- 综合排序
- 最热优先
- 最新优先
- 来自专栏医学数据库百科
人类蛋白免疫组化表达数据库
写在前面 我们在进行基因的蛋白表达检测的时候，通常的方法是进行western blot以及免疫组化进行检测的。 其中mRNA的表达来自于GTEx数据库，而免疫组化的表达是数据库成员自己用组织芯片来做的结果。 ? 其中对于某一个组织当中详细的免疫组化的染色情况，我们可以点击具体的部位，然后就可以看到其组织免疫组化的具体图片了。 ? 2. 同样的，对于某一个癌症所有免疫组化的结果。我们可以点击具体的癌种，就可以获得所有的图片了。 ? ? 数据库总结 基本上这个数据库的使用就是这些。 但是相对来说，这个数据库对于正常样本的免疫组化也就是做了两三个，然后对于癌症的话也就是十几个样本。所以有一定的参考价值，但是也绝对的准确的。 另外关于这个数据库的免疫组化结果的统计。
3.8K40发布于 2020-07-16 - 来自专栏聊点学术
【免疫组化分析法】色彩分割+机器学习！
聊点学术 免疫组化定量分析是科研人的传统艺能！之前，个人一直推荐采用Image Pro Plus (IPP)进行测量。 ? IPP测量时对染色效果要求较高。 (细胞核多） 今天要说的是基于Image J的 “色彩分割法和机器学习”进行免疫组化定量分析。关键插件为IHC Toolbox，由英国诺丁汉大学的两位大牛开发。 ? 5. 此时就获得了分割后的图像。可以看到右图所有的蓝色已基本被去除。 ? 6. 如果对插件自带的H-DAB色彩分割不满意。此时，可以点击左侧的Training，鼠标光标会变成十字架。 ? 7. 一般操作约5-10次左右插件即可完成学习。然后点击Save_Model保存，所有学习内容会自动默认到H-DAB模式中，后续测量直接调用H-DAB即可。
3.3K10发布于 2020-09-23 - 来自专栏百味科研芝士
【技能】手把手教你用PPT排版免疫组化图
PPT做SCI论文图——免疫组化放大效果图 本教程图片来自百度图片。 免疫组化或者免疫荧光常常用到放大效果，先给出一个大视野的整体图，然后放大一定倍数找到一个比较合适的小视野，来展示某个特征部位的细节。 2、把大小视野下的免疫组化图片复制粘贴到PPT（图片可能会比PPT大很多，选中所有图片，按住Shift键，在图片任意一个角拉动，一起调整图片到合适大小），把所有图片调整到相同大小（见第三讲）； ? 5、当图片半透明之后，按住Shift键等比例缩小小视野图片，并将缩小后的半透明小视野图片移动到大视野图片上去，在这个过程根据需要缩小或放大小视野图片，使小视野图片和大视野某个区域完全重合，为了便于观察一般要把
5.6K11发布于 2019-11-28 - 来自专栏科研菌
纯生信文章补几张免疫组化真的很重要！
5：KIRC的8个PI模型的KM生存分析绘图。根据AS事件的PSI中位数进行分组。总体而言，除了PI-AP（C）之外，KIRC的PI模型具有令人满意的风险分层能力。 图5：KIRC的8个PI的生存分析绘图。 ? 图6：tROC曲线评估KIRC中8个PI的预测效率 ? 图7：KM生存分析评估PI-ALL在KIRC患者早期或晚期临床阶段的预后价值 4. 图10：KIRC中的剪接调控网络 5. KHDRBS3的免疫组织化学（IHC） KHDRBS3是预后相关的SF之一。 11：十对KIRC和癌旁组织中KHDRBS3的免疫染色图像。
1.2K20发布于 2020-07-08 - 来自专栏百味科研芝士
单基因生信加点免疫组化，4分sci等你来发！
为了评价水通道蛋白9在肾细胞癌组织中的表达水平，进行了免疫组化染色，发现癌组织中水通道蛋白9的表达密度和强度均显著高于癌旁正常肾组织。 ? 显示主要途径有补体、凝血、IL6/JAK/STAT3信号转导、炎症反应、缺氧、IL2/STAT5信号转导、同种异体移植排斥反应和NFKB介导的TNF-α信号转导。
3.1K30发布于 2020-01-16 - 来自专栏科研菌
单基因简单生信分析加上3张免疫组化发4+
Colorectal Cancer Is Caused by Activation of Different Immune Signals”，文章中作者对一个包含了207例患者的队列进行了RNA测序、免疫组化以及免疫细胞浸润评估 三、结果解析 1、MRE11在CRC以及右结肠癌（RSCC）和左结直肠癌（LSCRC）中的表达 作者通过免疫组化评估了正常黏膜，原发肿瘤和淋巴结转移（LNM）切片中MRE11蛋白的表达（图1A）。 图1A:在不同组织中MRE11的表达（免疫组化） ? 图5A/B：本征基因网络：模块之间的关系和 RSCC /LSCRC中 MRE11的表达。红/绿框表示 RSCC/LSCRC 中与MRE11表达密切相关的模块。 图5D：绿色模块的ClueGo分析 绿色模块与 MRE11作为一个连续变量在 LSCRC和RSCC中的表达强烈相关。
71121发布于 2020-07-06 - 来自专栏生物信息云
免疫组织化学实验
由于免疫组化具有特异性强、灵敏度高、定位准确等特点，且能将形态研究与功能研究有机地结合在一起，这门新技术已被广泛地应用于生物学和医学研究的许多领域。在病理学研究中，免疫组化技术的作用和意义更为重要。 下面是2个视频的中的操作步骤，关于免疫组化，我们之前也发过文章：免疫组化实验，可以进行参考。 水合处理后，将组织切片放入纯水中，孵育 5min， 再转移放入 PBS 缓冲液中孵育 5min。 染色结束后， PBS 浸泡洗去 DAB 染液，每次 5min，重复 3 次。去除残留液体，苏木素复染 2-5min，复染结束后，用水洗去多余染液，在 1%盐酸酒精中分化数秒。再次进行水洗切片。 脱水封片 此过程刚好和复水相反，首先进行 50%乙醇处理 5min，然后依次浸泡在 75%，85%， 95%和无水乙醇中，时间 5min，最后置于二甲苯中进行透明化处理两次，每次均为 10min。
1.3K31发布于 2019-09-17 - 来自专栏聊点学术
图像背景校正操作错误，结果千差万别......
如下情况： ◣ 1.1 在明场下，显微镜的视野内光强分布是不均一的，表现为正中心比周围要亮，免疫组化（DAB）图像就是在这种光学环境下被采集的。 为什么免疫组化（DAB）和荧光染色图像校正存在区别？ 二者的本质区别就是光密度与灰度的区别。 ◣ 2.1 免疫组化（DAB）染色定量分析的主要指标就是积分光密度。 免疫组化（DAB）和荧光染色图像校正方法？ 大家最喜欢的就是采用Image Pro Plus进行图像分析，那就以此为例吧。 ◣3.1 免疫组化（DAB）图像背景校正 （1）点击measure，calibration，intensity。 ? （2）在弹窗中，首先点击New新建曲线，然后点击光密度Std.
1.4K10发布于 2020-10-21 - 来自专栏作图丫
【精品思路在手，高分Paper不愁】转录组数据-免疫微环境精品分析思路（六）
作者首先对TCGA的转录组数据进行评估，使用CIBERSORT在22个免疫细胞表型中筛选与预后相关的5种免疫细胞。 再对两组独立的标本进行5种细胞的免疫组化，构建免疫表型，预测MIBC患者的生存和复发。 对训练集和测试集的两组样本分别进行这5种细胞的免疫组化。 发现基质中的5种免疫细胞都非常丰富，且两组样本的免疫组化结果无法区分出肿瘤细胞、间质肥大细胞、巨噬细胞、Treg细胞，NK细胞以及CD8+T细胞。 3. 考虑到这5种免疫细胞浸润丰度与预后相关。 5. 分析TCGA中已知的免疫检查点表达发现，免疫表型A组中的PD-L1、PD-1和CTLA-4表达值更高（图F）。 6.
