韓劇電影你都看哪一部呢？論文書籍站
國立清華大學 生醫工程與環境科學系 黃郁棻所指導 戴思莉的 光應答性金屬奈米粒子應用於治療多重抗藥性腫瘤 （2019），提出1518 PTT關鍵因素是什麼，來自於癌症、化學療法、藥腫瘤的擴散、光敏感性金屬奈米粒子、藥物釋放。
而第二篇論文元智大學 工業工程與管理學系 李捷所指導 張懷文的 網路聲量對元智大學品牌行銷的影響 （2018），提出因為有 新媒體、微電影、機器學習、Jieba分詞、廣告生動性、六度分離理論的重點而找出了 1518 PTT的解答。
光應答性金屬奈米粒子應用於治療多重抗藥性腫瘤
為了解決1518 PTT 的問題，作者戴思莉 這樣論述：
癌症的多重抗藥性機轉一直是化學療法治療的主要障礙之一，其導致腫瘤的不斷復發及耐藥腫瘤的擴散。為了抑制多重抗藥性，過去幾年已開發出多種化學療劑。然而，由於這些藥物的多種嚴重不良反應，皆於臨床試驗中失敗。因此，近幾年來，發展出能夠減少化學療法的副作用且同時允許標靶藥物積存，並在目標部位發揮療效的多重療法，一直是研究人員的主要目標。本研究著重於對抗MDR的關鍵策略，主要將光敏感性金屬奈米粒子應用於藥物釋放，同時靶向傳遞不同的治療化合物。我們設計了三種不同的策略，能成功地減少異種移植MCF-7/ADR模型中的MDR腫瘤。首項實驗，我們利用殼聚醣（CTS），聚乙烯醇（PVA）和分支型聚乙烯亞胺（bPE
I）的三聚物塗層，經靜電相互作用產生疏水性氧化鐵奈米顆粒，裝載孟加拉玫紅（RB）。此研究中，以bPEI 為一種光誘導開關，在bPEI的奈米平台中，以光氧化作用控制宿主分子（例如：RB）或客體分子（例如：紫杉醇）的釋放。在奈米平台中，親水性孟加拉玫紅(RB) 的包封，能避免了藥物的過早滲漏，並將其保留在耐藥性癌細胞中，自主地控制釋放光敏劑。同時，增強了其在細胞內藥物的分佈，以有效進行MDR癌症治療。 第二項研究中，揭示了適體於MDR癌症治療中，其靶向細胞特異性以及在細胞內遞送的重要性。透過使用熱和酸不穩定的亞甲基鍵，將化學治療藥物阿黴素（DOX）準確地綴合在適體AS1411的脫氧鳥苷殘基上，藉
以產生藥物適體加合物（dsDDA）。 AuNS具有在近紅外線（NIR）區域的強吸收能力，並與dsDDA層組裝在一起。在近紅外線NIR照射下，dsDDA–AuNS能夠依需求釋放治療劑。此外，適體AS1411在藥物-細胞核相互作用中發揮了積極作用，增強了藥物在耐藥性乳腺癌細胞和腫瘤血管內皮細胞核中的積存。透過了在單一治療性的奈米藥物中進行之光熱化學療法，與單一療法相比，即使在等效藥物劑量少54倍的情況下，它也可以獲得顯著的抗腫瘤功效，進而減少心肌毒副作用。在最後一個研究中，我們特以裝飾鉑的金奈米星（Pt/Au-NS）作為貴金屬前藥。 Pt-AuNS是一種有效的光熱傳感器，可以強烈吸收近紅外線光 (
NIR)。 經近紅外線光(NIR)照射後，誘發了有毒物質Pt和Au的釋放，進而對癌細胞作選擇性毒殺。作用機制，歸功於活性氧物質的產生，細胞內GSH的消耗和GPX4的失活，進而導致脂質代謝失調和脂質過氧化物的積累。這些發現，為開發金屬型藥物（例如Pt和Au）奠定了基礎，以誘導鐵死亡為潛在手段，有效治療耐藥性腫瘤。綜合上述，經由體內MCF-7/MDR異種移植腫瘤之臨床前研究結果表示，與單一治療相較之下，光響應性奈米載體顯著增強了對MDR腫瘤的光動力、化學、光熱、或受鐵療法的療效；同時減少傳統化學療法的生理副作用。這同時也暗示了，使用能夠按需求釋放和遞送藥物的金屬型奈米載體，可以在癌症治療中，有效加
強藥物散布的實質效果。即便仍需進一步探討，這些臨床前研究已強烈表示，奈米藥物的形成為有改善MDR治療的潛在應用。
網路聲量對元智大學品牌行銷的影響
為了解決1518 PTT 的問題，作者張懷文 這樣論述：
摘要 I致謝 II圖目錄 VI表目錄 X第一章 緒論 11.1 研究背景 11.2 研究動機 31.3 研究目的 4第二章 文獻探討 52.1 六度分離理論(Six Degree of Separation) 52.2 Facebook商業行為 52.3 廣告的生動性(Vividness Effect) 62.4 微電影廣告的特徵 72.5 自然語言處理(Natural Language Processing) 82.6 機器學習(Machine Learning) 92.7 文字探勘(Text
Mining) 10第三章 研究方法 123.1 研究流程 123.2 資料蒐集 133.3 建立計算模型 173.4 假設檢定 183.5 文字探勘 203.6 自然語言處理 243.6.1 Jieba分詞 243.6.2 TF-IDF 263.7 機器學習 283.7.1 支持向量機(Support Vector Machine) 283.7.2 隨機森林(Random Forest) 313.8 微電影賽程設計 32第四章 資料分析 344.1 網路論壇討論度分析 354.1.1 抓取數據
354.1.2 Jieba分詞 374.1.3 TF-IDF 384.1.4 支持向量機(SVM)及隨機森林(Random Forest) 384.1.5 論壇討論度分析結論 424.2 Facebook相關功能 464.3 洞察報告數據分析 574.3.1 數據集介紹 574.3.2 正常化數據（Normalization） 574.3.3 常態檢定 604.3.4 成對T檢定（Pair T-test） 624.3.5 無母數單因子分析（Nonparametric Statistics） 634.3.6 洞察報告分析結論
654.4 小結 654.5 微電影比賽後的討論 664.5.1 網路聲量面相比較 684.5.2 微電影賽後的影響 704.5.3 微電影賽後分析結論 75第五章 結論 77參考文獻 79附錄 86常態檢定 86T檢定 87無母數分析 88線性迴歸 89