首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏百味科研芝士

    4分+缺氧和免疫相关预后模型标准范文

    肝细胞癌种免疫相关的差异表达基因 对29个免疫相关基因进行分析并根据ssGSEA打分将HCC样本分为高、中和低免疫三组,三组的免疫细胞丰富度、行使功能和参与的通路均不相同(图2A和2B)。 图2 分析TCGA患者的免疫状态 4. 风险评估模型和预测能力的评估 缺氧和免疫相关的共有差异表达基因有320个。 风险打分与肿瘤分级(图4A)和性别(图4B)显著相关。ICGC HCC队列共有203例病例记录了完整的临床表型数据。风险打分与临床分期、侵犯门静脉和侵犯静脉显著相关(图4C-E)。 ? 图4 TCGA和ICGC HCC队列预后特征与临床表型的相关性 6. 高风险和低风险组缺氧状态的评估 为验证高风险组和低风险组之间的缺氧状态,作者进行GSEA分析。 CD8+T细胞(图6D),CD4+T细胞(图6E)和B细胞(图6F)也与风险评分有关。

    1.6K41发布于 2021-01-06
  • 探索ImmGen: 4-小鼠器官免疫细胞基因空间图谱

    介绍 ImmGenMaps是免疫基因组计划联盟(ImmGen)启动的全新开源项目,旨在利用空间转录组学技术绘制小鼠器官中免疫细胞的综合空间图谱。 该项目第一阶段将生成25个健康小鼠器官的高质量数据集,建立雄性和雌性标本的基线图谱,以揭示免疫细胞在自然组织环境中的多样性、动态及其与非免疫细胞的整合。 作为基础工具,该项目致力于增进对免疫学过程的理解,并指导未来的创新治疗策略。 在输入框输入需要分析的组织,然后Explore点击注册BioTuring账号后,进行组织空间转录组分析。 聚类分析:提供Clustering(聚类)与Cell type prediction(细胞类型预测)功能

    8310编辑于 2026-01-27
  • 免疫球蛋白G:结构、功能与生物学意义

    免疫球蛋白普遍存在于血液、组织液、淋巴液及多种外分泌液中,是介导体液免疫的主要功能分子。 根据其重链恒定区结构差异,免疫球蛋白可分为IgA、IgD、IgE、IgG和IgM五种亚型,分别承担不同的免疫效应功能并在机体防御网络中发挥协同作用。 二、免疫球蛋白G的核心特征与生物学功能免疫球蛋白G是血清和细胞外液中含量最高、分布最广的免疫球蛋白亚型,约占血清总免疫球蛋白的75%至80%。其在机体免疫防御体系中占据核心地位。 三、IgG在哺乳动物乳汁中的分布及营养意义在牛乳及牛初乳中,IgG是含量最高的免疫球蛋白,其浓度被广泛用作评价牛初乳质量的功能性指标成分。 -自身免疫病与免疫缺陷病辅助诊断:定量监测血清中总IgG或特定IgG亚类的水平,有助于评估体液免疫功能状态,辅助诊断原发性或继发性免疫缺陷病、多发性骨髓瘤及部分自身免疫性疾病。

    14710编辑于 2026-02-13
  • 来自专栏科研菌

    免疫遇到病毒如何系统地进行分析发表4分!

    HCC是一种免疫原性肿瘤,由潜在慢性肝脏疾病而出现在慢性发炎的肝脏中。这种炎症导致肿瘤发展,并与更高的肿瘤免疫原性有关。HCC包括病毒感染和非病毒性环境,这两类HCC执行不同的基因表达和途径。 核心24个靶标与KEGG富集的蛋白相互作用 3、分析肝癌中的适应性免疫细胞 热图显示了22种免疫细胞亚型分别在VIR组和NVIR组的计数和激活状态。 小提琴图:NVIR组合和VIR组的4个TMES(浆细胞,肥大细胞活性,巨噬细胞(M1)和γδT细胞)显著不同。(p<0.05) ? 图4. 随后作者测试了VIR和NVIR中的靶标,表征和量化了HCC免疫细胞亚型。作者分组分析靶标与免疫微环境的相互作用,分析了它们对于患者的预后。 密切相关,而在VIR组相关性弱,高水平NR1I2和CYP3A4的预后较好。

