BCN-活性酯,BCN-活性酯,可用于合成双环壬酮功能化聚乙二醇聚合物涂层

本文主要是介绍BCN-活性酯,BCN-活性酯,可用于合成双环壬酮功能化聚乙二醇聚合物涂层,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

您好,欢迎来到新研之家

文章关键词:1516551-46-4,BCN-NHS, BCN-NHS 酯,BCN-活性酯,BCN-succinimidylester,丙烷环辛炔-活性酯,BCN-琥珀酰亚胺酯

一、基本信息

【产品简介】:BCN-NHS is a core member of the ProTAC structural unit that can react with the primary amine of the lysine residue in elastin like protein (ELP) to achieve the functionalization of ELP. BCN-NHS can precisely control and operate ELP, and in addition to its widespread application in the field of ELP, it can also synthesize functionalized polyethylene glycol polymer coatings with bicyclic nonone. This coating has anti fouling properties and can resist protein adhesion and cell adhesion. Overall, BCN-NHS is a chemical tool with broad application prospects. It provides us with possibilities and opportunities for both basic research and practical applications.

【中文名】:丙烷环辛炔-活性酯,BCN-琥珀酰亚胺酯

【英文名】:BCN-NHS, BCN-NHS 酯,BCN-活性酯,BCN-succinimidylester

【CAS号】:1516551-46-4

【化学式】:C15H17NO5

【分子量】:291.30

【结构式】:

 

​二、产品详情

【外观】:紫色粉末

【溶解性】:溶于大部分有机溶剂

【规格】:10mg、25mg、50mg(接受各种规格的定制服务,具体可以线上咨询)

【纯度】:95%+

【储存条件】:本品应密封避光,储存于阴凉、干燥、通风处,避免反复冻融,储液应该立即使用

【注意事项】:陕西新研博美生物科技有限公司提示,试剂仅用于科学研究或者工业应用等非医疗目的,非药用,非食用!

三、相关产品

BIOTIN-PEG2-SH,Biotin-PEG2-Thiol,生物素PEG2巯基

Biotin-PEG3-acid,252881-76-8

1309649-57-7,Biotin-PEG4-azide,(+)-Biotin-PEG4-CH2CH2N3

459426-22-3,(+)-Biotin-PEG4-NHS Ester

Bromo-PEG4-N3,1951439-37-4

Bromo-PEG4-acid 1393330-38-5

Br-PEG4-OH,85141-94-2

9017-79-2,强碱性阴离子交换树脂,英文名称:AMbersep 900(OH), ion exchange resin

BDP 576 NHS,201998-61-0

AF 555 NHS

BHQ-3 NHS ,871240-94-7

BHQ-3 amine,1661064-89-6

本文整理分享来自于小编zmy

这篇关于BCN-活性酯,BCN-活性酯,可用于合成双环壬酮功能化聚乙二醇聚合物涂层的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/763386

相关文章

unity导入半透明webm + AE合成半透明视频

有些webm的文件导入unity后无法正常播报,踩坑好久才知道需要webm中的:VP8 标准 现在手上有几条mp4双通道的视频,当然unity中有插件是可以支持这种视频的,为了省事和代码洁癖,毅然决然要webm走到黑。 mp4导入AE合成半透明 打开 AE 软件,创建一个新的合成项目。在项目面板中,选择 “导入” 或直接将 MP4 视频文件拖放到项目面板中,导入视频素材。项目面板中,右击

三文带你轻松上手鸿蒙的AI语音03-文本合成声音

三文带你轻松上手鸿蒙的AI语音03-文本合成声音 前言 接上文 三文带你轻松上手鸿蒙的AI语音02-声音文件转文本 HarmonyOS NEXT 提供的AI 文本合并语音功能,可以将一段不超过10000字符的文本合成为语音并进行播报。 场景举例 手机在无网状态下,系统应用无障碍(屏幕朗读)接入文本转语音能力,为视障人士提供播报能力。类似微信读书,可以实现将文章内容通过语音朗读,可以

