物以类聚范文1
细菌划分人类的基础
现在，研究人员发现，对人的分类还可以以人的肠道中所拥有的主要细菌类型来划分，即根据某个人肠道中占多数的一类细菌来对人分类。对人如此分类的目的当然是为了健康和治病，尤其是对人进行个性化的医疗，例如预防肥胖和治疗炎症等。
人的肠道内寄居着大量的细菌，其中大部分对人无害。根据这些细菌的属性可以将人分成几个类型。
位于德国的欧洲分子生物学实验室的皮尔•波克和法国国立农业研究所微生物遗传学中心主任达斯科•埃利希等人在研究中发现，无论是妙龄少女还是耄耋老翁，无论是吃素还是吃荤，有三类不同的细菌都可以在不同性别、年龄的人群中寄居。不过，由于人体肠道中的细菌有很多种，这里所说的三类细菌是一个人肠道中主要的或居多的菌属。
波克和埃利希等人对22名欧洲人大便样品中的细菌进行遗传学普查，同时与17名美国人和日本人大便样品中的细菌进行对照，以辨别不同人群肠道中细菌的异同，并加以分类。研究人员惊讶地发现，尽管人种不同，但所有人肠道中的细菌都大致可分为三类主要的菌属。第一类是拟杆菌属（Bacteroides），第二类是普氏菌属（Prevotella），第三类是瘤胃球菌属（Ruminococcus）。每个人身体中都含有这三类细菌和其他细菌，这三类细菌哪一种在人的肠道中占主要优势，那么这种细菌就是某人所拥有的菌属，也因此可以据此对他们的肠道分类。
这三类细菌各有主要的功能。拥有拟杆菌属的肠道主要分解碳氢化合物（大米、面粉等）。如果人体肠道中拟杆菌属较多，则属于拟杆菌属肠道者，这类人身材会苗条或正常，因为拟杆菌属会将多余的营养分解掉。而普氏菌属则使肠道中浓稠的黏液降解，从而在发炎或生病时导致肠胃疼痛。与拟杆菌属相反，人体内具有较多的瘤胃球菌属则会帮助细胞吸收过多的糖，从而导致肥胖或超重。如果以生理和病理情况来分类，则拟杆菌属肠道者是瘦人或身材适中者，瘤胃球菌属肠道者则是肥胖或超重者，而普氏菌属肠道者是好发肠胃痛的人群。
与人类微生物组计划的差别
至于人群中为何有人是拟杆菌属肠道者，有人是瘤胃球菌属肠道者，另有人是普氏菌属肠道者，研究人员表示现在还不清楚原因，但有几种推测。
一种可能的原因是，一个人的肠道菌的构成取决于这个人的血型。这种推测与血型学说有关。但是，另一种解释是，人体肠道中生活着哪类细菌是由代谢来决定的。食物进入人的肠道后会被消化吸收，但同时又有一些废物排出，其中消化食物所产生的氢气等就需要排出，而排出废物的化学途径可能决定着一个人肠道中主要拥有何种细菌。
还有一种说法是，孩子出生后暴露于什么样的细菌也就决定着他们的肠道中具有什么种类的细菌。因此，具有什么样的细菌也就决定着一个人有什么类型的肠道。当然，肠道中的细菌与人们吃什么样的食物可能也有联系，但是，迄今还没有这方面的证据，因为研究人员比较了不同种族和不同饮食习惯的人群，发现都可把人群大致分为上述三类肠道细菌类型。
物以类聚范文2
今天我有特别多的感触，可能今天遇到了一些较为尴尬的事情，并且知道了一些让我心里不太舒服的事情，也让我明白了所写标题的意思。
物以类聚，人以群分。.我今天算是彻底明白了这个意思，什么样的人就会交到什么样的朋友，我是一个很好相处的人，所以我的朋友基本性格都跟我差不多，我们都是乖乖女型的女孩。从不抽烟，没参加过任何小太妹的行为，甚至在学校也从来不逃课（但本人学习不好，也抄过作业）（敢说你没抄过）所以都是些好女孩跟我成为了很好的朋友，因为爱情可能不能天长地久，今天这个明天那个，但我永远相信一句话，朋友是交一辈子的。
但某某某人的今天这个行为，我不想说任何你的不对，因为你跟我根本不是朋友，我们只是同学的关系，但是让我很心寒，因为我一直都很想融入你们的这个大家庭中，想从陌生到和你们很谈的来。但是为什么这么多年来了，我却一直融入不进你们这个集体，我一直在找原因，我一直都认为我自己的原因，可能我内向，不爱多说话，那也有可能导致我无法融入的原因。但是我今天终于明白了，我们不合适，原来做朋友也会有合适不合适的，不合适的人也不能勉强在一起的。