    49510发布于 2020-07-02
  • 来自专栏技术杂记

    Rails 构建评论功能4

    生成控制器 [root@h202 blog]# rails generate controller Comments Running via Spring preloader in process 3855 create app/controllers/comments_controller.rb invoke erb create app/views/comments invoke test_unit create test/c

    62230发布于 2021-10-20
  • 来自专栏硬件工程师

    DDR4的DBI功能

    Data Bus Inversion(DBI):数据总线翻转 数据总线翻转功能的优势: 只支持X8跟X16的颗粒,X4颗粒不支持; 配置是按照每字节设置的(X8颗粒上有一个DBI_n脚,X16颗粒上有UDBI_n , LDBI_n两个脚); 与DM跟TDQS脚复用,当DM功能被使能时候,写操作的DBI不能被使能; 翻转是数据的位; 更少的位会被拉低(算上DBI_n脚,最大被拉低的位位数为位数的一半); 消耗更低的能量

    2.1K20编辑于 2022-08-29
  • 免疫学实验】放射免疫法、酶联免疫吸附法和竞争抑制分析

    放射免疫法(RIA)和酶联免疫吸附法(ELISA)是利用抗体和抗原直接结合的检测方法,两者原理相同,但其检测的方式不同。 放射免疫分析常用于测量血液和组织液中的激素水平,而酶联免疫吸附法常用于病毒诊断,如检测人类免疫缺陷病毒(HIV)引发的艾滋病。 这类检测的另外一种方法是以标记的抗免疫球蛋白抗体作为RIA 或ELISA 的二抗,将未标记的抗体与未标记的抗原涂层板结合,因为每个未标记的抗体上能够结合两个分子以上标记的抗免疫球蛋白抗体,所以使用这种二抗放大了信号 图1 酶联免疫吸附法(ELISA)的原理:为了检测抗原A,纯化的抗原A特异性抗体与酶发生化学反应。将待测样品涂布于塑料孔表面,非特异性结合;塑料上残留的黏性位点被添加的无关蛋白(未显示)封闭。 在此基本方法基础上的改进版可检测未知样本中的抗体或抗 捕获酶联免疫吸附法(capture ELISA)或夹心酶联免疫吸附法(sandwich ELISA)是ELISA 的一种改良方法,常被用于检测细胞因子等分泌性产物

    22010编辑于 2025-12-29
  • 免疫学笔记】免疫原、抗原与佐剂:免疫应答的基础

    免疫应答与抗原 免疫应答:免疫系统可对病原体抗原或简单非活性抗原产生应答,表现为释放细胞因子、特异性抗体(体液免疫)及诱导效应T细胞(细胞免疫)。 免疫原(Immunogen):指能刺激机体免疫细胞活化、增殖、分化并产生免疫效应物质(抗体或致敏淋巴细胞)的物质。 关系:所有免疫原都是抗原,但并非所有抗原(如半抗原)都是免疫原。 免疫接种与抗原递呈 免疫接种:有目的地诱导免疫应答称为免疫接种,抗原的注入途径、剂量和形式会影响免疫应答的类型和强度。 口服/鼻内:可引起肠道局部抗体应答,但同时可能诱导系统性免疫耐受,防止食物过敏。 佐剂的作用机制 佐剂(Adjuvant):是一种非特异性免疫增强剂,能增强抗原的免疫原性或改变免疫应答类型。 免疫应答的监测与抗血清 在免疫诱导过程中,通过检测个体的免疫产物(如血清中的抗体、细胞因子,或脾脏、外周血中的T细胞)来跟踪免疫应答。血清是血液凝固后的液体部分,经特定抗原免疫后的血清称为抗血清。

    39510编辑于 2025-12-21
  • 来自专栏百味科研芝士

    缺氧结合免疫微环境如何打造4分+纯生信文章?

