- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术文章
Elabscience 新品mPTP 试剂盒让线粒体功能检测更精准高效
该试剂盒突破传统依赖膜电位变化的检测局限，提供了一种更为直接、特异的方法，可实现对mPTP开放的精准观测。 试剂盒提供离子霉素（Ionomycin）作为阳性对照使用，作用是诱导mPTP的开放，加入之后线粒体内的绿色荧光显著减弱，以验证检测系统的有效性和可靠性。 验证数据展示通过在293T和Hela细胞中分别进行流式细胞仪和荧光显微镜检测，结果显示试剂盒能够清晰区分mPTP的开放状态。) 线粒体膜电位检测试剂盒（JC-1）（E-CK-A301）用于监测线粒体膜电位变化，精准捕捉mPTP开放的下游效应。 货号产品名称E-BC-F064线粒体通透性转换孔（mPTP）荧光法检测测试盒E-BC-F008线粒体超氧化物荧光法测试盒E-CK-A301线粒体膜电位检测试剂盒(JC-1)以上是关于线粒体通透性转换孔（
28610编辑于 2025-11-24 - 来自专栏代谢检测试剂盒推文
Elabscience 线粒体通透性转换孔mPTP检测试剂盒覆盖多疾病机制与药物筛选！
内容概要Elabscience 推出的线粒体通透性转换孔（mPTP）荧光法检测试剂盒以高特异性荧光检测技术为核心，精准量化 mPTP 开放程度，为代谢疾病、细胞凋亡机制等研究提供可靠工具。 试剂盒采用 Calcein AM 荧光染色技术，搭配钙离子载体离子霉素作为对照诱导剂，可通过荧光信号强弱直观反映 mPTP 开放程度，检测结果准确且重复性强。 该试剂盒突破传统依赖膜电位变化的检测局限，提供了一种更为直接、特异的方法，可实现对mPTP开放的精准观测。 试剂盒提供离子霉素（Ionomycin）作为阳性对照使用，作用是诱导mPTP的开放，加入之后线粒体内的绿色荧光显著减弱，以验证检测系统的有效性和可靠性。 验证数据展示通过在293T和Hela细胞中分别进行流式细胞仪和荧光显微镜检测，结果显示试剂盒能够清晰区分mPTP的开放状态。
20610编辑于 2025-11-25 - 来自专栏生命科学
实验操作 | 帕金森病造模方法盘点 & 技巧全解析！| MedChemExpress (MCE)
： 黑质纹状体损伤: 造模成功后黑质和纹状体区域 TH 减少 (IHC, IF, WB 等方法都可以);大脑神经递质 DA, DOPAC, 5-HT, HVA 等减少 (可通过 HPLC 检测);黑质纹状体小胶质细胞 左图：在皮质区，注射 α-syn-PFFs 的大鼠检测到了一致比例的 p-α-syn+神经元。自发突触电流分析表明，背侧纹状体靶神经元中自发兴奋性突触后电流的频率增加，从而导致高谷氨酸能活动状态。 给药完 7 天后取材 (有文献表明急性给药后第7天黑质纹状体损伤达到稳定)[5]。 ][4][5]。 Chapter 5.[5] Rabaneda-Lombarte N, et al.
