- 综合排序
- 最热优先
- 最新优先
- 来自专栏Deep learning进阶路
8-2 图的存储结构
8-2 图的存储结构 1.邻接矩阵（顺序存储结构） 图结构的元素之间虽然具有“多对多”的关系，但是同样可以采用顺序存储，即使用数组有效地存储图。
82030发布于 2019-07-02 - 来自专栏mysql
hhdb数据库介绍(8-2)
单机部署属于管理平台中的功能，在使用前需要先安装好管理平台。安装步骤说明请参照集群部署功能管理平台部署说明。
38010编辑于 2025-03-10 - 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）； ?
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！
今天和大家分享的是2020年发表在Journal of cancer（IF：3.565)上的一篇文章，“Genome-wide Analysis of the Alternative Splicing Profiles Revealed Novel Prognostic Index for Kidney Renal Cell Clear Cell Carcinoma ”。作者用来自TCGA的数据，对三种主要肾细胞癌（RCC）的AS事件的预后价值进行全面的评估。根据预后相关的AS事件和SF，进一步构建了KIRC的预测模型。通过构建了AS和SF的调控网络，理解AS和SF对KIRC患者预后的相互作用机制。
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） ?
71221发布于 2020-07-06 - 来自专栏全栈程序员必看
VB程序设计教程(第四版)龚沛曾-实验8-2
实验8-2 将斐波那契数列的前10项写入文件Fb .dat，然后从该文件将数据读取出来并计算合计和平均数，最后送入列表框。 要求：文件数据格式如2.8.2所示，列表框中项目格式如图2.8.3所示。
44610编辑于 2022-11-08 - 来自专栏全栈程序员必看
VB程序设计教程(第四版)龚沛曾 实验8-2
VB程序设计教程(第四版)龚沛曾 实验8-2 将斐波那契数列的前10项写入文件Fb .dat，然后从该文件将数据读取出来并计算合计和平均数，最后送入列表框。
42210编辑于 2022-11-08 - 来自专栏AI机器学习与深度学习算法
机器学习入门 8-2 scikit-learn中的多项式回归与pipeline
本系列是《玩转机器学习教程》一个整理的视频笔记。在上一小节介绍了多项式回归的基本思想，本小节主要介绍sklearn是如何对多项式进行封装的，之后介绍一种类似Linux中"|"管道的Pipeline类。
1.9K10发布于 2019-12-16 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题8-2 在数组中查找指定元素
习题8-2 在数组中查找指定元素 本题要求实现一个在数组中查找指定元素的简单函数。
1.4K10发布于 2020-09-15 - 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IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 练习8-2 计算两数的和与差
练习8-2 计算两数的和与差 本题要求实现一个计算输入的两数的和与差的简单函数。
1.2K10发布于 2020-09-15 - 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 - 来自专栏从零开始的Code生活
LeetCode 1438. 绝对差不超过限制的最长连续子数组(滑动窗口)(双指针)
示例 1： 输入：nums = [8,2,4,7], limit = 4 输出：2 解释：所有子数组如下： [8] 最大绝对差 |8-8| = 0 <= 4. [8,2] 最大绝对差 |8-2| = [8,2,4] 最大绝对差 |8-2| = 6 > 4. [8,2,4,7] 最大绝对差 |8-2| = 6 > 4. [2] 最大绝对差 |2-2| = 0 <= 4. [2,4] 最大绝对差 |
59430编辑于 2022-01-13 - 来自专栏二进制文集
LeetCode 1438. 绝对差不超过限制的最长连续子数组
示例 1： 输入：nums = [8,2,4,7], limit = 4 输出：2 解释：所有子数组如下： [8] 最大绝对差 |8-8| = 0 <= 4. [8,2] 最大绝对差 |8-2| = [8,2,4] 最大绝对差 |8-2| = 6 > 4. [8,2,4,7] 最大绝对差 |8-2| = 6 > 4. [2] 最大绝对差 |2-2| = 0 <= 4. [2,4] 最大绝对差 |
87710发布于 2021-02-21 - 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
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