- 综合排序
- 最热优先
- 最新优先
AbMole详解： DNP-BSA--免疫学研究与检测的得力助手
AbMole的DNP-BSA（M58157，AbMole，2,4-二硝基苯基-牛血清白蛋白）作为一种重要的免疫学工具，在很多领域中都有着重要的作用。 这些抗体可以用于后续的免疫学实验，例如检测抗原抗体反应、研究抗体的特异性和亲和力等。 四、免疫检测和免疫层析免疫层析技术是一种基于抗原抗体特异性反应的膜检测方法。它以硝酸纤维素膜为固定相，该膜上固定有检测线（包被抗体或抗原）。 在流动相的作用下，待测物首先与荧光标记的抗体或抗原结合，随后在到达检测线时与包被的抗体或抗原结合，形成荧光或胶体金条带，从而实现检测目的。 DNP-BSA（M58157，AbMole，2,4-二硝基苯基-牛血清白蛋白）可满足免疫层析中的胶体金检测或免疫荧光检测，目前是很多免疫层析产品（抗原检测、病毒检测）中重要的质控系统。图2.
13910编辑于 2025-11-19- 来自专栏DrugOne
Immunology | 群体免疫学：在人类免疫学中利用区块链技术和人工智能
人类免疫学可能很快就会从人工智能和区块链技术的使用中受益。在这里，作者讨论了群体学习如何通过分享见解而非数据，来促进全球免疫学合作研究，充分尊重当地数据隐私法规。 几十年来，免疫学研究得益于高度标准化的动物模型。然而，随着知识的增加，从模型系统到人类疾病的转换问题越来越难，而且失败率较高。 一个协调一致的系统免疫学计划可以轻松地在全球范围内收集人类样本，并创建大型人类群体，为研究人类疾病的分子机制提供足够的数据。 此外，这种SL支持的国际活动将极大地受益于人类免疫学数据标准化的改进。开发能够方便访问SL项目的平台将促进该领域的发展。 尽管如此，人类免疫学研究真正一体化时代即将开始。 参考资料 Schultze, J.L., Büttner, M. & Becker, M.
40820编辑于 2022-11-28 【免疫学笔记】血球凝集和血型分型
抗免疫球蛋白抗体由RobinCoombs 首次开发，因此这种疾病检测方案称为库姆斯试验（Coombs test）。 因此，抗人免疫球蛋白抗体未被开发出来之前，检测抗Rh 抗体很困难。库姆斯试验能直接检测与胎儿红细胞表面结合的抗体。 具体方法是在去除胎儿血清中存在的未结合免疫球蛋白后，直接添加抗人免疫球蛋白抗体以检测与母体抗体结合的胎儿红细胞（图2）。 抗Rh抗体不凝集红细胞，但它们在胎儿红细胞表面存在，可以通过洗去未结合的免疫球蛋白，然后加入对人免疫球蛋白的抗体来检测。 通过这种检测，医生可以及时发现并干预，保护胎儿健康。
22610编辑于 2025-12-29- 来自专栏运维前线
CentOS 7 安全加固、检测、审计
https://blog.csdn.net/wh211212/article/details/53063599 RKHunter：检测Rootkit RKHunter 传送门：http netsecurity.51cto.com/art/201410/455466.htm AIDE 简介 AIDE(Advanced Intrusion Detection Environment,高级入侵检测环境 )是个入侵检测工具，主要用途是检查文档的完整性。 安装和配置基于主机的IDS（入侵检测系统）“AIDE”（高级入侵检测环境） AIDE 下载地址： https://sourceforge.net/projects/aide/ 安装AIDE [root [root@linuxprobe ~]# chmod 640 /root/anaconda-ks.cfg [root@linuxprobe ~]# aide --check # 检测到的差异如下 AIDE
2.4K30发布于 2019-05-26 【免疫学实验】单克隆抗体技术
原因： 即使是针对单一抗原决定簇（如半抗原）产生的抗体，其结构也存在差异（异质性）。这可以通过等电聚焦实验验证：识别相同抗原的抗体在电泳后会显示出不同的等电点，证明其分子结构的不均一性。
19910编辑于 2025-12-29【免疫学实验】“Western Blot”的前世今生:免疫印迹技术简述