我想我不能融入你们的原因就是，我不适合你们的圈子，我不是你们所想要的那种人。你们也不是做为我朋友该有的样子，所以，我们便分成了2个群体。我想以后我也不用在为进不去你们的圈子而困扰了，因为我不想进，我不适合进。
物以类聚范文3
关键词：湖北省；农作物产量；聚类分析
中图分类号：F301．24
文献标志码：A
章编号：1673-291X（2012）20-0048-02
湖北省是粮食大省，为国家的粮食安全战略做出了重要贡献。但近几年湖北省粮食的产量却呈现连续下降的趋势。“十一五”期间，湖北省的农业和农村经济结构调整取得了显著成效。同时，采取了一系列措施稳定粮食生产，使粮食产量和播种面积下降逐渐得到了有效的遏制。“十二五“期间，湖北省加大了粮食安全的防治措施，为粮食产量和质量筑上了一道防护墙。目前，湖北省各个地区之间的粮食产量还存在着差异。笔者试图通过聚类分析，把这些地区进行分类，以明确不同的类别，笔者试图然后采取不同的措施，来加大湖北省的综合粮食产量。
一、聚类分析
（一）聚类分析的概念
有人称按照观测值对变量的分类为R型聚类，而按照变量对观测值的分类称为Q型聚类。这两种聚类在数学上是对称的，没有什么不同。事先要确定分多少类：k均值聚类或快速聚类。事先不用确定分多少类：分层聚类或系统聚类。处理连续和分类变量混合的大数据集：两步聚类。聚类分析又称群分析、点群分析，是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法。例如，可以根据各个国家和地区的机场数目、铁路公里数、公路公里数、水路公里数、商船数等因素，将国家和地区分为几个等级，再分析各个国家和地区之间不同等级运输量对比状况。
（二）基本思想
根据对象间的相关程度进行类别的聚合。在进行聚类分析之前，这些类别是隐蔽的，能分为多少种类别事先也是不知道的。聚类分析的原则是同一类中的个体有较大的相似性，不同类中的个体差异很大。所研究的样品（网点）或指标（变量）之间存在程度不同的相似性（亲疏关系——以样品间距离衡量）。于是根据一批样品的多个观测指标，找出一些能够度量样品或指标之间相似程度的统计量，以这些统计量为划分类型的依据。把一些相似程度较大的样品（或指标）聚合为一类，另外一些彼此之间相似程度较大的样品（或指标）又聚合为另一类，直到把所有的样品（或指标）聚合完毕。这就是聚类分析的基本思想。其中，类指相似元素的集合。聚类分析的概念认为所研究的样品或指标之间存在着程度不同的相似性，根据一批样品的多个观测指标，找出能够度量样品或变量之间相似程度的统计量，并以此为依据，采用某种聚类法，将所有的样品或变量分别聚合到不同的类中，使同一类中的个体有较大的相似性，不同类中的个体差异较大。
二、湖北省市、州按照主要农作物产量的聚类分析
以2009年湖北省市、州17个地区的主要农作物产量为样本进行聚类分析，数据见表1。对17个地区的数据进行聚类，根据表中帮统计量、半偏席统计量、伪r统计量、伪F统计量4个指标，聚为4类最合适。
从图1、表1和表2可以看出，17个地区中第1类包括荆州市、襄樊市、黄冈市；第2类包括孝感市、荆门市；第3类包括武汉市、十堰市、咸宁市、随州市、恩施自治州；第4类包括黄石市、宜昌市、鄂州市、仙桃市、天门市、潜江市、神农架林区。其中，第1类的稻谷、小麦的农作物产量都较高，但是玉米、薯类的农作物产量却不太高。第2类两个市的主要农作物产量仍是稻谷、小麦，较第3类和第4类较多，但是玉米、薯类的农作物产量却不是很高。第3类除了十堰市的各个主要农作物产量比较平均外，其他的4个市、州的主要农作物产量都不平均，差异比较大。第4类各个市、州的主要农作物产量都不是很高，但相对来说比较平均，需要每个市、州加大农作物整体产量。
物以类聚范文4
关键词：高分子化学；教学研究；有机化学；融通应用
