产品详细介绍

产品详细介绍

产品详细介绍

产品详细介绍

　　进口实芯理化板台面，铝木框架结构，壁厚1.4㎜，表面采用环氧树脂粉末喷涂，具有防静电、防水、防火、耐刮、耐磨、抗击使用寿命长等特点。设有抽屉及设有储物柜，充分达到实验前的准备及储物作用。

产品详细介绍

化学准备室（带通风系统） 办公台/椅 办公台：规格：1200*600*700mm 台面：台面为25mm三聚氰胺双面贴面板； 桌身：采用16±0.5mm三聚氰胺双面贴面板，其截面PVC封边带利用机械高温热熔胶封边，粘力强，密封性好。 办公椅：规格：2400×750×800mm 1、台面：一体化台面，采用12.7mm厚防静电、防水、防火、耐刮、耐磨、抗击耐酸碱的实芯理化板,四周边加厚至25.4mm。台面前沿加工成光滑半圆型，并注重人性化设计，提高适用性。 2、台身材质：采用 16±0.5mm 厚E1级环保优质三聚氰胺双贴面，所有板材外露端面采用高质量 PVC 封边条，利用机械封边机配 以热溶胶高温封边，粘力强，密封性好，外形美观，经久耐用。 教师准备台 规格：2400×750×800mm 1、台面：一体化台面，采用12.7mm厚防静电、防水、防火、耐刮、耐磨、抗击耐酸碱的实芯理化板,四周边加厚至25.4mm。台面前沿加工成光滑半圆型，并注重人性化设计，提高适用性。 2、台身材质：采用 16±0.5mm 厚E1级环保优质三聚氰胺双贴面，所有板材外露端面采用高质量 PVC 封边条，利用机械封边机配 以热溶胶高温封边，粘力强，密封性好，外形美观，经久耐用。 试剂架 1000*300*600mm 采用铝玻框架结构，层板采用钢化玻璃，带护栏。 水槽柜 规格：900×600×800mm 1、台面：一体化台面，采用12.7mm厚防静电、防水、防火、耐刮、耐磨、抗击耐酸碱的实芯理化板,四周边加厚至25.4mm。台面前沿加工成光滑半圆型，并注重人性化设计，提高适用性。左侧装有内嵌式5mm厚PP化验水槽与铜质喷涂实验室专用高压水嘴(一高二低)1套； 2、台身材质：采用 16±0.5mm 厚E1级环保三聚氰胺双贴面，板板间全部采用三合一螺杆内置连接，所有板材外露端面采用高质量PVC封边条，利用机械封边机配以热溶胶高温封边，高密封性不吸水、不膨胀，外型美观、经久耐用。 仪器柜 1、规格：1000×500×2000mm 2、材质:侧板、隔层采用16mm厚E1级环保三聚氰胺双贴面板，其截面PVC封边带利用机械高温热熔胶封边。 通风药品柜 规格：1000×500×2000mm 1、材质：采用16±0.5mm厚双贴面三聚氰胺板制作，所有板材外露端面采用高质量PVC封边条，利用机械封边机配以热溶胶高温封边，高密封性不吸水、不膨胀，外型美观、经久耐用。 剧毒药品储存柜 尺寸: 1090*460*1800mm 产品特点： 1.柜体内外部采用环氧树脂静电烤漆； 2.厚度大于1.2mm的双层优质钢板焊接成型，使用寿命更长，防火性能更好； 易燃液体防火安全柜 尺寸：1090*460*1800mm 产品特点 1、柜体：采用1.2mm 优质冷轧钢板，经酸洗磷化处理，表面通过环氧树脂静电喷涂， 达到防酸碱及防锈之效果； 强酸强碱储存柜 规格：1090×450×1800mm 开关：双门/手动.PP材质 特别针对强腐蚀性化学品的存储和渗漏而设计，适用存放具有强腐蚀性的化学品物质（例如硫酸、盐酸、硝酸、KOH、NaOH等化学品物质） 危险品储存柜 尺寸：1090*460*1800mm 产品特点 1、柜体：采用1.2mm 优质冷轧钢板，经酸洗磷化处理，表面通过环氧树脂静电喷涂， 达到防酸碱及防锈之效果； 全钢通风柜 规格：1500×850×2350mm 1、结构：全钢结构 台面：采用12.7mm厚实芯理化板台面。边缘部位加厚处理，并设有防水沿。 2、外壳：柜体采用1.0mm厚优质冷轧钢板折弯焊接成型，表面环氧粉沫静电高压喷塑，耐酸碱。 化验专用水槽 540*440*310mm 采用实验室专用高密度PP一体化成型水槽，易清洁，耐腐蚀，且利于台面残水自然回流，美观实用；具耐酸碱、耐有机溶剂、耐紫外线等特点。 三联水嘴 实验室专用优质化验水嘴：要求防酸碱、防锈、防 虹吸、防阻塞，表面环氧树脂喷涂。出水嘴为铜质瓷芯，高头，便于多用途使用，可拆卸清洗阻塞。 仪器盘 300×210×50mmUPVC有孔 仪器手推车 规格：600×450×800H 不锈钢架方通支架1.0厘厚、二层不锈钢板1.0厘厚机压成型焊接 药品柜吸风罩 风机进口处消声器 室外行程通风管 室内通风管道 室内通风管道 风机管道室内、外管配件 实验室通风机 风机变频调速控制器 1、采用ABS塑料注塑成型的吸风罩，设柜台面上，美观大方。 2、风机进口处消声器，Ø500、长850PVC内附吸音材料、分内外管两层，内管采用微小孔消声原理，夹层有吸声材料，有效降低管道噪音。 3、通风管道：选用耐酸碱腐蚀、防污染、抗高压、抗龟裂的UPVC塑料专用、管道。实验室外、内行程管道及地下主管道直径为315mm；支管道直径200mm、110mm；塑料专用管道内壁光滑、材质坚固、连接性好，使通风性有显著提高。 4、通风机：PP4-72型聚丙烯离心通风机参照金属4-72性能参数采用聚丙烯板，加热压膜焊接而成，低噪变频式风机，采用数字变频调控。 室外通风管道不锈钢抱箍 进出口柔性申缩 阻尼减振器 室外通风系统电路及配管 准备台供电系统 消防设施 其它 以上参数简单记录，如需详细化学准备室参数报价请来电咨询：18566199805 杨经理 化学装备室http://www.xklab.com

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

产品详细介绍