    4. 低氧基因表达与胶质瘤的临床病理特征相关 低氧微环境对于肿瘤的发生发展具有重要生物学功能,文章系统地研究了5个已鉴定的低氧基因与神经胶质瘤病理特征之间的关系,其中包括WHO分级,IDH状况和1p / 19q 多变量分析表明,高风险评分与神经胶质瘤患者的显著较差OS有关(图4D),可以作为神经胶质瘤的独立预后指标。TCGA数据库也得到了相似的结果(图4E,F)。 ? 6. 对高风险组样本和低风险组样本进行GSEA分析,高风险组胶质瘤表达谱明显在免疫途径的负调控中富集,例如B细胞的负调控、CD4+αβ细胞活化,αβ T细胞活化和T细胞分化(图6H)。 此外,高风险评分组中关键免疫检查点基因(CTLA-4和LAG-3)的表达明显高于低氧风险组(图7G,H),免疫抑制细胞因子也明显上调表达(图7I,J)。

    1.8K31发布于 2020-07-09
  • 肿瘤免疫逃逸

    、 IL-4、IL-13、TGF-B、PGE-2和M-S等;②共抑制信号及促凋亡分子,如B7-H1(PD-L1)、CTLA-4、 TRAIL和 FasL等;③趋化因子,如CCL2、CCL19、 CCL20 其中,抑制性的免疫细胞对肿瘤的免疫逃逸起了重要作用。下面从来源和功能的角度,介绍几种最重要的肿瘤相关免疫细胞。 的产生或者扩增自然产生的Treg;③肿瘤微环境的多种抑制分子如IL-10和TGF-B,能将CD4CD25T细胞转化成为CD4+CD25highTreg Foxp3+ Treg。 4.其他抑制性细胞DC是体内唯一能活化初始性T细胞的专职 APC。 例如,除了直接诱导抑制性免疫环境外,肿瘤细胞可利用炎症反应中产生的IFN-y等活化性的炎症因子,诱导CTLA-4、PD-L1、IDO等免疫抑制分子的表达,帮助免疫抑制网络的形成。

    52810编辑于 2024-02-28
  • 免疫学实验】揭秘蛋白互作:免疫沉淀与免疫共沉淀

    今天,我们就来聊聊两种核心的“打捞”技术:免疫沉淀(Immunoprecipitation, IP)和免疫共沉淀(Co-Immunoprecipitation, Co-IP)。 一、 免疫沉淀(IP):精准捕获目标蛋白 免疫沉淀是利用抗体从复杂的混合物中分离特定蛋白质的技术。 1. 免疫沉淀与 SDS-PAGE 分析 免疫沉淀法用于从细胞裂解液中富集特定抗原。细胞可通过 ³⁵S-蛋氨酸代谢标记(标记所有新合成蛋白)或 表面碘化/生物素化(仅标记膜蛋白)进行示踪。 最后通过放射自显影(或显色)确定蛋白位置 三、 免疫共沉淀(Co-IP):验证蛋白互作 如果说免疫沉淀是“抓单个”,那么免疫共沉淀就是“抓团伙”。 总结 免疫沉淀技术不仅帮助我们纯化和鉴定蛋白质(分子量、等电点),更是通过免疫共沉淀技术,成为了揭示蛋白质之间物理相互作用的金标准实验方法。

    30910编辑于 2025-12-29
  • 来自专栏瓜大三哥

    Zynq中的AXI4功能

    Zynq中AXI4-Lite功能 AXI4-Lite接口是AXI4的子集,专用于和元器件内的控制寄存器进行通信。AXI-Lite允许构建简单的元件接口。这个接口规模较小,对设计和验证方面的要求更少。 AXI4-Lite接口的特性如下: 1) 突发长度为1。 2) 所有访问数据的宽度和数据总线宽度相同。 3) 支持数据总线宽度为32位或64位。 4) 所有的访问相当于AWCACHE和ARCACHE等于b0000(非缓冲和非缓存)。 5) 不支持互斥性操作。 ? Zynq中AXI-Stream功能 AXI-Stream协议作为一个标准接口,用于连接数据交换元件。接口将产生数据的一个主设备和接收数据的一个从设备连接。当很多元件和从元件连接时,也能使用该协议。