中图分类号：G642 文献标识码：B 文章编号：1002-7661（2013）33-002-01
有机化学（Organic Chemistry）是一个名词，由瑞典化学家贝采里乌斯（Berzelius）在1806年提出的。当时是与无机化学相对立而命名的。同时，又被称为碳化合物的化学，其主要是研究有机化合物的结构、性质以及制备的一门学科，是化学中十分重要的一个分支。其中，含碳化合物被称为有机化合物，这是由于原先的化学家们认为含碳物质一定要由生物（有机体）才能制造，然而，1828年德国化学家弗里德里希・维勒（Friedrich Whler），在实验室中第一次成功合成尿素（一种生物分子），从此以后，有机化学便脱离传统所定义的范围，扩大为含碳物质的化学。
一、高分子化学
高分子化学主要包括高分子化学、高分子物理和高分子工艺，它是高分子科学的三大领域之一。高分子化学主要就是研究高分子化合物合成、化学反应、物理化学、加工成型以及应用等方面的一门综合性学科。在内容上，高分子化学和有机化学以及物理化学有直接关系，所以，我们必须学好这门学科，这对学生掌握有机化学知识的理解十分有利，同时，又为以后的学习打下一个坚实的基础。从而，我们要注意将有机化学知识融入到高分子化学的学习中，提高学生的学习兴趣，进而对学生的创新思维进行培养，学会融会贯通。
二、有机化学分类
对于有机化学我们可以从两方面进行不同分类。
1、有机化合物的碳原子结合的基本结构不同
（1）链状化合物，主要是其化合物分子中的碳原子连接成链状，最开始是在脂肪中发现的，因此可成为脂碳环化合物。
（2）碳环化合物，主要是其化合物分子中含有碳原子组成的环状结构，所以称之碳环化合物，其可以分为脂环族化合物以及芳香族化合物两大类，前者是和脂肪族化合物相似的碳环化合物；后者是其分子中还有苯环、稠苯体系的化合物。
（3）杂环化合物，在这类化合物中除了碳原子以外，还有其他元素的原子，所以就叫做杂环化合物。
2、依据官能团分类
官能团就是决定某一类化合物性质的主要原子、原子团。含有相同官能团的化合物，其化合物的基本性质相同。如下图：
三、高分子有机化学的反应
1、聚合反应
由有机小分子（单体）经过聚合反应制成的就是高分子化合物。聚合反应主要分为两类：
（1）缩聚反应
经过缩聚反应产生的缩聚物，如涤纶，学名聚对苯二甲酸乙二醇酯，它主要是对苯二甲酸和乙二醇合成的。这些都是官能团单体之间多次缩合小分子而成的。
（2）加聚反应
经过加聚反应产生的聚合物，如苯乙烯合成聚苯乙烯等，都是由于烯类单体的双键加成聚合成的。
在有机化学中，我们要通过学习熟练地掌握聚合反应的性质、特点。聚合反应中的缩聚反应和加聚反应是不同性质的，他们的结构、性能也不尽相同。缩聚是为了平衡反应通过官能团（二个或以上）的单体的缩合反应，并去掉某些小分子而成，这种情况属于逐步聚合，要有大于98%的高的基团反应程度才能得到高分子化合物并伴有副反应。加聚是烯类单体通过双键断裂相互加成并且在引发剂、光照等的作用下的聚合反应，在反应中没有生成小分子，这种情况属于连锁聚合，万一发生的话可以很快形成高分子化合物。但必须加快反应的转化率，同时，所得聚合物多属于碳链聚合物。
2、电子效应与位阻效应
电子效应与位阻效应作为有机化学中的重要内容，是高分子化学中的一个非常重要的体现，它涉及到化合物的稳定性以及反应机理的选择等多个方面。如单体对聚合机理的选择性直接影响着分子结构中的电子效应。又因为电子效应中包含着共轭效应以及诱导效应，正因为共轭和诱导作用，可以进行阴、阳离子和自由基聚合。单体中取代基的位阻效应影响着聚合动力学的影响，取代基中的多种效应（共轭效应、极性效应以及位阻效应等）影响了聚合中单体、自由基的活性，但是影响程度并不一样。
3、合成与改性高分子化合物
作为高分子化学中的教学内容，高分子化合物的改性十分重要，它是以高分子材料的性能与引入功能制备新的聚合以及扩大应用范围为主要目的。通常有共聚化学改性以及聚合物化学改性等改性方法。它融入了很多相关的有机化学知识，使其在高分子化学教学中得到融通实践。
