Statistical approach for solid-state NMR spectra of cellulose derived from a series of variable parameters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Principle component analysis (PCA) was used to extract components from the solid-state nuclear magnetic resonance (NMR) spectra of bacterial cellulose (BC). Polymers such as cellulose have several domain structures, and their structure and dynamics are reflected in the variety of solid-state spectra derived from different parameters. The complexity of the obtained spectra makes the analysis of spectra from relaxation measurements difficult. Multivariate analysis, such as PCA, has been suggested as an option to improve NMR spectral analyses. In this study, we attempted to extract peak components from cross polarization (CP) experiment data from the variable contact time spectra of BC by using PCA. The extracted peaks were annotated according to previous reports, and the existence of crystalline Iα was clearly recognized. The important components of the BC structure (that is, crystalline Iα, amorphous form and mobility) were separated in the PCA-loading plot and CP curve. A multivariate analysis was used to extract components in solid-state nuclear magnetic resonance (NMR) spectra from bacterial cellulose (BC). Polymers such as cellulose have several domain structures, and their structure and dynamics are reflected in the variety of solid-state spectra derived from different parameters. Multivariate analysis, such as principle component analysis (PCA), is suggested as an option to improve analyses of complex NMR spectra from relaxation measurements. In this study we demonstrate the extraction of peak components using PCA from cross polarization experiment data with variable contact time spectra of BC.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle