- 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。 ? 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. 然后在原图中拉一个矩形框选阳性区时会跳出弹窗，觉得有小误差可以拉动滑条调整。
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）； ? 6、把矩形填充改成无填充，把线条改成实线，颜色改成黑色，大小改成0.75磅（颜色和大小按照自己需要修改，还可以在短划线类型里面改成虚线），这样就做好了小视野的选框，把选框和大视野图片选中，右键-组合-组合
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！
6：tROC：进一步肯定了KIRC的PI模型的效率。 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.
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） ?
71121发布于 2020-07-06 - 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。 1：BayesSpace 工作流程 为了检测BayesSpace的性能，研究人员使用Maynard等人公开发表的12个背外侧前额叶皮层 （DLPFC） 样本的Visium空间表达谱数据，以及每个样本的6个皮质层和白质的手工注释 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。 疑问解答 Doctor A，最近做免疫组化的结果非特异性染色都很深，该怎么解决呢？ 谢谢 Doctor A，那免疫组化染色呈阴性结果，这又是怎么一回事呢？ 抗原修复对于石蜡切片免疫组化、免疫细胞化学的最终显色结果有着重要的影响。感谢 Doctor A 的悉心讲解，这堂课又学到了好多知识。
1.3K31发布于 2019-09-17 - 来自专栏作图丫
干湿结合让你的biomarker筛选更上一层！
图6A、B分别展示了九个基因在GSE65904和TCGA数据集中高地表达组的生存情况。 GSEA分析显示，T细胞受体信号通路、抗原加工和呈递、趋化因子信号通路和自然杀伤细胞介导的细胞毒性与高表达组相关(图6C)。作者发现这些生物学途径与免疫相关有关，都参与了肿瘤免疫。 图6 04 单细胞分析 为了确定这些基因来自哪个细胞，进行了单细胞分析。 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。
62430编辑于 2022-03-29 - 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
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
【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）
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。 6. 将免疫表型与3个主要的T细胞类型匹配，发现免疫表型A组比B组有更多的患者匹配到炎症型，更少的患者匹配到免疫荒漠型。 7. 肿瘤突变量(TMB)在不同免疫类型间无显著差异(图E)。
52121编辑于 2022-03-28 - 来自专栏聊点学术
什么是荧光原位杂交(FISH)？
（6）漂洗液的温度控制。很多人都觉得这个无所谓。小编个人认为FISH实验是一个对温度非常敏感的实验。保证漂洗液温度为37℃而不是室温，可能对于整个实验有比较良好的影响。 04 — 原位杂交与免疫组化的结合 这是一项难度较高的操作，如果你所在的实验室没有相应的SOP指导就更难了。 一般情况下，相对于蛋白来说，DNA和RNA都是比较脆弱的。 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。 （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。第一步的杂交之后要充分洗脱，漂洗也要充分，但是漂洗也要尽量温柔，防止脱片。 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 - 来自专栏百味科研芝士
利用基因家族基因构建预后模型发6分+SCI
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。GSEA分析表明主要参与ECM-受体互作，TGF-β信号通路等。 图1 RGS基因家族在不同免疫亚型和临床分期的表达水平 6. 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。 RGS3和RGS4存在错义突变（图6b）。HPA数据库分析表明，RGS10、RGS11、RGS13在卵巢癌组织中高表达（图6c）。 ? 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 - 来自专栏聊点学术
各种细胞器典型标记物。
为了增强实验数据的直观性，很多人会选择荧光标记或免疫组化标记的方法，定位研究。 那么，到底各个细胞器的特异性标记物到底是什么呢？ ? 6 — 细胞核 ? ? 6 — 核仁 ? ? 7 — 核膜 ? ? 8 — 着丝点 ? ? 9 — 过氧化物酶体 ? ? The end.
