- 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。 ? 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。确定好之后点击collection。 ?
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。 1、新建一个PPT，去掉占位符（版式—空白，见第一讲），设计—幻灯片大小—自定义幻灯片大小，页面大小根据需要设置，比如我准备做一个杂志单栏大小的图片，并估计四张图片大约高7cm，所以我建立的PPT画布大小为 8.6cm×7cm（设置幻灯片大小这一步可以最后再做，见第二讲），如果最后建立的PPT画布看起来比较小，向上滚动滑轮变大就可。 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）； ?
5.6K11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！
Table1：展示了468位KIRC患者的样本的具体信息 1A：在KIRC的样本中，AS的7种事件的分布图。可见对于所有的KIRC样本，外显子跳跃（ES）是AS事件亚型中最主要的剪接类型。 有3个PI的AUC值分别超过0.8，其中PI-ALL的AUC值最大=0.875 7：KIRC患者早期和晚期分组，根据PI-ALL模型进行KM生存分析。 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。 ?
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 - 来自专栏作图丫
干湿结合让你的biomarker筛选更上一层！
图3 02 免疫微环境分析 作者选择了7个metagenes来分析这8个基因与免疫反应之间的相关性，它们代表了各种炎症和免疫反应。 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）。 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）
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。 7. 肿瘤突变量(TMB)在不同免疫类型间无显著差异(图E)。 Fu H, Zhu Y, Wang Y, et al.
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3 RGS基因家族表达水平对OS的分析 7. 基于RGS基因家族的风险打分模型 LASSO Cox回归分析见图4a，λ的置信区间见图4b。 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。 RGS11、RGS14、RGS10、RGS19、RGS20、RGS13、RGS1、RGS21、RGS18、RGS4、RGS5、RGS3、RGS16的突变频率分别为2.4%、2.8%、1.6%、10%、7% 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
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。其中丰度前三的细胞群是巨噬细胞、B细胞、NK细胞。 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 16cbe4e036d8bd0e2aad80324d98332.png 5.作者还对中性粒细胞（7、16）、NK细胞（1、12）、肥大细胞（20）也分别做了分析验证，这些表达含量不多，所占比例不大，但是也随着病变有所变化 30009ff2d7f5a8ae1f99fee73150701.png 总结 单细胞注释分组是单细胞分析的核心，假以湿实验辅助，有很强的说服力，对每个细胞簇可以继续分类，可以对分类功能、marker
66431编辑于 2023-02-10 - 来自专栏聊点学术
什么是荧光原位杂交(FISH)？
（7）封片后标本要尽快检测和观察。每一次荧光显微镜的观察都会淬灭一部分信号，因此一定要快速观察和采集图像。有条件的话，小编推荐大家尽量选用共聚焦显微镜采集图像，荧光显微镜备选。 ? 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。 免疫组化在后。 （1）将显色后确认为阳性的切片充分漂洗。 （2）在PH为6.0的枸橼酸钠溶液中，微波至96℃左右，作用10min。 （3）滴加一抗，37℃湿盒孵育2h。 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？ ? 7 — 核膜 ? ? 8 — 着丝点 ? ? 9 — 过氧化物酶体 ? ? The end.
1.1K30发布于 2020-07-21 - 来自专栏作图丫
免疫相关lncRNA分型竟然发表在14分Nature子刊！
背景介绍 今天小编为大家带来一篇神奇的文章，作者似乎仅仅利用TCGA和GEO公共数据集构建了免疫相关的lncRNA模型，做了pcr和免疫组化验证就发表了nature communications，而且是最近发表的 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）。 图7 小编总结 看到这里大家可能也发现本文的亮点了。第一，使用了10种机器学习算法进行组合，并与免疫相关lncRNA确定的signature进行比较，发现本文构建的模型性能更加优秀。 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 - 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？
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。 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 - 来自专栏单细胞天地
scRNA-seq分析鉴定半月板祖细胞并揭示半月板变性的进展
结果:在健康人半月板中确定了7个群，包括5个经验定义的人群和2个新人群。伪时序分析显示在伪间隙轨迹开始处存在内皮细胞（EC）和纤维软骨细胞祖细胞(FCP)。 CTGF 作者在这里采用热图与免疫组化相结合的方式干湿探索不同簇的差异表达和差异分布情况，基于先验知识得出符合预期的结论，这样可以使得后续研究更加有的放矢。 MYLK、CNN1、FGF7和COL1A1的表达相似。而MYLK和CNN1的表达从根部到两种命运均显著降低 , FGF7和COL1A1的表达在FCP分化早期上调，而在向两种命运分化的细胞中下调 。 (如果这里有些不太清楚建议画表) 接下来为了验证这样的轨迹分类是正确的，作者在小鼠半月板中进行了免疫组化实验。随着年龄的增加，MYLK的表达量显著降低。 我们的scRNA-seq分析和免疫组化染色显示，转化生长因子β(TGFβ)信号通路配体TGFβ1在健康半月板细胞中高表达 。
1.1K30发布于 2021-03-10
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