70810编辑于 2024-07-08 - 来自专栏生命科学
细胞转染、重组蛋白、荧光素酶检测试剂盒实验 | MedChemExpress
“六合心法”第三式 ■ 双荧光素酶报告基因检测试剂盒 (Renilla-Firefly Luciferase Dual Assay Kit) 荧光素酶是自然界中能够产生生物荧光的酶的总称，可催化荧光素氧化成氧化荧光素 目前最常见的荧光素酶是萤火虫荧光素酶 (Firefly luciferase) 和海肾荧光素酶 (Renilla luciferase)，前者用于荧光素酶报告基因的检测，后者则作为内参，消除细胞生长状态 、检测快捷、灵敏度高。 相关产品 PolyFast Transfection Reagent 高效低毒、操作简便、重复性好的转染试剂盒。可高效地对 DNA、RNA进行转染。 Renilla-Firefly Luciferase Dual Assay Kit 含有高纯度的 D-荧光素、腔肠素以及比例优化的反应缓冲液，实现哺乳动物细胞双萤光素酶报告基因检测。
47710编辑于 2023-03-03 别等 DNA 断裂才检测！Elabscience 线粒体膜电位检测试剂盒(JC-1) 捕捉凋亡初始瞬间
内容概要 Elabscience 线粒体膜电位检测试剂盒（JC-1）（货号：E-CK-A301）是一款基于荧光探针技术的细胞凋亡早期检测工具，依托 JC-1 探针随线粒体膜电位变化的荧光特性，可通过流式细胞仪或荧光显微镜快速检测细胞线粒体膜电位变化 产品介绍核心信息项目详情产品名称线粒体膜电位检测试剂盒（JC-1）货号E-CK-A301规格与价格20 Assays（¥260.00）、50 Assays（¥500.00）、100 Assays（¥800.00 实验中需通过 FITC 通道检测绿色荧光、PE 通道检测红色荧光，结合两种荧光信号的变化实现精准分析。 Elabscience线粒体膜电位检测试剂盒（JC-1）以其对线粒体膜电位的高敏感性，实现了凋亡早期的快速精准检测，40 分钟即可获得可靠结果。 无论是基础研究中的机制探索，还是药物研发中的活性筛选，这款经过 91 篇文献验证的试剂盒都能提供稳定支撑。
27010编辑于 2025-09-17Annexin V-FITC7-AAD细胞凋亡检测试剂盒原理及应用
试剂盒中的AnnexinV与绿色荧光染料FITC偶联，能够与凋亡细胞膜外侧的PS结合，通过流式细胞术或荧光显微镜检测FITC荧光信号，即可灵敏地识别出处于早期凋亡阶段的细胞。 三、试剂盒的核心优势与技术特点1.高灵敏度与特异性：AnnexinV对PS的高度特异性结合确保了早期凋亡检测的准确性，避免了非特异性信号的干扰。 5.活细胞分析能力：相较于碘化丙啶等传统染料，7-AAD对早期凋亡细胞的毒性较低，更利于进行活细胞分析。 5.干细胞与发育生物学：研究干细胞分化、组织发育或退化过程中的细胞凋亡事件。 六、总结与展望AnnexinV-FITC/7-AAD细胞凋亡检测试剂盒凭借其基于凋亡早期关键事件的检测原理、清晰的细胞分群能力以及操作的便捷性，已成为细胞凋亡研究中应用最广泛、最可靠的金标准方法之一。
18110编辑于 2026-02-04KRAS Q61H与cRAF结合检测试剂盒的技术解析
二、检测原理与技术基础KRASQ61H&cRAFBinding试剂盒的构建基于蛋白质相互作用分析的核心原理。 该技术路线的关键优势在于保留了KRAS蛋白的天然构象，使检测结果更接近生理状态下的相互作用特征。同时，试剂盒内配备的标准品与质控品确保了检测过程的稳定性和可重复性。 三、试剂盒核心组分的功能解析试剂盒的主要组分按其功能可分为捕获系统、检测系统和质控系统三个模块。 洗涤步骤应使用含0.1%Tween-20的缓冲液，洗涤次数以3-5次为宜，兼顾去除杂质与保留特异性结合复合物的平衡。 随着靶向KRAS突变体药物研发的深入，对蛋白质相互作用检测技术的需求将持续增长。未来试剂盒的优化方向包括提高检测通量、缩短操作周期以及实现定量检测的标准化。
11510编辑于 2026-02-28- 来自专栏生命科学
MCE | 靶向 cGAS-STING 通路或可治疗渐冻症
