- 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）； ?
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！
其中心基因是：HERC2，UBE3A，UBA1，SIAH1和RPS9。 9A：12个显著的预后相关SFpo的HR值。可见：多数SF的表达与KIRC患者的良好预后有关。 （HR<1） 9B和C：从12个预后相关的SF中，通过多变量COX回归分析中选择了三个SF（PCBP1,KHDRBS3 和HTRA2）用于SF-PI的构建，通过KM生存分析（B）和tROC（C）表现出中等水平的预后分层能力 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！
一、表达差异分析 基于TCGA的RNA序列数据和GEO数据库，比较了AQP9在肾癌组织和癌旁正常组织中的mRNA表达。 IHC染色显示AQP9在正常肾组织中未检测到，而在ccRCC肿瘤组织中有中等水平的表达。这些结果表明，与正常组织相比，AQP9在ccRCC组织中的转录水平和蛋白质组水平均高表达。 ? ? 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。 ? ClueGO功能注释表明，AQP9生物学过程的改变与膜和膜系统的转运、组成成分密切相关。 ? 基于AQP9表达谱的基因集变异分析，推断TIL的相对丰度。AQP9升高与B细胞、T细胞、单核细胞、巨噬细胞、肿瘤相关巨噬细胞和中性粒细胞浸润显著相关(p<0.05)，导致免疫浸润的普遍增加。 ?
3.1K30发布于 2020-01-16 - 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。 ? 该图证明TMEM9在结肠癌中高表达，图b是oncomine数据的总结，显示TMEM9在乳腺癌、宫颈癌、结肠癌和粘液瘤中高表达 (in silicon)；图c通过qRT-PCR和Western blot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. 或者记住这个Intensity Cal 9，下次分析此批图片时，直接选择调用即可。↓ ?
1.4K10发布于 2020-10-21 - 来自专栏li_wait
打印9*9乘法口诀
j = 1; j <=i; j++) { printf("%d*%d=%d ", j, i, i * j); } printf("\n"); } return 0; } 打印9* 9乘法口诀表： 从图中看出第四排和第五排没有对齐，要想对齐，可以考虑 printf限定占位符的最小宽度（https://blog.csdn.net/wait___wait/article /details/135287228） 9*9乘法口诀表中最大位数是2，因此设最小宽度为2。
49710编辑于 2024-10-23 - 来自专栏作图丫
干湿结合让你的biomarker筛选更上一层！
图7 05 9-基因signature癌症预后预测 根据 9-gene.signature ssGSEA 评分的中位数分组，作者发现 TCGA 和 GSE65904 黑色素瘤队列中 9-gene.signature 随后，通过对细胞溶解评分的9-gene.signature、特征血管生成基因组等进行单因素分析，发现9-gene.signature具有更显著的预后价值(图9B)。 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 - 来自专栏技术杂记
9
服务端 /var/log/messages 中会出现类似的日志Aug 25 00:26:02 pptp-server pptpd[10177]: CTRL: Client 103.240.124.15 control connection startedAug 25 00:26:02 pptp-server pptpd[10177]: CTRL: Starting call (launching pppd, opening GRE)Aug 25 00:26:02 pptp-server pppd[10178
1K20编辑于 2022-06-30 - 来自专栏python全栈教程专栏
输出9*9口诀
输出9*9口诀 //题目：输出9*9口诀。 result=2*1 result= 2*2 //第三次打印 i=3 ,j=1,2,3 result=3*1 result=3*2 result=3*3 //一次类推 //第九次打印 i=9, j=1,2,3,4,5,6,7,8,9 result=9*1 9*2 9*3 9*4.........
51220发布于 2021-10-18 - 来自专栏网络收集
JavaScript（9）
在JavaScript中，可以使用indexOf() 方法可返回某个指定的字符串值在字符串中首次出现的位置。
53830编辑于 2022-04-05 - 来自专栏Michael阿明学习之路
移除 9（9进制）
题目 从 1 开始，移除所有包含数字 9 的所有整数，例如 9，19，29，…… 这样就获得了一个新的整数数列：1，2，3，4，5，6，7，8，10，11，…… 给定正整数 n，请你返回新数列中第 n 样例 1: 输入: 9 输出: 10 注释 ：n 不会超过 9 x 10^8。 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/remove-9 著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。 解题 答案就是 n 对应于9进制的数 class Solution { //C++ public: int newInteger(int n) { vector<int> nums; while(n) { nums.push_back(n%9); n /= 9; } int ans = 0; for(int i
57820发布于 2021-02-19 - 来自专栏CSDN技术博客
WebSphere9（was9）静默安装
was9安装与was8.5区别在于：was9安装时需要和JDK一起装，不能单独安装； 之前写过was8.5的静默安装博客https://blog.csdn.net/mfanoffice2012/article IBM SDK Java Technology Edition for Installation Manager consult the product documentation 8.5 与 9主要区别之处 /eclipse/tools/imcl install \ com.ibm.websphere.ND.v85_8.5.5000.20130514_1044 \ #was程序包小版本，此处注意与was9对比
2K20发布于 2021-08-10 - 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
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个软骨细胞； 图1B：UMAP降维鉴定11个软骨细胞亚群，包括9个已知群体和 （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 preHTC分4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 - 来自专栏程序猿DD
Java 9 - 17 特性解读：Java 9
所以胖哥抽时间梳理了一下从Java 9到Java 17的一些常用API的变动。今天先来看看Java 9 都有什么东西。 Java 9 Java 9 最大的变化就是引入了一个JShell和模块化，日常并没有用太多，所以今天不花时间在这些功能上面。 Java 9改善了这一现状，现在你可以： // [1, 2, 3, 4] List<Integer> integers = List.of(1, 2, 3, 4); // {1,2,3} Set<Integer 在Java 9中Stream进一步得到了加强。 ofNullable Stream<T> ofNullable(T t) 返回包含单个元素的顺序Stream ，如果非空，否则返回空Stream 。 总结 其实Java 9 还有一些底层的优化，不过对于普通开发者来说了解这些就够用了。上面几个特性，比较常用的就是静态不变集合、try-with-resources优化。
57930编辑于 2023-04-04 - 来自专栏一位计算机小白的学习日记
C:9-9题目：蛇形矩阵
比如一个3*3的蛇形方阵 3 2 1 4 9 8 5 6 7 二、解题思路： 分析题目： 1.该矩阵是一个方阵，填入矩阵内的值是从1开始的； 2.该矩阵的填充顺序是逆时针向内填充的。 循环条件num <= n * m，当填充的数字大于矩阵内元素总数时结束循环，比如说3*3的矩阵，当我们填充的数字num = 10 的时候，大于3*3 = 9；10不在填入矩阵内。
67510编辑于 2024-10-21 - 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 - 来自专栏科学计算
9 模块
模块是一些互相隔离的工作空间，用法上类似于Python中的库，在Python中导入库时，使用import * as *的方式，在Julia中，采用using或import导入要使用的模块
71010发布于 2020-06-30
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