http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
구리(Ⅱ)-아민류착물에 의한 과산화수소의 분해반응속도와 메카니즘
김선덕,신윤열,박정은,김창수,Sun-Deuk Kim,Yun-Yeol Shin,Jeong-Eun Park,Chang-Su Kim 대한화학회 1993 대한화학회지 Vol.37 No.2
구리-아민류착물에 의한 과산화수소의 초기분해속도를 pH7.3~11.8 범위에서 측정하였다. 과산화수소의 분해속도는 pH에 따라 증가하였다가 감소하였다. 이들 실험결과에 일치하는 가능한 메카니즘이 제안되었다. 이 메카니즘은 과산화수소와 구리-아민류착물의 탈양성첨가를 거친 다음에 속도 결정단계에서 퍼옥소구리착물이 생성되는 반응과정과 일치한다. The decomposition of hydrogen peroxide by copper-amines complexes was studied in the pH range of 7.3∼11.3 by measuring the rate of the decreasing concentration of $H_2O_2$. Decomposition rate of hydrogen peroxide increased with increasing pH, and then decreased with increasing pH successively. The mechanism for this type of reaction involves the formation of peroxo complexes in the rate-determining step preceding deprotonation of hydrogen peroxide and copper-amines complexes.
여러자리 시프 염기 리간드와 구리(Ⅱ) 착물의 합성과 성질
김선덕,신윤열,장기호,Kim, Seon Deok,Sin, Yun Yeol,Jang, Gi Ho 대한화학회 1994 대한화학회지 Vol.38 No.4
질소원자를 네 개 또는 다섯 개 가지는 트리에틸렌테트라아민과 테트라에틸렌펜타아민에 살리실알데히드를 각각 반응시켜 황갈색 액체상의 여섯자리 배위자리를 가지는 새로운 시프 염기 리간드인 비스(살리실알데히드)-트리에틸렌테트라아민(BSTT)과 일곱자리 시프 염기인 비스(살리실알데히드)-테트라에틸렌펜타아민(BSTP)을 합성하고, 다시 이들 액체상의 시프 염기에 아세트산과 진한 염산을 가하여, pH4.0의 특정한 농도하에서 연노란색의 염산염 시프 염기들의 결정을 얻었다. 또한 이들 시프 염기 리간드와 구리(Ⅱ)를 반응시켜 새로운 시프 염기-구리(Ⅱ)착물을 합성하여 여러가지 물리적 및 화학적 성질에서부터 가능한 이들 화합물의 구조를 제안하였다. The novel Schiff base hexadentate ligand, bis-(salicylaldehyde)-triethylentetramine (BSTT) and heptadentate ligand, bis-(salicylaldehyde)-tetraethylenpentamine(BSTP) were synthesized by the reaction of salicylaldehydes with triethylenetetramine and tetraethylenepentamine, having four and five nitrogen atoms, respectively. These liquid Schiff base ligands were become in form of the pale-yellow crystals in the specific pH 4.0 by adding acetic acid concentrated hydrochloric acid. The Cu(Ⅱ) complexes of the Schiff bases were synthesized by reaction of the Schiff base with Cu(Ⅱ) ion and their possible structures were proposed by several analytical data, and physical and chemical properties.
트리에틸렌테트라아민을 지지시킨 폴리스틸렌 수지에 대한 전이금속이온의 흡착속도와 메카니즘
김선득,신윤열,김창수,Kim Sun-Deuk,Shin Yun-Yeol,Kim Chang-Su 대한화학회 1991 대한화학회지 Vol.35 No.1
폴리스틸렌 수지에 트리에틸렌테트라아민을 반응시켜 선형과 집게형의 킬레이트 수지를 합성하였으며, 이들 수지에 지지된 아민은 주로 적외선 스펙트럼으로 확인하였고, 전이금속이 수지에 흡착되는 속도를 측정하였다. 이 결과에서 얻어진 확산계수 및 활성화엔트로피 등이 보고된다. 흡착과정의 속도결정 단계는 입자를 통한 확산과정이다. Resins of polystyrene supported triethylenetetramine of linear and claw types have been prepared by the reaction of triethylenetetramine with chloromethylated polystyrene. The resin supported triethylenetetramines were principally characterized by infrared spectra. Kinetics of adsorption of transition metals on the resin have been investigated. This paper reports the results of the diffusion coefficients and entropies of activation. The rate determining step is a process of diffussion through the particle.
밀도기반 군집화와 딥러닝 모델을 이용한 COVID-19 바이러스 전장 유전체 임베딩 전략
박민우,이상선,성인영,신윤열,정인욱,김선 한국정보과학회 2022 정보과학회논문지 Vol.49 No.4
The rapid spread of the COVID-19 throughout the world has made the causative virus Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) one of the major targets for research in various fields such as genetics and vaccinology. In particular, studies regarding the phylogeny and subtype properties are of especially great importance due to the variety of subtypes and high variability. However, most computational approaches to studying the viral genome are based on the frequencies of single-nucleotide polymorphisms (SNPs) since the large size of the genomic sequence makes it almost impossible to encode the information of the whole genome at once. In this study, we introduce an alternative embedding strategy to extract information from the SARS-CoV2 whole genome using the density-based clustering algorithm MUTCLUST and deep learning. We first reduced the size of the genome by identifying densely mutated clusters as important regions using MUTCLUST. We then learned the subtype-specific embedding vectors from the extracted clusters using a sequence convolutional deep learning model. We found that the learned embeddings contained information that could be used to discriminate known subtypes and reconstruct phylogenetic trees. 세계적으로 유행하게 된 코로나바이러스는 유전자, 백신 등 다방면에서 연구가 이루어지고 있다. 특히, 계통이나 변이에 대한 연구는 바이러스의 분류를 정의하고 특징들을 더 세분화된 수준에서 이해할 수 있도록 해줌으로써 다양한 연구에 도움을 줄 수 있다. 대다수의 코로나 아형 분석 연구는 단일 염기 변이의 빈도를 기준으로 수행되고 있어 게놈 전반적인 변이에 대한 연구가 미비하다. 이는 게놈 전체의 정보를 한 번에 고려하여 분석하기에는 게놈이 너무 길고, 탐색 공간이 크기 때문이다. 본 연구에서는 밀도기반 군집화 기법을 통해 중요 지역을 선정하여 게놈의 길이를 줄인다. 나아가 딥러닝을 통해 이러한 군집들로부터 바이러스의 아형을 효과적으로 표현할 수 있는 임베딩 벡터를 추출하는 분석 방법론을 제시한다. 그 결과, 바이러스 게놈을 임베딩 기법을 통해 약 19% 수준으로 줄였으며, 추출된 임베딩들이 기존에 알려진 아형들을 잘 구분하고 이들의 계통수를 유사하게 재건할 수 있다는 것을 확인하였다.