52121编辑于 2022-03-28 - 来自专栏作图丫
请查收这份宝藏数据库—HPA
HPA数据库介绍 Human Protein Atlas 数据库，目前收录了超过26000种抗体，所有结果均有免疫组化染色，并经过专业人员的确认。 其中‘原始数据’主要是不同组织的免疫组化染色，点击后可以看到免疫组化的切片： 也可以看到该基因的RNA和蛋白在不同组织种的表达情况（左侧代表RNA,右侧代表蛋白）。 再次点击右侧的切片后，可获得相应的免疫组化切片，该切片可以放大。 你还可以在这里了解到不同组织病理切片的表达： 04 点击BRAIN，进入到大脑图谱 HPA目前整合了3个物种（人类、猪、老鼠），提供了大脑不同区域的转录组RNA表达、蛋白表达，蛋白亚细胞定位、免疫组化
4.6K41编辑于 2022-03-29 - 来自专栏作图丫
干湿结合让你的biomarker筛选更上一层！
发现在TCGA-SKCM和GSE65904中，CCL5、GBP5、GZMA、GZMH、LAG1、NKG7、PRF1和PSMB10与其中7个簇呈正相关（图5）。 在皮肤黑色素瘤、甲状腺癌、头颈部细胞癌、肝细胞癌和肺鳞腺癌中，CCL5、GBP5、GZMA、GZMH、IRF1、LAG3、NKG7、PRF1、PSMB10与CD8+T淋巴细胞浸润比例相关(图6D)。 图9 06 免疫组化组织的病理学分析 免疫组化检测显示，在两个恶性黑色素瘤标本中呈阳性，阳性率为100%。 同时，作者补充了15项黑色素瘤和旁组织的定量免疫组化分析，结果显示旁样本中PSMB10的IOD/Area较高(图10E)。然后将PSMB10基因表达与CD8+T淋巴细胞结合，绘制多组的生存曲线。 图10 小编总结 作者在研究过程中使用公共数据集做了一些常规的生信分析方法，如WGCNA，ssGSEA、单细胞分析和泛癌分析等，最后通过免疫组化对筛选到的结果进行进一步验证，实验方法也并不复杂，可见合理的干湿结合会让基本的纯生信分析大大增色
62430编辑于 2022-03-29 - 来自专栏R语言及实用科研软件
🤩 Journal Club | 多组学整合揭示炎症与前肥大软骨细胞驱动骨关节炎软骨退变
（WB > NWB），而稳态软骨细胞（HomC）在对照组占主导； 图1D：亚群特异性标记基因热图显示ProC（BMP2+）、HTC（COL10A1+）及InfC（CD74+）的分子特征； 图1E-H：免疫组化验证标记基因空间表达 研究结果三 聚焦InfC/preInfC亚群，解析其分子机制及细胞间通讯网络： 图3A：免疫组化验证InfC标记基因CD74/GPR183在OA的SZ/MZ区域高表达； 图3B：细胞互作分析揭示OA中MIF-CD74 个亚群，preHTC-2（MMP2+/COL1A1+）与ECM降解相关，preHTC-4（线粒体基因+）可能加剧氧化应激； 图4E-H：空间DEG分析显示AS/SZ区域炎症基因（BAG1/CD9）上调，免疫组化验证其表达模式 研究结果五 整合bulk RNA-seq与GWAS数据，解析临床与遗传机制： 图5A-B：反卷积显示OA患者preHTC/InfC比例升高，Scissor分析证实preHTC与OA表型强相关； 图5C-E ：preFC丰度将患者分为炎症型（高IL-1β，关节狭窄严重）和非炎症型（高软骨增殖基因）； 图5F：GWAS整合显示HTC是跨人群（东亚/欧洲）的OA遗传风险关键群体（p=0.017）。
57000编辑于 2025-04-06 - 来自专栏芒果先生聊生信
差异分析03，一切差异皆可检
检测方法包括qRT-PCR、Western blot、免疫组化（包括免疫荧光），生信分析可辅助证明。 ? 图e是通过免疫组化在结肠癌患者标本中检测TMEM9的高表达 (clinical specimen)。 图d用免疫组化检测新诊断胶质瘤患者肿瘤中FGL2的表达。 该论文更侧重临床标本的检测，是从Western blot、流式细胞术和免疫组化的方法学角度对差异表达进行检测。逻辑清晰，也是很好的套路。 检测方法也是qRT-PCR、Western blot、免疫组化（包括免疫荧光），生信分析可辅助证明。 ?
