Global characterization strategy for chemical constituent of traditional Chinese medicine formulas based on online comprehensive 2DLC-Q-TOF-MS/MS combined with deep learning clustering driven dual-mode acquisition: A case study of Qishen Yiqi Dropping Pills

生动从丹发布了新的文献求助10

刚刚

共产主义战士的应助被博儒艾特采纳，获得10

刚刚

勤奋的雁山的应助被博儒艾特采纳，获得10

刚刚

无极微光的应助被fpc采纳，获得20

刚刚

共产主义战士的应助被博儒艾特采纳，获得10

刚刚

真实的芯完成签到，获得积分10

1秒前

番西茄发布了新的文献求助30

1秒前

nanishard完成签到，获得积分10

2秒前

今天只做一件事发布了新的文献求助10

3秒前

kk发布了新的文献求助30

3秒前

Hello上传了应助文件

4秒前

科研通AI6.4上传了应助文件

4秒前

慕青的应助被务实荧荧采纳，获得10

5秒前

科研通AI6.2上传了应助文件

5秒前

科研通AI6.4上传了应助文件

6秒前

flores完成签到 ，获得积分10

8秒前

爱迟到的板栗发布了新的文献求助20

9秒前

顾矜的应助被fpc采纳，获得10

11秒前

从容的安南完成签到 ，获得积分10

11秒前

桐桐上传了应助文件

12秒前

point发布了新的文献求助10

13秒前

七听发布了新的文献求助50

14秒前

生动从丹完成签到，获得积分10

15秒前

科研通AI2S上传了应助文件

16秒前

柚子发布了新的文献求助10

17秒前

科研通AI6.4上传了应助文件

19秒前

艾维奇完成签到，获得积分10

19秒前

palmy关注了科研通微信公众号

20秒前

隐形曼青的应助被fuchen采纳，获得10

21秒前

HANZHANG发布了新的文献求助10

21秒前

GingerF的应助被吴祥坤采纳，获得50

22秒前

Hello的应助被汤圆软软软采纳，获得10

22秒前

慕青的应助被汤圆软软软采纳，获得10

22秒前

英姑的应助被汤圆软软软采纳，获得10

22秒前

天天快乐的应助被汤圆软软软采纳，获得10

22秒前

打打的应助被汤圆软软软采纳，获得10

22秒前

汉堡包的应助被汤圆软软软采纳，获得10

22秒前

英俊的铭的应助被汤圆软软软采纳，获得10

23秒前

研友_VZG7GZ的应助被汤圆软软软采纳，获得10

23秒前

wanci的应助被汤圆软软软采纳，获得10

23秒前