細胞因子抗體芯片_第1頁
細胞因子抗體芯片_第2頁
細胞因子抗體芯片_第3頁
細胞因子抗體芯片_第4頁
全文預覽已結束

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、 上海豐核版權所有,未經(jīng)允許不得傳播??贵w芯片(Antibody microarray細胞因子抗體芯片介紹:細胞因子檢測是判斷機體免疫功能的一個重要指標,在疾病的診斷、病程觀察、療效判斷及細胞因子治療監(jiān)測方面有重要意義。細胞因子抗體芯片您可以同時檢測樣品中多種細胞因子的表達水平,可用于分析樣品之間相關細胞因子的相對表達豐度;還可以作為基因芯片的補充,用于研究細胞因子和基因表達之間的關系。公司的抗體芯片的分析服務包括差異挑選、聚類分析、PCA分析、預測模型構建、與基因芯片或其他蛋白質(zhì)芯片進行關聯(lián)分析等,以闡述芯片結果中隱藏的生物學意義項目一、聚類分析利用層次聚類算法,距離采用pearson相關系

2、數(shù),linkage采用average:圖例如下(部分 原始數(shù)據(jù)的聚類分析。顏色表示信號值的強度,由綠-黑-紅,信號值依次增加。從結果來看規(guī)律性不強。項目二、主成分分析(PCAPCA分析是一種降維技術,可以將高維的芯片數(shù)據(jù)投射到二維空間中。每一個樣本用二維空間的一個點來表示,相似的樣本所在的點將彼此靠近,因此我們可以通過PCA分析找到那些“離群”的樣本: 樣本的主成分分析(參見pca.emf。該圖橫坐標為第一主成分,縱坐標為第二主成分。每個樣本用一個散點表示。不同顏色表示不同的樣本分組。項目三、差異基因篩選利用ANOVA等統(tǒng)計分析方法, 統(tǒng)計不同分組之間的差異表達抗體。差異抗體如下圖例所示: Box plot(箱尾圖: 項目四、決策樹模型決策樹是指利用樹形結構來表示決策集合,是一種直觀的知識表示方法,同時也是高效的分類器.構造決策樹的主要思想是以信息論為工具,在各非葉結點選擇重要的屬性或?qū)傩越M,自上而下地分割訓練實例集,直到滿足某種終止條件。決策樹由一個根結點,若干葉結點和若干非葉結點構成。根結點對應于學習任務.每個葉結點都包含一個分類名。決策樹是模式識別的一種重要方法。其優(yōu)點在于規(guī)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論