68810发布于 2020-07-07 - 来自专栏聊点学术
什么是荧光原位杂交(FISH)？
（5）杂交条件一般是37℃避光湿盒过夜。至少温度要严格控制在37-40℃，过高或者过低都是不适合的。孵育时间也不要无限延长，一般18-20h就肯定够了，时间过久会造成自动解链，造成信号降低。 因此首先应该先完成FISH，然后再开展免疫组化。 小编在此推荐一个可借鉴的操作流程，供参考。 原位杂交在前。 （1）常规脱蜡入水。 （5）加碱性磷酸酶标记的抗体，37℃孵育半小时，洗去抗体后显色。 免疫组化在后。 （1）将显色后确认为阳性的切片充分漂洗。 （5）DAB显色后，采用PBS中止显色反应。 （6）不要复染核，不然就盖住原位杂交信号了。 所有的耗材、器材均需采用DEPC水浸泡。 免疫组化的各个漂洗步骤、抗体孵育时间要比平常延长至少1倍的时间。 免疫荧光标记+FISH，这里面更为复杂，小编才疏学浅，溜了溜了。 The end.
1.6K20发布于 2020-07-22 - 来自专栏智能生信
[Nature Biotechnology] BayesSpace：亚点分辨率下的空间转录组学
利用免疫组化和由scRNA-seq数据构建的硅质数据集，作者发现贝叶斯空间解决了在原始分辨率下无法检测到的组织结构，并识别了组织学分析无法获得的转录异质性。 比较了增强后改变和未改变分类的 subspot 之间的免疫荧光强度分布，发现增强后分类改变的 subspot 的密度显著高于未改变的 subspot，说明 BayesSpace 分辨率增强提高了基于基因表达的聚类与免疫组化信号匹配的准确性 图3：免疫组化验证了BayesSpace在一个IDC样本和一个OC样本中的增强 BayesSpace 在模拟数据中的表现优于空间和非空间聚类方法，多次模拟结果显示 BayesSpace 空间聚类和分辨率增强能够识别在 BayesSpace 在空间聚类精确度和分辨率上的优越性能，并通过多个数据集验证了BayesSpace 能够增强基因表达，有效提高空间转录组分辨率，识别组织的异质性，基因表达模式的识别接近单细胞水平，并且经免疫组化和组织特异性
74410编辑于 2022-12-29 - 来自专栏百味科研芝士
利用基因家族基因构建预后模型发6分+SCI
此外，基于LASSO Cox分析构建5基因风险打分模型。多因素Cox分析表明风险打分模型是卵巢癌的独立预后因素。免疫组化和HPA蛋白数据库表明这5个基因在卵巢癌中过表达。 风险打分对卵巢癌患者生存期影响最大（图5a）。校准图表明列线图效果较好（图5b）。列线图的3年和5年ROC曲线的AUC最大（图5c和5d）。 此外，作者对不同临床特征的患者进行生存分析，表明高风险组患者的生存期较差（图5e-5j）。 ? 图5 列线图和不同临床特征患者的生存分析 9. 风险打分模型中5个基因的突变分析和HPA数据库及免疫组化验证 使用cBioportal分析RGS基因家族的突变和拷贝数变异。 图6 突变分析和蛋白表达分析 免疫组化分析表明RGS3和RGS4在卵巢癌中高表达（图7）。 ? 图7 免疫组化分析 10.
