员。; 使用场景及目标：①解决SVM模型参数调优困难问题，提升分类预测精度；②为智能优化算法（如差分进化及其变体）在机器学习超参数优化中的应用提供实践案例；③适用于需要高精度分类的科研项目或工程应用，如故障诊断、模式识别、金融风控等领域。; 阅读建议：建议读者结合提供的Matlab代码进行实践操作，深入理解AL-SHADE算法的运行机制及其与SVM的集成方式，重点关注适应度函数的设计与参数优化过程的可视化分析，以便迁移至其他模型优化任务中。

橄榄苦苷抑制酪氨酸酶活性成分筛选各50μL S1-S3 3个油橄榄叶提取物样品溶液和 50μL 酪氨酸酶溶液（终浓度为 25U/mL）于 37℃水浴保温 5min，加入 50μL 磷酸盐缓冲液和 50μL L-多巴（终浓度为 0.5mmol/L）37℃恒温下反应 10min，475nm 下测定吸光度。曲酸为阳性对照。按下式计算相对酶活力：相对酶活力（%）=(A2-A1)/(A4-A3)×100% 式中：A1和 A2是橄榄苦苷、酪氨酸酶与 L-多巴反应初末的吸光度；A3和 A4是酪氨酸酶与 L-多巴反应初末的吸光度。（3）橄榄苦苷对酪氨酸酶抑制作用的研究将 50μL 橄榄苦苷（终浓度为 0、0.05、0.09、0.19、0.28、0.37 和 0.46mmol/L）和 50μL 酪氨酸酶（终浓度为 25U/mL）于 37℃水浴保温 5min，再加入 50μL 磷酸盐缓冲液和 50μL L-多巴（终浓度为 0.5mmol/L），37℃恒温下反应 10min，475nm 下测定吸光度。曲酸作为阳性对照（终浓度为 0、0.003、0.007、0.014、0.035、0.070、0.176、0.352 mmol/L）。按照上述测定方法，将反应液置于酶标仪中 37 ℃恒温，间隔 40s 测定一次，共测定 10min，选取 0~5.3min 吸光度随时间的改变拟合方程，其斜率即为酶活力值。通过固定 L-多巴浓度，改变酪氨酸酶浓度（终浓度为 12.5、25、37.5、50、62.5U/mL），测定不同浓度橄榄苦苷在各浓度酪氨酸酶催化下氧化 L-多巴产生的吸光度。将这两部分内容汇总合并整理在100字左右

08-16

- 酪氨酸酶活性检测：细胞裂解液与L-DOPA反应，测$OD_{475nm}$。 #### 四、分子机制研究 1. **分子对接模拟**：使用AutoDock Vina软件，将橄榄苦苷与酪氨酸酶晶体结构（PDB: 2Y9X）对接，分析结合位点及氢键/...