综上所述，将有机化学知识融入到高分子化学教学中，不仅使学生的学习兴趣提高了，更加有效的保证了教学效果。
参考文献：
物以类聚范文5
【关键词】 基因芯片；聚类分析；肿瘤
数的被诱导水平或被抑制水平在视觉上和数学上都能达到一致。经过数据过滤和标准化处理的数据可进行下一步的分析，如聚类分析。
2 基因聚类分析
基因数据标准化处理后可以进行基因聚类分析。基因聚类分析的目的在于按某种相似性标准（如皮尔逊相关系数或欧氏距离）将基因划为若干类（群），使同类基因具有高度同质性。所以基因聚类分析实质上是建立各种不同的数学模型，这些模型把基于相似数据特征的基因组合在一起。在基因表达聚类中归为一个类的基因在功能上可能相似或存在关联，它们可能具有相同的调控元件或执行相似的功能，所以通过基因聚类分析可以考察未知基因的功能信息或已知基因的未知功能信息[7]。值得注意的是目前基因聚类方法已不局限于只对基因进行聚类合并，由于基因芯片数据的高维性，只对基因进行聚类合并，有时并不能正确反映基因的表达模式，对基因和样本进行双聚类可以更好地发现基因表达模式并且具有更清晰的生物学解释[8]。基因聚类分析包括多种算法，最常用的算法有三种:分层聚类法、k-均值聚类和som聚类。
2．1 分层聚类
分层聚类（hierarchical clustering，hcl）本质上是将有相似表达模式的类聚合在一起，并以分层的系统形式表示出来。分层聚类根据聚类方式可分为自底向上法（bottom-up method）和自顶向下法（top-down method）[9]。自底向上法的聚类过程为：将基因当作元素计算所有基因间的距离，在所有基因中找到两个基因距离最小基因，将它们归入一个类中，然后将距离这个类最近的基因加入到这个类中形成新的类，反复进行这个过程，直到只剩下一个类，而这个类包含了所有的基因。分层聚类可根据聚类结果自动构建具有分层结构的系统树，所以结果是可视的和基因间的关系是明确的（图1）。eisen等[7]将分层聚类首次用于基因的共表达分析并用于酵母共表达基因的研究。为了利于生物学家判断基因表达情况，作者提出使用系统树和线条颜色变化结合的方法，使分层聚类成为基因聚类的经典算法。由于聚类结果易判断和解释分层聚类在肿瘤研究分析中获得了广泛的应用。分层聚类方法也有不足之处，首先是不能很好聚类没有层次结构的数据（这些数据是很常见的），容易受噪声影响，其次它没有统一的评价函数，使聚类具有了任意性而且计算复杂度较高。
2．2 k-均值聚类
k-均值聚类（k-mean clustering，kmc）算法需要先根据预先指定的类数k来选择初始凝聚点，根据欧式距离将每个样本归到最接近或相似的凝聚点形成类，再用各类的重心代替初始凝聚点重新分配，将每个样品不断地归类直至分类达到稳定。k-均值聚类算法是一种动态聚类方法，以最小误差平方和作为评价函数，其聚类过程简单并且适用于各种类型数据，在基因聚类中有广泛应用（图2）。sorensen等[10]在黑腹果蝇的热胁迫全基因表达分析中，利用类数设为20的k-均值聚类来比较差异表达的基因。k-均值聚类的缺点是对初始凝聚点敏感，聚类结果很容易受初使凝聚点的影响，聚类产生的结果没有结构感，不易让人理解。
2．3 som 聚类
som聚类（self-organizing map clustering，som）本质是由teuvo kohonen提出的一种人工神经网络聚类分析模型。它是一种结构简单的单层竞争性神经网络，通过自身的训练自动对输入模式进行分类。som网络中的各个神经元通过竞争来获取对输入模式的响应机会，最后仅剩下一个神经元成为对应输入模式响应的胜利者，并将胜利的神经元的信息以拓扑的形式给出来，聚类结果是相似的模式(用神经元代表)被放入一组（图3）。som聚类应用了类间的全局关系，能够比较大数据集内的相似性关系，更加稳健和准确，对噪声也较为稳定。wang等[11]为理解评价和分析基因芯片实验产生的大量数据从而发现基因表达中隐藏的模式，使用som降低原始数据的维性并在som拓扑平面上显示肿瘤样本，然后再使用分层聚类和k-均值聚类识别样本分类的基因表达模式。他们的研究表明通过使用som作为中间步骤分析全基因组的基因表达数据，可以更早地揭示基因表达模式。