它不需要对细胞进行放射性标记，而是通过“分离-转移-检测”三部曲来锁定目标蛋白。 检测： 这一步与免疫荧光或ELISA类似。利用特异性抗体去寻找膜上的目标蛋白，再通过酶标记的二抗来放大信号，最终呈现出我们能看到的条带。 ❓ 二、 为什么叫“Western”？ 你可能会好奇，为什么这项检测蛋白质的技术会被命名为“Western”（西方）？ 临床诊断： 常用于检测血清中的特定蛋白质或抗体。 典型案例： 在 HIV（艾滋病病毒） 的确诊检测中，Western Blot 是一种经典的确认试验。 它能够检测患者血清中是否存在针对 HIV 不同成分（如衣壳蛋白、酶等）的特异性抗体，从而提供确凿的诊断依据。
40410编辑于 2025-12-29XSS检测绕过（UTF-7编码绕过）
叮咚，现场运维来消息了，说项目被检测到有高危漏洞，要求修复，以为就是jar安全漏洞，升级就完事了，就让发过来看看，亚麻袋住了，“XSS检测绕过（UTF-7编码绕过）”，从没见过啊，还是UTF-7。 我电脑上的编辑器都没找到有支持UTF-7编码的，首先想到的，把这些信息丢给DeepSeek帮我分析看看，问Ai怎么防御？结果没有我想要的方案。 然后去网络搜索下吧，看看大家前辈们有没解决过，果然有相关文件，但是都没给出具体解决方案，不过也有所收获，得到了一段UTF-7编码的XSS注入参数（如果Get参数请求，记得对参数URL编码）+ADw-script +AD4-alert('UTF-7 XSS')+ADw-/script+AD4-进入正题，结合项目代码，想到可以用Filter过滤器对参数拦截，那就动手来吧，以项目SpringCloud Zuul为例# xss regexxss: enable: true regexes: # UTF-7编码绕过 - "(?
28710编辑于 2025-10-18- 来自专栏大数据智能实战
AI展示框架(7)：基于dlib实现人脸检测及关键点检测
(2) 5个关键点的检测结果 ? (3) 81个关键点的检测结果。 ? 不过从图上可以看出，dlib用于人脸检测，并不能检测出太多的人脸，特别是远处的小人脸，均无法检测。 附：上图只是百度上搜索获得检测的图片，只用于实验。
1.4K10发布于 2019-05-26 - 来自专栏贾志刚-OpenCV学堂
源码 | OpenCV DNN + YOLOv7目标检测
点击上方蓝字关注我们 作者：王博，极视角科技算法研究员 微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识 简单说明 分别使用OpenCV、ONNXRuntime部署YOLOV7目标检测 YOLOV7的训练源码是： https://github.com/WongKinYiu/yolov7 跟YOLOR是同一个作者的。 /yolov7-tiny_384x640.onnx", "models/yolov7_480x640.onnx", "models/yolov7_384x640.onnx", "models/yolov7 轻松实现经典视觉任务 教程推荐 | Pytorch框架CV开发-从入门到实战 OpenCV4 C++学习 必备基础语法知识三 OpenCV4 C++学习 必备基础语法知识二 OpenCV4.5.4 人脸检测 二值图象分析之Blob分析找圆 OpenCV4.5.x DNN + YOLOv5 C++推理 OpenCV4.5.4 直接支持YOLOv5 6.1版本模型推理 OpenVINO2021.4+YOLOX目标检测模型部署测试
4.4K40编辑于 2022-07-19 - 来自专栏燧机科技-视频AI智能分析
工厂人员行为识别检测基于YOLOv7
工厂人员行为识别检测 基于YOLOv7技术来实现的图像识别。人员行为识别图像识别算法是计算机视觉的基础算法，例如VGG，GoogLeNet，ResNet等，这类算法主要是判断图片中目标的种类。 目标检测算法和图像识别算法类似，但是目标检测算法不仅要识别出图像中的物体，还需要获得图像中物体的大小和位置，使用坐标的形式表示出来。 而对于目标检测算法来说，它的输出值更像是这样：目标检测算法的输出其中:pc 为1时代表有物体被检测到，反之，没有物体被检测到，因此其他的输出值可以被忽略图片至于目标检测的用处，现在最大的场景就是无人驾驶 而目标检测相当于无人驾驶系统的眼睛。 在目标检测技术领域，有包含region proposals提取阶段的两阶段(two-stage)检测框架如R-CNN/Fast-RCNN/R-FCN等，再就是端到端的但阶段目标检测框架如YOLO系列和SSD
1.2K00编辑于 2022-12-06 - 来自专栏往期博文
【目标检测】YOLOv7理论简介+实践测试
