- 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。 ?
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）； ? 或者使用上一讲的OneKey 8神器一键搞定，见第四讲。 ? 8、同样的方法做好另一对图片的放大效果示意图，然后排版、加标注（第二讲），就得到了我们开头的效果示意图： ?
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. Table4：单因素COX分析得到的12个预后相关的SF的数据. 8：KIRC的预后有关的SF的生存分析绘图：发现SF的表达可以较好的区分患者的预后。 9A：12个显著的预后相关SFpo的HR值。 图8：KIRC中与预后相关的SF的KM生存分析图 ? 图9：12个预后相关SF的HR值、基于SF的PI模型的KM生存分析图和tROC ? 图10：KIRC中的剪接调控网络 5.
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。 ? 图A是韦恩图对多个数据库的检测结果取交集；图B是对耗竭性CD8+T细胞中的TOX进行对比分析，箱型图。
68810发布于 2020-07-07 - 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。 将切片浸入 0.01M 枸橼酸缓冲液中，微波中大火力加热至沸腾并保持 8min，取出容器，待缓冲液温度自然降到室温。反复 2 次， 用PBS 再洗 5min。 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？
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！
导语 GUIDE ╲ 鉴定CD8+T细胞相关因子和黑色素瘤的共表达网络，阐明黑色素瘤CD8+T细胞相关基因在微环境中之间的相互作用。 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。 CD8+T淋巴细胞水平高和PSMB10水平高的患者预后最好，而CD8+T淋巴细胞水平低和PSMB10水平低的患者预后最差(图10F)。 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。 利用CIBERSORT评估TCGA样本的免疫细胞浸润情况，联合预后数据，确定与生存相关的5种免疫浸润细胞（间质肥大细胞、巨噬细胞、Treg细胞，NK细胞以及CD8+T细胞）。 2. 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。
52121编辑于 2022-03-28 - 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（七）
自测数据：90例手术组织标本的CD8A和VEGFA免疫组化。 结果 一． 描绘结直肠癌免疫微环境全景图 1. 血管内皮生长因子VEGF-A与细胞毒性信号负相关，并与右侧CRC中CD8+T的浸润可联合预测生存 1. 基于TCGA中的数据，比较左右两侧血管内皮生长因子VEGF-A表达和细胞毒性特征 (图A)。 发现在右侧肿瘤中，VEGF-A的高表达与CD8+T细胞活性的降低、Th1细胞浸润的减少、PRF1毒性效应降低相关。 基于90例手术组织进行VEGF-A和CD8A免疫组化的进一步验证，发现VEGFA与CD8A在右侧结肠癌中的表达呈负相关(图D-F)。 这提示右侧结直肠癌患者VEGFA与CD8+ t细胞之间存在相互作用。 3. 右侧肿瘤的CD8A-highVEGFA-low组患者的生存效果更好（图G）。
47641编辑于 2022-03-28 - 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
研究结果一 通过整合OA患者与健康对照的软骨单细胞转录组数据，系统绘制膝关节软骨细胞动态图谱： 图1A：实验设计涵盖8例OA患者（含负重区WB与非负重区NWB）和3例健康对照的19份软骨样本，共分析135,896 ：UMAP降维鉴定11个软骨细胞亚群，包括9个已知群体和2个新亚群，前炎症软骨细胞（preInfC）和炎症软骨细胞（InfC）； 图1C：preInfC（IFI27+）和InfC（CD74+/CXCL8+ （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
57000编辑于 2025-04-06 - 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2 卵巢癌和正常组织中RGS基因家族表达水平 KM分析表明，RGS8, RGS4, RGS2, RGS19和RGS11低表达的患者OS较长（图3a），RGS8, RGS5, RGS2, RGS19, 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. 通路富集分析和免疫浸润与风险打分相关性 GSEA分析表明，风险打分显著富集在ECM-受体互作（图8a），TGF-β信号通路（图8b），Wnt信号通路（图8c）和趋化因子信号通路（图8d）。
1.3K40发布于 2021-07-12 - 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
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。 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 - 来自专栏生信菜鸟团
单细胞测序揭示肝移植术后细胞图谱
该研究发现，相对于正常肝组织，CCR6+CD4+ T细胞、耗竭性CTLA4+CD8+ T细胞和增殖性MKI67+CD8+ T 细胞在移植肝中占比显著增高，CD1c+ DC, CADM+DC, MDSC, 并且发现CD4+CD8+FOXP3+ T存在于CTLA4+CD8+ T细胞中。胞间分析提示LDLR+ MDSC通过TIGIT-NECTIN2信号通路作用于CTLA4+CD8+ T细胞。 并进一步对各细胞进行细胞毒性、调节性、增殖性、耗竭性等功能状态标记，发现耗竭性CD8 T细胞和增殖性CD8 T细胞占比较高，拟时序分析发现增殖在前，耗竭在后。 该研究利用免疫组化对PD1在移植肝的表达情况做了进一步验证。对该亚群差异表达基因通路富集分析显示，其大量富集在T细胞的各种功能通路，特别是免疫检查点。 作者用流式、免疫荧光、免疫组化、通路富集、反卷积化等手段对该群细胞进一步证明。
1.7K30编辑于 2022-05-24 - 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？ ? 8 — 着丝点 ? ? 9 — 过氧化物酶体 ? ? The end.
1.1K30发布于 2020-07-21 - 来自专栏芒果先生聊生信
oncomine+GEPIA做差异分析
在分享第一篇生信论文时，文章影响因子高达8分以上，而且主要是纯生信数据库，加上病理组织的免疫组化结果，给人的感觉是高分生信论文很容易发表。 GEPIA分析显示，BRCA（浸润性乳腺癌）中仅有E2F1、E2F2和E2F8具有显著差异；但实际上，Oncomine分析结果中E2F1、E2F2、E2F3、E2F5、E2F7和E2F8在乳腺癌中均有表达的差异 临床病理标本的免疫组化实验（IHC）分析，是本文的亮点之一。 ? 差异表达的临床意义通过KM Plotter数据库的OS、FP、PPS、DMFS来展示，这也是生信分析的必须条件。
1.8K30发布于 2020-06-28
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