3 基因聚类在肿瘤研究中的应用
在遗传上肿瘤是涉及到多基因改变的产物，所以肿瘤研究中要高通量高效比较多基因的表达水平，这正是基因芯片技术的优势所在。通过比较正常组织和肿瘤组织的基因表达谱可以获得差异表达基因的有关信息，为肿瘤的早期诊断和临床治疗提供帮助。基因表达聚类分析在肿瘤研究中的应用主要有两个：一是通过基因聚类分析研究肿瘤亚型分型；二是通过聚类分析发现新的肿瘤标志物。
3.1 基因聚类在肿瘤的分子分型中的应用
传统的肿瘤诊断分类方法是基于组织形态学特征的分类方法，它的缺限是在组织病理学特征诊断上相似的肿瘤其治疗反应和预后却显著不同。基因芯片技术通过全基因表达分析能够精确鉴定肿瘤亚型，从而克服传统方法的缺陷[12]。在肿瘤的基因分型研究中需要将样本中基因的表达情况确定为样本的属性，使用合适的聚类算法将样本进行分类，通过比较外部“金标准”计算分类的一致率来判断聚类效果。schuetz等[13]针对肾癌相关的肿瘤亚型使用寡核苷酸芯片分析了31例成人的肾脏肿瘤，其肿瘤亚型包括清晰细胞肾细胞癌(rcc)，乳突状rcc，不易染色rcc，嗜酸粒细胞腺瘤和错构瘤。在此研究中作者通过数据过滤从8 746个基因中挑选出4 030个差异表达的基因，以皮??废喙叵凳?碚骰?蚣涞木嗬耄?褂梅羌喽椒植闫骄??峋劾嗨惴ǚ治隽舜嘶?虮泶锲祝?峁?0个病例的肿瘤亚型被正确分类。这说明肾癌的肿瘤亚型可以通过截然不同的基因表达谱进行精确的亚型分类，为在分子水平上进行肿瘤诊断提供了一种很有希望的方法。
3.2 基因聚类在肿瘤标志基因筛选中的应用
稳健的肿瘤标志基因的鉴定具有重要的研究意义和临床诊断价值，通过肿瘤标志基因设计诊断系统可以进行肿瘤的早期诊断和肿瘤的亚型判断。pal等[14]为鉴定可精确区分肿瘤类型的肿瘤标志物，提出一种用于发现肿瘤标志物的方法。针对有相似组织学特征易导致误诊的肿瘤（成神经细胞瘤、非霍奇金淋巴瘤、横纹肌细胞瘤、尤文氏肉瘤），联合使用特征挑选多层神经网络(fsmlp)和相关模糊聚类鉴定出7个标志基因，这7个标志基因在肿瘤生物学中具有明确的类特异性信号并且扮演着重要的角色，包括细胞增殖，跨血管内皮迁移和mhc类抗原通信等功能，其中包含3个新基因(nab2、lsp1和ehd1)。利用这7个标志基因在训练样本和盲测样本上可对4种亚型进行精确分类，分类正确率可达100％。
4 存在的问题与解决方法
产生大量有价值的基因表达谱数据的dna微阵列技术是实验分子生物学的一项创新方法。很多聚类算法被建议用于分析基因表达数据，但是关于聚类算法选择的指导较少。切实可行的聚类算法评价是当今生物信息学研究中的重要课题[15]。gibbons [16]提出使用基因注释的方法来鉴定基因表达聚类方法的质量，多种算法的比较结果显示som聚类有最好的性能。分层聚类经常用于识别共表达的基因簇，然而芯片数据集经常包含遗漏测量的值（mvs）。de brevern等[17]通过研究认为mvs在基因簇的稳定性上具有重要作用，是基因簇稳定性的主要因素，另外聚类效果也依赖于分层聚类算法的使用。所以我们在作聚类分析时必须谨慎选择算法，避免对基因芯片数据的曲解。
5 总结与展望