1.3K40发布于 2021-07-12 - 来自专栏AI掘金志
国内首款AI显微镜获NMPA批准，将应用于病理检测
该智能显微镜产品研发始于 2018 年，集成了目前病理分析与诊断方面的最新技术，并针对病理医生工作流程和习惯进行多次产品迭代，现已支持乳腺癌免疫组化（IHC） Ki67（肿瘤细胞增殖指数）、ER（雌激素受体 免疫组化中的很多指标，需要进行精准定量分析，其结果与肿瘤的靶向治疗、免疫治疗都有直接关系，会直接影响到恶性肿瘤的用药和患者预后。 结果判读，可以： 避免 IHC 结果判读的人为差异，提高判读结果的可靠性，提升病理诊断质量，这对于病理医生稀缺的基层医院尤为有帮助； 智能判读将节省稀缺病理医生资源，使其投入更需要的服务之中； 为病理免疫组化染色的质量评估做精确定量的质量控制 ； 为医学科研和药企提供免疫组化精准定量检测服务，为新药研发的相关免疫组化研究提供客观性可靠的证据。 为肿瘤患者提供分子靶向治疗及免疫治疗等相关精准定量的免疫组化检测服务； 病理医生与智能显微镜结合的工作模式，体现了「人+AI」的全新工作模式。让病理医生和人工智能各自发挥所长，全面提升效率。
91310发布于 2020-04-15 - 来自专栏芒果先生聊生信
复现生信论文36.临床意义
生信论文36是单基因分析的生信论文，单纯生信数据库的数据分析，没有湿实验验证，但是可以发表在接近5分的期刊上，很多分析做得很棒，值得借鉴。我们对文章数据进行复现。 第一部分，差异分析，已经复现。 因为LAYN本身在胃肠道中是高表达的，而HPA肿瘤组织的免疫组化结果中，只有结肠癌，没有胃癌的数据，因此未做。 在实际分析时，HPA数据库免疫组化的结果不能牵强使用，不充分不用（肿瘤组织和正常组织的差异不明显），不全面不用（如生信论文36，分析胃肠癌，但是只有结肠癌组织，没有胃癌肿瘤组织的免疫组化图）。
1.4K20发布于 2020-07-20 - 来自专栏单细胞天地
压力超载心衰小鼠心脏免疫浸润的单细胞测序揭示了免疫激活程度
5、流式分选细胞验证细胞簇biomarker。 6、DESeq2识别差异基因。 7、GSVA分析获取不同免疫细胞簇的pathway富集分数。 WeChat 圖片_20220829212109.png 2.分析3、4、5、8簇细胞为单核巨噬细胞，据CCR2阳性（募集）CCR2阴性（原有）区分来源。 各组均有相关特异性基因表达，Cluster 3和5为阴性，3主要与促修复有关，其他的与促炎有关，在整个病变过程中均有变化。 9b73442c483d379d1a7d4f238c30bc9.png 3.心脏中原本有大量B细胞，细胞簇0、2、11、17为四组B细胞，各簇随病变都有变化，为验证其变化，还做了免疫组化、流式细胞、免疫荧光的验证 8e5e4b96732f14d6430d88b966a2eff.png 4.T细胞激活变化，CD8+和CD4+均有出现，其中CD4+更为重要，细胞簇6、15为CD8+，细胞簇9、13为CD4+，免疫组化也对生信结果做了辅助验证
66431编辑于 2023-02-10 腾讯健康：AI诊断与基因测序赋能，提升临床与资源效率
同时，腾讯AI Lab与金域医学联合研发腾讯AI显微镜产品，结合算法与硬件优势，实现免疫组化镜下的智能判读。此外，与迈瑞医疗共同打造AI+血细胞分析仪与重症大模型等临床AI助手，助力器械数智化创新。 AI诊断工具的应用大幅提升了临床效率，其中腾讯AI显微镜可为免疫组化镜下判读提供精准的定量诊断结论。
8110编辑于 2026-05-30
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