然而，近年来，如果以目标检测为例，研究者经常利用网络预测输出的质量和分布，然后结合GT考虑，使用一些计算和优化方法来生成可靠的软标签。例如，YOLO使用边界框回归预测和GT的IoU作为客观性的软标签。 由于YOLOv7是基于YOLOv5代码进行修改的，因此训过YOLOv5模型的人都可以很容易得跑起来。 这里具体的流程就不再重复了，因为和【目标检测】YOLOv5跑通VisDrone数据集里面的一模一样。 可以看到，yolov7的效果在我自己的数据集上，效果还不如yolov5，这可能是由于我的数据集目标较大，较稀疏，检测难度不高。 pwd=8888 包含yolov7.pt，yolov7-e6e.pt两个预训练模型
2K31编辑于 2022-09-19 - 来自专栏云计算教程系列
如何在CentOS 7上使用Skyline检测异常
在CentOS 7上安装Graphite并收集有效历史日志。 单击度量标准的名称以打开由Graphite生成的更详细的图形（有关示例，请参见图7）。 图7 在此示例中，CPU负载未达到极高值，并且未超过阈值。在这种情况下，传统的监测系统无法找到偏差。 第6步 - 调整算法（可选） 如前所述，Skyline使用一组算法来检测异常。 想要了解更多关于使用Skyline检测异常的相关教程，请前往腾讯云+社区学习更多知识。 ---- 参考文献：《How To Detect Anomalies with Skyline on CentOS 7》
3.5K50发布于 2018-09-26 【免疫学实验】抗体标记与显微成像技术全解析
在免疫学研究中，抗体因其能稳定且特异性地结合抗原，常被用作识别细胞、组织或生物流体中特定分子的“探针”。 通过将抗体与不同的标记物结合，我们可以在单个细胞或组织切片中准确定位靶分子。 一、 免疫荧光显微成像 利用荧光染料（荧光色素或荧光团）标记抗体本身，或用于检测抗体的抗免疫球蛋白抗体，再用显微镜检测，这种技术称为免疫荧光显微成像。 1. 当然，也有部分抗体可以结合变性蛋白质，从而用于固定组织切片的检测。 2. 标记方法 直接法： 荧光染料直接共价结合到特异性抗体上。 在免疫学中，延时双光子荧光成像具有特别重要的意义。它可以在完整淋巴器官和淋巴组织中，实时跟踪荧光蛋白标记的T细胞和B细胞，以及它们相互作用的具体位置。 原理： 以金颗粒标记抗体，对超薄切片进行染色，然后在透射电镜中以高分辨率检测细胞内特定位置的结构或蛋白质。 多重标记： 通过标记不同直径的金颗粒，可以同时检测两种或以上的蛋白质。
23910编辑于 2025-12-29- 来自专栏计算机视觉
深度学习500问——Chapter08：目标检测（7）
提出RF block（RFB）模块 RFBNet主要想利用一些技巧使得轻量级模型在速度和精度上达到很好的trade-off的检测器。 整体上因为是基于SSD网络进行改进，所以检测数据还是比较快，同时精度也有一定的保证。 2. conv4_3 和 conv7_fc 在接预测层之前分别接 RFB-s 和RFB结构。 8.3.9 M2Det M2Det有哪些创新点 1. 提出了多层次特征金字塔网络（MLFPN）来构建更有效的特征金字塔，用于检测不同尺度的对象。 M2Det的整体架构如下所示。
33710编辑于 2024-05-05 - 来自专栏和蔼的张星的图像处理专栏
7.SSD目标检测之一：运行SSD模型
需要在跟踪模型的前面把检测模型加进去，传统使用一些背景建模和轨迹建模的方式来做，对于动摄像头以及复杂背景的适应性都比较差，所以考虑用深度学习的方法来做。 我以前也只是大概看过这些东西，具体动手只做过分类，并没有搞过检测，所以找到一篇SSD训练自己数据的参考，自己也来实现一下。 参考：SSD目标检测 SSD的原理介绍可以参见：SSD原理介绍 2.环境准备。 tf.train.Saver() saver.restore(isess, ckpt_filename) # 在网络模型结构中，提取搜索网格的位置 # 根据模型超参数，得到每个特征层（这里用了6个特征层，分别是4，7， ，并且他们的box坐标会有些许不同，这里并没有去掉重复的目标，而是在下文 中专门用了一个函数来去重 """ # 检测有没有超出检测边缘 rbboxes =