用于资产定价的FAFA三因素模型的案例实现

一:FAFA三因素模型的介绍 FAFA三因素模型,即Fama-French三因子模型,是在1992年提出的资产定价模型。该模型是对传统的资本资产定价模型(CAPM)的扩展,它认为除了市场风险之外,还有其他两个因素对股票的预期收益率有重要影响,这两个因素是公司规模(Size)和账面市值比(Book-to-Market Ratio)。 Fama-French三因子模型的核心观点是,投资者在承担额外

波导模式分析2 用于圆TE01模式高功率传输线的大型多模波导滤波器

摘要: 一种对于大型多模波导滤波器的设计方法,其能衰减掉(deteriorate)不想要的模式而不影响所需要的工作模式,被提出来抑制用于圆TE01模式高功率传输线的受限模式谐振。为了从TE10模式中分离出不期望的模式,引入了一种形变圆波导。在波导中的本征模式通过微扰分析理论推断,并且研究了一些公共模式的传输特性。此分析显示在工作TE01模式和其他模式之间通过变形圆波导可以获得显然的模式间隔,特别

用于充电桩的B型剩余电流保护器的设计

摘要       对含有充电桩的充电系统漏电原理、特征和保护安装位置进行了分析,并提出用于充电桩的B型剩余电流保护器的一种设计方案,通过双磁芯及对应的拓扑结构实现剩余电流的检测。分析了不同拓扑结构对应类型的剩余电流实现脱扣的机理,对直流剩余电流的检测采用磁调制技术,对其余类型剩余电流提出不进行波形识别、直接整流的电流检测方案。根据不同拓扑结构检测的电流类型,提出上方磁芯选择磁滞回线扁平、高磁导率

多行命令提示符中的命令合成一行

C:\Windows\System32\cmd & cd C:\Siemens\Teamcenter12\tc_menu & C:\Siemens\Teamcenter12\tc_menu\tcdb_config1.bat & C:\Users\Administrator\Desktop\ITK\TEST1\x64\Debug\TEST1.exe 用&分割 C:\Windows\System3

关于Java中Comparable和Comparator用于排序中的理解,以Comparable为例

在Java中,当一个对象实现了 `Comparable` 接口,这意味着该对象的类定义了一个自然的排序标准。`Comparable` 接口要求实现它的类必须实现 `compareTo` 方法,这个方法定义了对象之间的比较规则。 目录 一、为什么使用 `compareTo` 方法: 二、排序函数如何使用 `compareTo` 方法: 一、为什么使用 `compareTo`

CP-Net:用于生物细胞解析的实例感知部分分割网络|文献速递--基于深度学习的医学影像病灶分割

Title 题目 CP-Net: Instance-aware part segmentation network for biological cell parsing CP-Net:用于生物细胞解析的实例感知部分分割网络 01 文献速递介绍 实例分割是计算机视觉中的一个经典任务,用于识别图像中每个像素的对象类别(语义类型)并确定唯一的对象ID(实例索引)(Yi等,201

python pickle 模块用于保存python内存数据(包括实例对象、字典、列表等所有python中的数据)

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言基本用法 前言 Python 的 pickle 模块用于序列化和反序列化 Python 对象。这意味着你可以将 Python 对象(如列表、字典、类实例等)转换为字节流(序列化),并将其保存到文件中或在网络上传输,然后在需要的时候将其恢复为原始 Python 对象(反序列化)。 常见用途

震惊,从仿真走向现实,3D Map最大提升超12,Cube R-CNN使用合成数据集迁移到真实数据集

震惊,从仿真走向现实,3D Map最大提升超12,Cube R-CNN使用合成数据集迁移到真实数据集 Abstract 由于摄像机视角多变和场景条件不可预测,在动态路边场景中从单目图像中准确检测三维物体仍然是一个具有挑战性的问题。本文介绍了一种两阶段的训练策略来应对这些挑战。我们的方法首先在大规模合成数据集RoadSense3D上训练模型,该数据集提供了多样化的场景以实现稳健的特征学习。随后,