    96030发布于 2019-07-30
  • 来自专栏百味科研芝士

    你熟悉的12个免疫相关基因预测模型套路再发4分+

    在实施了两步机器学习筛选方法之后,最终选择了12个与免疫相关的基因作为风险评分公式,高风险组的患者的总生存期明显变差。作者还发现两组中独特的免疫浸润模式,即高风险组患者的几种免疫细胞明显富集和上调。 4. 差异表达基因和基于12个基因的风险评分相关的相关生物学通路 作者在高低风险打分组间进行差异表达分析,并进行了功能富集分析。如下图A、B所示。 功能富集分析表明,这些基因的表达改变不仅可以激活与肿瘤进展相关的通路,例如细胞外结构组织和核分裂,而且可以激活免疫相关的过程,例如补体激活和单核细胞外渗调节等。 ssGSEA的结果是GO功能富集分析结果的补充。作者推断12种免疫相关基因与上述通路之间存在复杂的相互作用。同时,在两个外部验证队列中发现了相似的结果。如下图D、E所示。 ? ? 5.不同的免疫浸润模式 考虑到这12个基因在肿瘤微环境中的免疫浸润中发挥的重要作用,作者采用了包括代表28个免疫细胞亚群的597个基因的参考微环境矩阵,系统地表征了来自不同风险组的患者的免疫浸润模式。

    3K10发布于 2020-08-04
  • 来自专栏用户7627119的专栏

    免疫组库

    免疫组库(immune repertoire, IR):是指某个体在特定时间点其循环系统中所有功能多样性B淋巴细胞和T淋巴细胞的总和。 免疫组库分析:通过分析决定B细胞受体(BCR)或T细胞受体(TCR)多样性的互补决定区(CDR区),全面评估免疫系统的多样性,深入挖掘免疫组库与疾病的关系。 ? 应用领域:免疫组库中每一种免疫蛋白彼此间结构差异很小,但亚型种类繁多,正是这种多样性对健康的维护起着至关重要的作用;免疫蛋白的亚型越多,越能有效抵抗病原体。 正因为如此,免疫组库在肿瘤研究、移植和免疫重建、自身免疫性疾病、感染性疾病、抗体开发、用药及疫苗评估等多个方面均有重要的应用价值。 单细胞测序揭示新型模式 ? 抗体在免疫应答反应中发挥着至关重要的作用,抗体的多样性是抗体能够抵御各种各样入侵病原体的关键所在。

    1.6K30发布于 2020-08-06
  • 来自专栏人工智能与演化计算成长与进阶

    不完全免疫算法简介MOIA-DPS--AIS学习笔记4

    多目标免疫算法 实际应用研究 Artificial immune system is a kind of heuristic algorithms imitating the information processing superior performance of MOIA-DPS is also confirmed by our experimental studies, as provided in Section 4.

    55810发布于 2020-08-14
  • 来自专栏数据分析1480

    4 个妙招增强 Jupyter Notebook 功能

    开发者使用 Jupyter Notebook 的基本功能来写 Python 代码、展示图。但是你们知道 Jupyter 中还有大量自定义功能吗? 本文将介绍强化 Jupyter Notebook 功能4 种方法。 1. 执行 Shell 命令 在技术或编程文本中,shell 表示使用文本与计算机进行交互的方式。 当你有两个相关单元格时(比如描述及其对应的图示),这个功能非常方便。 ? 4. 关于 Qgrid 的全部功能,参见:https://github.com/quantopian/qgrid。 ? 以上就是强化 Jupyter Notebook 功能4 种方法。 原文链接:https://towardsdatascience.com/4-awesome-tips-for-enhancing-jupyter-notebooks-4d8905f926c5