Masters 教授团队在 Cell 上发表了题为 TDP-43 Triggers Mitochondrial DNA Release via mPTP to Activate cGAS/STING in 并且还发现，mtDNA 通过 mPTP 释放，且依赖于电压依赖性阴离子通道 (VDAC1)。 (Cyclosporin A (CsA) 使或者 mPTP 失活，或 VDAC1 低聚反应抑制剂 VBIT-4 处理，都减少 mtDNA 的释放，抑制炎症信号的上调。) MedChemExpress） ■ 抑制 STING 可改善神经退行性病变 人类 ALS 相关 TDP-43 突变使小鼠脊髓、皮质和血液循环中 cGAS 信号分子 cGAMP 水平升高，皮质或脊髓的单细胞中的细胞溶质中检测到 该实验发现了 cGAS 是 ALS 中参与 TDP-43 相关神经炎症调节的重要免疫传感器，TDP-43 通过 mPTP 将 mtDNA 释放到细胞质中以激活 cGAS-STING 通路信号传导。
88920编辑于 2023-03-22 - 来自专栏燧机科技-视频AI智能分析
yolov5 摔倒检测 跌倒识别检测
摔倒检测跌倒识别检测基于YOLOv5技术来实现的图像识别，是计算机视觉的基础算法，例如VGG，GoogLeNet，ResNet等，这类算法主要是判断图片中目标的种类。 目标检测算法和图像识别算法类似，但是目标检测算法不仅要识别出图像中的物体，还需要获得图像中物体的大小和位置，使用坐标的形式表示出来。 图片mmpose不同于yolo，SSD等目标检测模型，在视频中进行关节点检测的速度要小于目标检测，即使在边缘计算的盒子上进行部署，也很难对人群进行大规模的关键点检测和判断，因此关键点检测常用于智能运动检测等小规模人群场景 ，图上所示是先使用yolo进行预判断图片openpose和其他关键点检测模型只是给出人体各个器官的点位坐标，而具体需要识别什么，就要自行通过这些坐标进行算法设计，比如引体向上计数，可以通过判断头部节点与肘部节点的坐标进行判断计数 ，对于摔倒，可以通过判断视频前后帧的头部，腰部等关节点进行检测，判断是否摔倒。
1.5K00编辑于 2022-12-05 TNF-αTNFR1信号通路机制及其在检测试剂盒开发中的应用
基于该通路的深入理解，TNF-α/TNFR1检测试剂盒已成为研究炎症机制、疾病诊断及药物开发的重要工具。 二、TNFR1信号传导的核心机制1.复合物I：促炎与促存活信号通路TNF-α诱导TNFR1三聚化后，募集TRADD、RIPK1、TRAF2/5及cIAP1/2等蛋白形成膜相关复合物I。 三、TNF-α/TNFR1检测试剂盒的开发与应用基于上述信号通路的分子基础，TNF-α/TNFR1检测试剂盒通常包含以下关键组分与设计原理：功能模块检测内容与方法1.检测靶标与形式-TNF-α检测：定量 针对该通路的检测试剂盒不仅为基础研究提供了标准化工具，也在疾病诊断、疗效监测及药物开发中展现出重要价值。 随着对信号调控网络理解的深入及检测技术的不断优化，TNF-α/TNFR1检测体系将在精准医疗与转化研究中发挥更广泛的作用。
18910编辑于 2026-01-22- 来自专栏生信技能树
miRNA体外诊断试剂盒可靠吗？
例如，Vazyme的miRNA试剂盒可在pg级的总RNA中检测到目标miRNA。TaqMan MicroRNA 检测试剂盒仅需1-10 ng总RNA即可进行检测。 低检出限：一些试剂盒的检出限较低，如10家三甲医院评估的7种miRNA检测试剂盒，其检出率均为100%，显示出高灵敏度。 特异性 高度特异性：许多试剂盒能够特异性地检测成熟miRNA，并区分高度同源的miRNA。例如，TaqMan MicroRNA 检测试剂盒仅定量成熟miRNA，区分前体miRNA。 精密度 重复性和稳定性：一些试剂盒表现出良好的重复性和稳定性。例如，10家三甲医院评估的7种miRNA检测试剂盒的精密度评估结果显示，其Ct值能达到试剂盒说明书中厂家声明的指标。 多领域应用：miRNA体外诊断试剂盒不仅在肝癌等疾病的诊断中表现出色，还可用于其他疾病的检测和研究，具有广泛的应用前景。 操作便捷性 操作简单快速：部分试剂盒操作简单，能够快速完成检测。
28210编辑于 2025-02-05 - 来自专栏量子位
清华官宣新冠快速检测试剂盒：30分钟出结果，克服假阴性问题
