Parece que lo que quieres lograr es la lectura rápida. Hay toda una ciencia detrás de esto, y te sugiero que visites los siguientes sitios:
La aplicación Spreeder: http://www.spreeder.com/app.php… te permite cronometrarte y descubrir si estás mejorando en lectura rápida
Tienen un blog corto para presentarles la idea aquí:
http://www.spreeder.com/blog/how…
Aplicación Spreed para Chrome: la aplicación https://chrome.google.com/websto… te permite hacer lo mismo para la práctica.
Hay muchos consejos y prácticas que puede hacer para aumentar su velocidad de lectura. Sin embargo, para sugerencias simples, le sugiero que aprenda a escoger palabras importantes, aprenda a ignorar cosas como “the, a, is, and … etc”. Le daré un ejemplo, primero lea el siguiente párrafo dentro de 1 minuto, y luego en negrita las palabras “importantes” más adelante:
- ¿Qué debo hacer para tener una vida interesante?
- Cómo superar un dilema cultural.
- Soy un portero de lacrosse. No puedo dejar de pensar demasiado antes de cada disparo, como “si él va a disparar alto o bajo, es mi postura correcta”. Lo he intentado todo pero no puedo dejar de pensar. ¿Qué tengo que hacer?
- Siento que perdí mi pasión. ¿Qué debería hacer ahora?
- Cómo trabajar para ser más feliz cuando siempre me ha golpeado mucho la vida, siempre decepcionado, sintiéndome solo, nunca motivado y me resulta muy difícil no verme a mí mismo como inútil
Se ha implementado una estrategia metabonómica basada en cromatografía líquida de resolución rápida / espectrometría de masas en tándem (RRLC-MS / MS), estadísticas multivariadas y redes de correlación metabólica para encontrar biomarcadores de metabolitos biológicamente significativos en el cáncer de mama. El análisis de RRLC-MS / MS por ionización por electropulverización (ESI) en modos de ion positivo y negativo se empleó para investigar muestras de orina humana. Las matrices de datos resultantes se analizaron mediante análisis multivariado. La aplicación de proyecciones ortogonales a estructuras latentes de análisis discriminatorio (OPLS-DA) nos permitió extraer varios metabolitos discriminados que reflejan las características metabólicas entre voluntarios sanos y pacientes con cáncer de mama. El análisis de la red de correlación entre estos metabolitos se ha aplicado aún más para seleccionar biomarcadores más confiables. Finalmente, se realizaron análisis de MS y MS / MS de alta resolución para la identificación de los metabolitos de interés. Identificamos 12 metabolitos como biomarcadores potenciales, incluidos aminoácidos, ácidos orgánicos y nucleósidos. Revelaron un metabolismo elevado de triptófano y nucleósidos, así como la degradación de proteínas en pacientes con cáncer de mama. Estos estudios demuestran las ventajas de integrar redes de correlación metabólica con metabonomics para encontrar biomarcadores potenciales significativos: esta estrategia no solo ayuda a identificar biomarcadores potenciales, sino que también confirma estos biomarcadores e incluso puede proporcionar información bioquímica sobre los cambios en el cáncer de mama.
DE: La metabonomia basada en RRLC-MS / MS combinada con un análisis en profundidad de la red de correlación metabólica: búsqueda de biomarcadores potenciales para el cáncer de mama.
Ahora lo mismo, con palabras significativas en negrita:
Se ha implementado una estrategia metabonómica basada en cromatografía líquida de resolución rápida / espectrometría de masas en tándem (RRLC-MS / MS), estadísticas multivariadas y redes de correlación metabólica para encontrar biomarcadores de metabolitos biológicamente significativos en el cáncer de mama . El análisis de RRLC-MS / MS por ionización por electropulverización (ESI) en modos de ion positivo y negativo se empleó para investigar muestras de orina humana . Las matrices de datos resultantes se analizaron mediante análisis multivariado. La aplicación de proyecciones ortogonales a estructuras latentes de análisis discriminatorio ( OPLS-DA ) nos permitió extraer varios metabolitos discriminados que reflejan las características metabólicas entre voluntarios sanos y pacientes con cáncer de mama. El análisis de la red de correlación entre estos metabolitos se ha aplicado aún más para seleccionar biomarcadores más confiables. Finalmente, se realizaron análisis de MS y MS / MS de alta resolución para la identificación de los metabolitos de interés. Identificamos 12 metabolitos como biomarcadores potenciales, incluidos aminoácidos, ácidos orgánicos y nucleósidos. Revelaron un metabolismo elevado de triptófano y nucleósidos, así como la degradación de proteínas en pacientes con cáncer de mama. Estos estudios demuestran las ventajas de integrar redes de correlación metabólica con metabonomics para encontrar biomarcadores potenciales significativos: esta estrategia no solo ayuda a identificar biomarcadores potenciales, sino que también confirma estos biomarcadores e incluso puede proporcionar información bioquímica sobre los cambios en el cáncer de mama.
Solo del texto resaltado, puedo ofrecerle un breve resumen del estudio como un estudio metabolómico que analizó muestras de orina de pacientes con cáncer de mama e identificó 12 biomarcadores potenciales para la enfermedad.
De la misma manera, debe practicar cronometrándose, resaltando palabras clave y dando un breve resumen de 1 oración a los párrafos. ¡Buena suerte! =)
DESCARGO DE RESPONSABILIDAD: el resumen fue tomado de pubmed como vinculado, y no es mi trabajo.