    1.2K10发布于 2019-12-05
  • 肿瘤免疫与单细胞、空间、外显子和免疫疗法

    常见的区分B淋巴细胞与T淋巴细胞的CD分子标记CD标记功能B细胞TH细胞TC细胞CD2黏附分子,信号转导-++CD3TCR 的信号转导组分-++CD4结合 MHCI类分子,信号转导-+CD5ND(not 因此,CD4和CD8分子把T淋巴细胞分成了两个最重要的功能亚群:辅助性T细胞(Thelper cells, TH)和细胞毒性T细胞(Tcytotoxic cells,TC或 cytotoxic T TH细胞主要通过分泌多种细胞因子对免疫反应发挥调节作用,而TC细胞则主要作为效应细胞特异性地杀伤靶细胞,同时具有维持抗肿瘤免疫记忆的功能。 CD4+TH淋巴细胞发挥抗肿瘤免疫应答的重要辅助作用,其介导的抗肿瘤免疫机制有几种:①活化的CD4+TH1细胞可辅助CD8+CTL激活,同时,它们分泌的IL-2及肿瘤微环境中其他细胞分泌的IL-15能够促进和维持 CD8细胞的功能与活性;②活化的CD4+TH2细胞参与辅助B细胞产生特异性抗肿瘤抗体;③活化的CD4+T淋巴细胞可辅助固有免疫细胞(如NK细胞、DC)的活化;④部分活化的CD4+T细胞可直接杀伤肿瘤细胞

    52710编辑于 2024-02-27
  • 来自专栏TeamsSix的网络空间安全专栏

    Python Threading 学习笔记 | 4、Queue功能

    0x01 本节代码实现功能 将数据列表中的数据传入,使用三个线程处理,将结果保存在Queue中,线程执行完后,从Queue中获取存储的结果。 队列的标准模块 import timeimport threadingfrom queue import Queue 0x03 定义一个被多线程调用的函数 该函数的参数是一个列表lists和一个队列q,其功能是对 multithreading(): # 调用多线程的函数 q = Queue() # 存放job()函数的返回值 thread_list = [] data = [[1],[2,3],[4,5,6 multithreading(): # 调用多线程的函数 q = Queue() # 存放job()函数的返回值 thread_list = [] data = [[1],[2,3],[4,5,6 q.get()) print(result_list[j]) if __name__ == '__main__': multithreading() 运行结果: # python 4_

    62240发布于 2019-11-05
  • 来自专栏智能算法

    4 个妙招增强 Jupyter Notebook 功能

    开发者使用 Jupyter Notebook 的基本功能来写 Python 代码、展示图。但是你们知道 Jupyter 中还有大量自定义功能吗? 本文将介绍强化 Jupyter Notebook 功能4 种方法。 1. 执行 Shell 命令 在技术或编程文本中,shell 表示使用文本与计算机进行交互的方式。 当你有两个相关单元格时(比如描述及其对应的图示),这个功能非常方便。 ? 4. 关于 Qgrid 的全部功能,参见:https://github.com/quantopian/qgrid。 ? 以上就是强化 Jupyter Notebook 功能4 种方法。 原文链接:https://towardsdatascience.com/4-awesome-tips-for-enhancing-jupyter-notebooks-4d8905f926c5

    2.5K00发布于 2019-12-06
  • 来自专栏mwangblog

    免疫算法简单介绍

    免疫算法的基本步骤: 抗原识别。输入目标函数和各种约束作为免疫算法的抗原。 初始抗体生成。随机生成初始抗体种群。 亲和力计算。计算抗体的适应值。 免疫处理。 免疫处理包括免疫选择、克隆、变异和抑制。 免疫选择:根据抗体的亲和力选出亲和度较高的抗体。 克隆:对选出的亲和力较高的抗体进行复制。 变异:对克隆得到的个体进行交叉、变异操作,使其亲和力发生改变。 将免疫选择的抗体和免疫抑制后的抗体组成一个集合,保留其中亲和度较高的抗体,使这些抗体进入新的种群。新的种群中不足的部分随机生成,以增加多样性。 免疫算法流程图: ?

    1.6K10发布于 2018-12-21
领券