4.1K30发布于 2018-11-09 【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。 将未结合的标记抗体从所有孔中去除，并通过酶依赖的变色反应检测所结合的抗体。这种检测方法允许在多通道光谱仪中读取微孔板，大大加快了检测速度。 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 多因子检测法是可以在单个实验中同时定量多个抗原的技术，通常用于检测临床血清样本或实验动物血清中的多个细胞因子的水平。 这些检测方法阐明了血清学分析的两个关键方面。首先，至少有一种试剂必须以纯的、可检测的形式提供。其次，必须能将标记的结合部分与未结合的游离部分分离，从而确定特异性结合的百分比。
22010编辑于 2025-12-29【辰辉创聚生物】高效VLP蛋白表达｜病毒样颗粒生产｜疫苗研发平台
VLP技术在蛋白表达工程领域中占据了重要地位，并广泛应用于重组蛋白生产、抗体研究和免疫学研究等多个领域。 纯化后的VLP蛋白通常会经过一系列的免疫学检测，以验证其免疫原性和功能性。 这些平台可以用于抗体生产、免疫原性检测等应用，是当今生物技术领域不可或缺的技术之一。 通常使用亲和层析、离子交换层析等方法，同时配合免疫学检测手段，确保产品符合质量标准。常见问题 (FAQ)Q1: 什么是VLP蛋白表达技术，为什么在蛋白研究中被广泛应用？ 通过多步纯化技术如亲和层析、离子交换层析等，结合免疫学检测，可以保证VLP蛋白的高纯度和功能性，满足科研和生产的高标准要求。
81310编辑于 2025-07-18- 来自专栏流式抗体推文
从基础到临床！Elabscience AF/LE纯化抗小鼠IL-4抗体[11B11]，赋能多维度免疫研究
内容概要Elabscience 推出的 AF/LE 纯化抗小鼠 IL-4 抗体 [11B11]是一款专为免疫学研究打造的单克隆抗体。 IL-4 相关研究一直是免疫学领域的热点，其功能异常与自身免疫性疾病、过敏反应、肿瘤免疫等多种疾病的发生发展密切相关，因此特异性检测和研究 IL-4 的工具抗体具有重要的科研价值。 例如在胞内因子检测中，经固定破膜处理后，抗体可穿透细胞膜与胞内 IL-4 结合，再通过荧光信号（若使用偶联荧光素的衍生产品）或其他检测信号放大系统，清晰反映 IL-4 在细胞内的表达水平和分布情况。 应用领域Elabscience AF/LE纯化抗小鼠IL-4抗体[11B11]聚焦免疫学研究领域，核心应用场景包括：ICFCM（胞内流式细胞术）：用于检测细胞内 IL-4 的表达，分析免疫细胞活化状态； 总结Elabscience 的 AF/LE纯化抗小鼠IL-4抗体[11B11]凭借高特异性、多应用场景、稳定性能和高性价比，成为免疫学研究中检测小鼠 IL-4 的优质选择。
12710编辑于 2025-12-31 海上红外目标检测检测数据集VOC+YOLO格式8402张7类别
jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：8402 标注数量(xml文件个数)：8402 标注数量(txt文件个数)：8402 标注类别数：7
39400编辑于 2025-07-22- 来自专栏流式抗体推文
探索免疫奥秘的钥匙：Elabscience PECyanine7 标记抗人 CD45抗体，助力前沿生物医学突破
内容概要Elabscience推出的PE/Cyanine7 标记抗人 CD45抗体[HI30]（货号：E-AB-F1137H），详述其产品特性、检测原理、应用背景及优势，并列举相关高分文献，为免疫学、血液学及干细胞研究提供可靠工具 检测原理Elabscience PE/Cyanine7 标记抗人 CD45抗体[HI30]采用PE/Cyanine 7荧光染料偶联技术：激发光源：适用于蓝光（488 nm）、绿光（532 nm）及黄绿光 （561 nm）激光；发射检测：推荐使用中心波长约775 nm的光学滤片（如780/60 nm带通滤片）；检测方式：通过流式细胞仪检测荧光信号强度，实现对CD45阳性细胞的精确定量与分群分析。 粒细胞等造血细胞亚群；白血病/淋巴瘤研究：辅助诊断与分型，监测微小残留病灶；干细胞研究：鉴定造血干细胞及间充质干细胞表面标志；免疫治疗评估：监测CAR-T、免疫检查点抑制剂等疗法中的免疫细胞动态变化；基础免疫学研究 选择Elabscience，让每一次流式检测都更精准、更高效！
11110编辑于 2026-02-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号