参与研发这款检测试剂盒的是清华大学药学院的白净卫、李寅青与医学院生物医学工程系的刘鹏。 ? △ 刘鹏（左）、白净卫（中）、李寅青（右） 为什么清华检测盒这么快？ 新冠病毒RNA检测过程是这样的。 白净卫表示，核酸检测PCR法利用传统的方式让样品扩增，一开始样品复制很快，但后期速度就递减，耗时太长。 而清华大学的检测试剂盒采用了巢式等温扩增（ITA）技术。 清华新研发的试剂盒对用19例新冠阳性患者样本进行了复合，结果全部可以检出。 操作简单的试剂盒 这项研究的另一位参与者刘鹏承担的任务是研发检测盒，他在医学院生医系一直从事微流控与生物芯片方面的研究工作。 有了试剂盒，检测病毒的操作将由“一体集成化微流控卡盒”集中完成。 下一步，该项目团队将验证试剂盒批量化生产的可行性，同时与医院合作，加快临床样本的验证。 未来，他们还将进行批量化检测卡盒研发，进行多样本检测，并将开发移动端 App，辅助用户使用和结果判读。
54230发布于 2020-06-01 - 来自专栏机器学习AI算法工程
YOLOv5：道路损伤检测
道路损伤检测任务是对几种道路损伤进行检测，不仅要分类出损伤类别，还要定位到损伤的位置，故实质是一个目标检测问题。 项目体验地址 https://loveai.tech IMSC团队(Hedge等，来自美国南加州大学和约旦德国约旦大学)，提出方法基于 ultralytics-YOLO (u-YOLO) [YOLOv5, ，而如果用每幅图像的检测时间来衡量，该方法在检测速度方面是最差的。
2.1K50发布于 2021-07-14 - 来自专栏机器学习AI算法工程
yolov5小目标检测-提高检测小目标的检测精度
向AI转型的程序员都关注了这个号 YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。 CSP结构； Neck网络：目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了FPN+PAN结构； Head输出层：输出层的锚框机制与YOLOv4相同，主要改进的是训练时的损失函数 YOLOv5的网络结构 github 链接 https://github.com/ultralytics/yolov5 下载之后按照其中的README.md文件进行配置和设置。 YOLOv5数据集的设置 对yolov5/data/buy.yaml文件进行配置 其中 1：yours数据集的根目录 2：代表生成yolo要求的txt文件 3: 提高小目标检测的基本思想 1、数据加强 2、滑动窗口检测：将图片分割为n个小区域分别检测，最后在concat成正常图像大小。本文也是主要介绍这种思想。
3K12编辑于 2024-02-05 - 来自专栏往期博文
【目标检测】YOLOv5分离检测和识别
前言 YOLO作为单阶段检测方法，可以直接端到端的输出目标对象位置和类别，而在一些大型无人机遥感等目标检测任务中，使用单阶段检测往往会产生类别预测错误的问题。 正好，YOLOv5-6.2版本提供了一个图像分类的网络，那么就可以借此将YOLOv5进行改造，分离检测和识别的过程。 然后运行detect.py，注意save-crop参数设为True，检测完之后，可以得到输出结果： 数据分类 下面进入到二阶段的图像分类的训练，在开始之前，需要拉取YOLOv5仓库的最新版本，注意不要拉取 总结 使用二阶段目标检测带来的明显好处是： 类别划分更加精准 对于虚检目标可以有效剔除 不过存在的问题是： 目标尺寸变化范围大时，很难确定输入图片的合适大小 对于图像边缘目标，容易造成误判 附录：YOLOv5s 使用python export.py --weight yolov5s.pt --include onnx将其转换成onnx格式后，可以用Netron打开查看其结构： 可以看到，yolov5s6在模型最后的输出部分新增了一个检测头
1.8K21编辑于 2022-11-14 - 来自专栏技术文章
覆盖多研究领域，Elabscience 新品CellaQuant™ ELISA 试剂盒赋能科研高效推进
针对这些难点，Elabscience®推出CellaQuant™ ELISA试剂盒，具有高灵敏、高特异、高稳定性的特点，让检测环节本身尽可能不再成为数据分析中的变量。 .双重质控体系内置质控品，严格遵循临床检测规范部分标准品可溯源NIBSC/WHO国标，保障数据全球可比性与认可度4.灵活高效，性价比出众本土化生产，快速供货支持 48T/96T/96T×5 多种规格，满足不同通量需求这些特性的背后 我们围绕常见的细胞实验场景，对试剂盒进行了多角度的性能验证。下面通过几组实验数据，与大家一同看看它在复杂样本中的实际检测效果。 多细胞模型验证图片展示为CellaQuantTM-人IL-6试剂盒（CQH001）在验证PBMC细胞刺激模型及多种常见细胞系中均表现出优异的检测性能，保证结果稳定可靠。图1. 使用CellaQuantTM-人IL-6试剂盒（CQH001）验证PBMC细胞刺激模型（上）及多种常见细胞系（下）检测结果回收率表现稳定在不同复杂度的细胞基质中，稀释与加标回收率稳定处于80%-120%