基因表达数据分析是一个需要生物学、计算机科学、数学等多学科合作的新领域，随着基因芯片技术在生物学和医学研究中的应用日益广泛，实验越来越需要精密和科学的数据分析。聚类算法作为一种分析工具在基因表达数据分析中是很重要的手段。对肿瘤进行早期诊断和精确分类是提高患者生存时间的关键。目前根据形态学对肿瘤进行分类有很大的局限性，而基因表达聚类分析表明可以利用肿瘤间不同的基因表达谱进行更精确的肿瘤亚型分类。在肿瘤新标志基因发现中使用聚类算法和其它分析方法已经取得很有价值的发现，使得对肿瘤的机制有了更清晰的解释，对肿瘤的早期诊断和患者的生存预判提供了重要的参考。应该看到虽然聚类算法在基因芯片分析中有很广泛的应用，但是也存在一些需要解决的方面，如如何选择最佳聚类方法等。作为生物信息学研究的一部分，这些问题的解决依赖于多学科领域的通力合作。随着研究的深入一些问题将得到解决使基因表达聚类分析在研究和应用中更完善和实用。
【参考文献】
[1] schena m,shalon d,heller r,et al. parallel human genome analysis: microarray-based expression monitoring of 1000 genes[j]. biochemistry, 1996, 93(20): 10614-10619.
[2] ladanyi m, chan wc, triche tj, et al. expression profiling of human tumors: the end of surgical pathology?[j]. journal of molecular diagnostics, 2001, 3(3):92-97.
[3] tibshirani r, hastie t, narasimhan b, et al. diagnosis of multiple cancer types by shrunken centroids of gene expression[j]. pnas, 2002, 99(10):6567-6572.
[4] khan j, wei js, ringner m, et al. classification and diagnostic prediction of cancers using gene expression profiling and artificial neural networks[j]. nat med, 2001, 7(6):673-679.
[5] finocchiaro g,francesco mm,cittaro d, et al. graph-based identification of cancer signaling pathways from published gene expression signatures using publime[j]. nucleic acids research, 2007, 35(7): 2343-2355.
[6] kong f, nicole white c, xiao x, et al. using proteomic approaches to identy new biomarkers for detection and monitorung of ovarian cancer[j]. gynecol oncol, 2006, 100(2): 247-253.
[7] eisen mb, spellman pt, brown po, et al. cluster analysis and display of genome-wide expression patterns[j]. genetics, 1998, 95(25): 14863-14868.
[8] getz g, levine e, domany e. coupled two-way clustering analysis of gene microarray data[j]. pnas, 2000, 97(22): 12079-12084.
