排序方式: 共有14条查询结果,搜索用时 46 毫秒
1.
2.
3.
青钱柳为我国特有植物,以其叶制成的茶叶具有较好的降血糖效果。为了进一步研究其降糖作用,以超声辅助法提取青钱柳叶总三萜,经萃取、大孔树脂吸附、脱色等纯化后纯度达86.3%,其中熊果酸、齐墩果酸、山楂酸、科罗索酸和白桦脂酸的含量分别为19.35%、17.38%、7.53%、4.59%和1.42%。对于3T3-L1前脂肪细胞,纯化后的青钱柳叶总三萜(CPTT)在基础状态下对葡萄糖消耗没有明显的影响,但在同时添加10 nM胰岛素进行刺激时能显著提高葡萄糖消耗;对于成熟的脂肪细胞,无论是在基础状态下还是胰岛素刺激状态下,CPTT均能显著促进其葡萄糖消耗;对于由地塞米松诱导的胰岛素抵抗3T3-L1脂肪细胞,CPTT能有效地改善其胰岛素敏感性,提高葡萄糖消耗,且呈剂量-效应关系,以25μg/mL的效果最佳。以上研究结果表明,CPTT能促进脂肪细胞的葡萄糖消耗,在食品和药品领域有很好的应用前景。 相似文献
4.
建立了氟虫腈代谢物-氟虫腈亚砜的柱前荧光衍生化方法,并将其应用于鸡蛋中的残留检测。优化后的柱前荧光衍生化反应主要条件如下:催化缩合剂为EDC/DMAP;反应溶剂为二氯甲烷;氟虫腈亚砜与荧光衍生试剂的用量比为1:8;45 ℃水浴中反应75 min。衍生产物为N-(3-氰基-1-(2, 6-二氯-4-(三氟甲基)苯基)-4-((三氟甲基)硫代)-1H-吡唑-5-基)-4-(2-(9-乙基-9H-咔唑-3-基)-1H-菲并[9, 10-d]咪唑-1-基)丁酰胺(DX1),具有很高的荧光强度。衍生化产物DX1的高效液相色谱-荧光检测(HPLC-FLD)的主要条件如下:C18色谱柱;等度洗脱;流动相:乙腈/水(80/20,v/v);流速:1.0 mL/min;λex=310 nm,λem=404 nm;进样量20 μL;柱温40 ℃。在上述检测条件下,氟虫腈亚砜HPLC-FLD检测方法的检测限为0.033 μg/L,定量限为0.092 μg/L。在此基础上,建立了鸡蛋残留氟虫腈亚砜提取和检测的HPLC-FLD方法,检测限和定量限分别达到了0.052和0.132 μg/kg,精密度、稳定性和重现性在保留时间和峰面积上的RSD分别小于0.04%和2.7%,上机检测可在20 min内完成。该方法具有较好的灵敏度、精确性和可靠性,可应用于鸡蛋中残留氟虫腈亚砜的检测。 相似文献
5.
[目的]制备10%三氟苯嘧啶·氟啶虫胺腈悬浮剂。[方法]采用湿法研磨制备工艺,通过粒径、分散度、黏度、冷贮和热贮稳定性等指标的测试,对其配方中的湿润分散剂、增稠剂、防冻剂进行了筛选。[结果]三氟苯嘧啶3%,氟啶虫胺腈7%,有机硅1%,农乳700#6%,木质素磺酸钠0.2%,分散剂(SC) 4%,宁乳34#3%,黄原胶0.2%,丙三醇4%,水补足至100%,可制得合格的10%三氟苯嘧啶·氟啶虫胺腈悬浮剂。[结论]该制剂的共毒系数174.73,表现为明显增效作用,田间防治飞虱效果明显。各项指标均符合悬浮剂的要求。 相似文献
6.
7.
8.
9.
根据拼合原理,以齐墩果酸(OA)为先导物,对C-28号位的羧基进行修饰,通过溴代、氮代,引入1-脱氧野尻霉素(1-DNJ)设计合成了不同碳链长度的齐墩果酸-1-DNJ衍生物(OADs),其中5个目标化合物其结构均以高分辨质谱、核磁共振谱进行结构表征。利用微量α-葡萄糖苷酶-PNPG检测模型对这一系列化合物的活性进行了筛选,并通过分子对接初步分析了其构效关系。结果表明:所合成的系列化合物的抑制活性较齐墩果酸有较大提高,且当碳链长度为3时(化合物2b)抑制活性最好,其IC_(50)=0.786 mmol/L(OA的IC_(50)=2.387 mmol/L);酶抑制动力学分析表明其为α-葡萄糖甘酶混合型抑制剂;分子对接和热力学参数结果显示,化合物与酶的结合主要是通过氢键和范德华力,形成的氢键个数越多,抑制活性越强; 2b与酶之间形成了7个氢键,结合自由能为-17.19 kJ/mol,接近于阳性对照阿卡波糖。因此,所合成的齐墩果酸-1-DNJ衍生物(2b)对α-葡萄糖苷酶具有较好的抑制活性。 相似文献
10.
α-葡萄糖苷酶抑制剂能抑制碳水化合物水解,是高血糖人群降低餐后血糖的常用物质。本文基于α-葡萄糖苷酶-PNPG体外反应体系,建立了微量、快速的α-葡萄糖苷酶抑制剂筛选模型,该模型的主要参数如下:酶浓度为0.05 U/mL;底物浓度范围为0.05~1mM;反应温度为37℃;反应时间为6 min。以该模型检测了阿卡波糖对α-葡萄糖苷酶的抑制作用,并采用Lineweaver-Burk Plots、Eadie-Hofstee Plots、Hanes-Wolff Plots、Eisenthal-Cornish-Bowden Direct Plots、Non-linear Regression Analysis五种方法对该酶促反应的动力学数据进行了详细的分析。通过对数据处理的过程和结果的比较发现,该五种方法各有特点,各法所获得的V_(max)、K_m和K_i存在一定的差异,Non-linear-Regression Analysis法更加简便、合理及可靠,是酶动力学数据处理的首选方法。采用Non-linear-Regression Analysis法计算,该模型中酶促反应的V_(max)为3.91×10~(-6) mmol/min,K_m为0.12 mM,阿卡波糖的K_i为90μM。 相似文献