27910编辑于 2025-11-17 - 来自专栏往期博文
【目标检测】YOLOv5推理加速实验：图片批量检测
前言 上篇博文探究了一下多进程是否能够对YOLOv5模型推理起到加速作用，本篇主要来研究一下如果将图片批量送入网络中进行检测，是否能对网络的推理起到加速作用。 YOLOv5批量检测源码解析 YOLOv5在训练过程中是可以进行分批次训练(batch_size>1)，然而在默认的推理过程中，却没有预留batch_size的相关接口，仍然只是单张图一张张进行检测推理 实际进行检测的代码块在yolo.py文件中的_forward_once方法。 速度比较 下面使用RTX4090单卡进行速度测试，数据集选用VisDrone的部分数据，模型选择YOLOv5s： 测试结果如下表所示： 图片数量 直接检测花费时间(s) 批量检测花费时间(s) 100 从结果可见，批量检测并没有预期的速度提升，反而比直接单张检测更慢。估计这也是为什么官方不在detect中预留多个batch检测接口的原因。
3.1K30编辑于 2023-04-12 - 来自专栏机器学习AI算法工程
yolov5人脸检测，带关键点检测
代码说明： 1，在yolov5的检测基础上，加上关键点回归分支，请先下载yolov5的工程：https://github.com/ultralytics/yolov5 2，detect_one.py是单张图片的测试代码 hyp.scatch.yaml中增加关键点loss的超参数（landmark: 0.5） (2)yolo.py中增加了关键点回归的计算 (3)face_datasets.py为人脸数据的读取方式，准备数据的格式参考yolov5的格式 ，在后面增加关键点的坐标（归一化） (4) loss.py中增加关键点回归的loss计算 (5) 链接: https://pan.baidu.com/s/1zjPIF2NZ9CGtB2iUCox6hw 关于口罩人脸的问题： 1，增加口罩人脸这个类别，建议不要直接在检测分支中增加类别。 2，应该在关键点分支额外增加一个属性分支，接一个二分类，判断有没有戴口罩。
3.1K30发布于 2021-05-11 - 来自专栏YOLO大作战
YOLOv5改进： RT-DETR引入YOLOv5，neck和检测头助力检测
： YOLO 检测器有个较大的待改进点是需要 NMS 后处理，其通常难以优化且不够鲁棒，因此检测器的速度存在延迟。 为避免该问题，我们将目光移向了不需要 NMS 后处理的 DETR，一种基于 Transformer 的端到端目标检测器。 然而，相比于 YOLO 系列检测器，DETR 系列检测器的速度要慢的多，这使得"无需 NMS "并未在速度上体现出优势。 上述问题促使我们针对实时的端到端检测器进行探索，旨在基于 DETR 的优秀架构设计一个全新的实时检测器，从根源上解决 NMS 对实时检测器带来的速度延迟问题。 1, 1, SPPF, [1024, 5]], # 9 ] # YOLOv5 v6.0 head head: [ [-1, 1, Conv, [256, 1, 1, None, 1, 1,
2.1K10编辑于 2023-12-17 - 来自专栏生命科学
CCK-8试剂盒 | MedChemExpress
关于细胞活性检测，常常是科研小伙伴们心头绕不开的坎儿：传统的MTT法？——好繁琐！想换更简便的CCK-8试剂盒？——进口太贵！便宜一些的小品牌CCK-8？——质量不稳定！不做检测了？ ——呵呵……科研的梦想总还是要坚持的，以上的烦恼，试试用MCE的CCK-8试剂盒来解决吧！ 产品介绍Cell Counting Kit-8，简称CCK-8试剂盒或CCK8试剂盒，是一种基于WST-8而广泛应用于细胞增殖和细胞毒性的快速、高灵敏度、无放射性的比色检测试剂盒。 对比传统的MTT法，CCK-8试剂盒具有以下优势：CCK-8应用：本试剂盒可以用于细胞因子等诱导的细胞增殖检测，也可以用于抗癌药物等对细胞有毒试剂诱导的细胞毒性检测，或一些药物诱导的细胞生长抑制检测。
46520编辑于 2023-01-12
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