[9] traca al, carey vj, chen xw, et al. machine learning and its applications to biology[j]. plos comput biol, 2007, 3(6):e116.
[10] sorensen jg,nielsen mm, kruhoffer m, et al. full genome gene expression analysis of the heat stress response in drosophila melanogaster[j]. cell stress chaperones, 2005, 10(4): 312-328.
[11] wang j,bo th, jonassen i, et al. tumor classification and marker gene prediction by feature selection and fuzzy c-means clustering using microarray data[j]. bmc bioinformatics, 2003, 4:60.
[12] golub tr, slonim dk, tamayo p, et al. molecular classification of cancer: class discovery and class prediction by gene expression monitoring[j]. science, 1999, 286(5439):531-537.
[13] schuetz an, yin-goen q, amin mb, et al. molecular classification of renal tumors by gene expression profiling[j]. j mol diagn, 2005, 7(2): 206-218.
[14] pal nr, aguan k, sharma a, et al. discovering biomarkers from gene expression data for predicting cancer subgroups using neural networks and relational fuzzy clustering[j]. bmc bioinformatics, 2007, 8:5.
[15] yin l, huang ch, ni j. clustering of gene expression data: performance and similarity analysis[j]. bmc bioinformatics, 2006, 7(suppl 4):s19.
物以类聚范文6
1.低聚合反应催化剂
作为制取有用的工业原料手段的这种选择性低聚合是一种很有意义的反应，因而开始对单烯烃的低聚合、不同种类单烯烃共二聚、丁二烯类共二烯烃的环化低聚合、链状低聚合或单烯与二烯的共二聚等多种反应进行研究。在此类反应中，为了有选择地得到特定的化合物，必须严格地选择催化剂和反应条件(催化剂金属的种类N原子价态,配位的种类和数量，共存的物质、反应温度等等)。即使使用同一种催化剂，如在反应的关徤部位稍有差异，也往往会得出极不相同的结果。
例如，以-Ni(C0)4、(PR3)为催化剂，使丁二烯在苯中进行反应，则生成环状二聚物一一1.5一环辛二烯；此反应在酒精中进行，在闭环阶段酒精将参与氢的转移面对环化起阻碍作用，这时主要生成链状二聚物辛三烯。而当PR3为三乙基膦时，生成1，3，6一辛三烯；如为三丁基膦时，生成1，3，7一辛三烯，如果是亚磷酸胺时，则生成2，4，6一辛三烯。
2.高聚合反应催化剂
都是用于乙烯高聚合的催化剂，不适用于C3以上烯烃高聚合。菲利普丝催化剂是将氧化铬担载在氧化硅，氧化铝担体上，在使用前通入干燥空气，加热500℃.-~600℃活化。siO2AL2O2以90：10为宜。为了得到高的聚合活性，要求一定要有6价的铬，聚合时铬被逐渐还原成3价面失去活性。催化剂活性随氧化硅氧化含水心度而变化。将催化剂加热到650℃以上时，随着C03含量的减少一化学吸附水也减少而失活，所以为了保持共活性，加热处理温度以500-600℃为宜。即必须保持有6价铬存在，并且在氧化硅氧化铝上要有适量的化学吸附水，以使之具有质子酸的性质才存在，也可以单独使用氧化硅或氧化铝作担体，但氧化铬-氧化硅迅速失活的倾向。
菲利普斯公司的催化剂对乙烯的高聚合特别有效，伹对丙雕聚合时，很少生成固体聚合物，特别是结晶性聚合物生成的很少。美孚催化剂是在氧化铝担体上载以Ya族或Ⅵa族的氧化物，尤其是以担载8%重左右氧化钼的催化剂最好。将氧化铝在Moo3水溶液中浸渍，而后用氢气在430-480℃将钼还原活化，使其严均原子价为3~5。助催化制多用金属钠初氢化钙，其作用是：
(1)在聚合时将催化剂还原以保持活性
(2)脱除水、二氧化碳、硫化物等使催化剂中毒的物质
(3)直接参与形成催化剂的活性中心等等。助催化剂的用量为催化剂0.05~2份。