1.1K30发布于 2020-07-21 - 来自专栏科研菌
这篇3分文章教你如何系统地分析一个你感兴趣的通路
图4a：与正常样本相比，6个KIFs在肿瘤样本中均过表达。 图4b：TCGA-BRCA和GTE-x正常两组乳腺组织的免疫组化分析显示，乳腺癌样本中6个KIFs的蛋白水平显着上调。 ? 图4.qRT-PCR与免疫组化 5.乳腺癌中MSX1为KIFs的转录因子 为了探索6个KIFs的上游调控机制，对推测的转录调控因子进行了生物信息学富集。 图5.6个KIFs转录因子的富集 6.GO和KEGG富集分析 图6a：upset图展示6个KIFs的共表达基因。6个KIFs交集的229个共表达基因，用于KEGG富集分析。 图6b：KEGG富集分析显示主要富集的通路为：“细胞周期”，“卵母细胞减数分裂”等。 图6c-d：6个KIFs的GO分析。 此外，通过qRT-PCR和免疫组化方法验证了所筛选的6种KIFs的表达谱。而且揭示了MSX1可能是潜在转录因子，该因子负调节乳腺癌中KIFs的表达。
94312发布于 2020-06-28 - 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
方法： 1、对C57BL6/J型小鼠行主动脉结扎心衰建模，以假手术组为对照组。分别取第一周、第四周心脏配对样本，每组样本用流式筛选得到CD45+细胞，随后对筛选细胞做单细胞分析。 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。 结果： 1.心脏组织拥有20类免疫细胞簇，这些细胞簇与疾病发展有密切相关关系。 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 d03c5a145b21542f0e06ae57d19f2d3.png c553597af99f87a82270f60c9f7badc.png 6.对所有免疫细胞做全局分析，手术组和假手术组的的差异基因表达在疾病发展过程也是动态变化的
66431编辑于 2023-02-10 - 来自专栏百味科研芝士
利用代谢相关基因构建列线图是如何发4分+SCI的？
作者同样研究了6个预后基因在BRCA，CESC，PAAD，STAD，LIHC等癌症中的突变情况。分别有18%，15%，18%，9%和52%的患者发生了基因突变。 作者使用TCGA数据库中6种其他癌症（BRCA,CESC,PAAD,SKCM,STAD和LIHC）的数据集评估这些预后基因的特异性，K-M生存分析表明，LIHC和PAAD的低风险组的生存率较高。 7.预后基因的免疫组化染色 为验证这些预后基因的蛋白表达水平，作者对4个基因进行了免疫组化染色。 在NSCLC和SCLC lung组织中SLC2A1的表达水平增加，在肺癌组织中PSCK9和ABCC2呈弱阳性而在NSCLC和SCLC lung组织中均没有检测到KL（图6）。 ? 图6 预后基因的免疫组化染色 7.单细胞水平上分析基因表达水平 Thienpont等人鉴定到了肺癌微环境中的7个主要细胞类型的52个细胞亚类。
1.4K10发布于 2021-01-06 - 来自专栏作图丫
免疫相关lncRNA分型竟然发表在14分Nature子刊！
作者评估了IRLS在量化基于氟尿嘧啶的辅助化疗和贝伐单抗益处方面的预测价值，发现对治疗响应者的IRLS分数显着高于非响应者（图6A-E）。 ROC表明，IRLS可以准确预测基于氟尿嘧啶的辅助化疗的治疗效果（图6G-L）。 图6 07 免疫相关lncRNA与免疫检查点抑制剂 作者发现IRLS模型评分和免疫浸润丰度之间存在显著负相关（图7A、B）。 为了验证CD8A在不同IRLS水平下的蛋白质表达，进行了免疫组化实验（包括 56个模型高风险和48个模型低风险结直肠癌样本。结果显示，CD8A的表达在低风险组中显著升高（图7E、F）。 第三，补充了pcr和免疫组化，虽然简单，但是干湿结合更加有力。如果大家将流程理解清楚，应用于其他癌症，相信又是一篇高分文章！ END
69630编辑于 2022-03-29
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