精华内容
下载资源
问答
  • elispot实验步骤

    2021-01-26 15:24:47
    ELISPOT 实验步骤 准备实验,建立好 plate 布局,至少用 3 个复孔来测试每一个条件,用 4~6 个复孔来优化阴性对照。 第 1 天 A. 准备 ELISPOT plate(需要无菌条件) 1. 使用无菌的 pH 7.4 的无钙镁离子的 1 ×...

    推荐阅读:

    《ELISPOT酶联免疫斑点技术技术说明》

     

    ELISPOT 实验步骤

    准备实验,建立好 plate 布局,至少用 3 个复孔来测试每一个条件,用 4~6 个复孔来优化阴性对照。

    第 1 天

    A. 准备 ELISPOT plate(需要无菌条件

    1. 使用无菌的 pH 7.4 的无钙镁离子的 1 × PBS(即 DPBS)(0.22 μm 滤器过滤)稀释包被抗体(cat:3420-2H,Mabtech)(1-D1K:1 mg/ml)至 15 μg/ml(1.5 μg/100 μl)。

    2. 取出 Millipore 96-well PVDF ELISPOT plate(cat:MSIPS4510,Millipore),每孔加入 15 μl 35% 乙醇处理 2 min。

    3. 无菌水(0.22 μm 滤器过滤)清洗 plate 5 遍,每次每孔加入 200 μl。

    4. 最后一遍弃掉液体后,轻轻在无菌纸上扣干(注意:一定要轻,以防损伤 PVDF 膜)。

    5. 每孔加入 100 μl 步骤 1 稀释的 1-D1K 抗体溶液,4~8 ℃ 孵育过夜。

    第 2 天

    B. 在 plate 中培养细胞(需要无菌条件)

    6. 准备细胞。

    如果是液氮冻存的细胞,复苏后计数,然后在 37 ℃,5% CO2条件下使得细胞恢复以达到一个较高的密度。

    注意:culture medium 中的 serum 要预测试其合适性,因为 serum 的选择极大影响背景反应水平和细胞的总体反应。

    7. 准备刺激物。

    ELISPOT 实验应该有的 control:

    Con1:只有细胞 cell alone for background reactivity。

    Con2:只有培养基 medium alone for false positive spots。

    Con3:细胞和丝裂原(如 PHA)cell plus motigen for overall assay functionality。

    Con4:细胞和对照多肽库 cell plus control peptide pool for internal sample control。

    Con5:外部趋势对照,1~2 个参照样品用以测试培养基,对照抗原和丝裂原 external trending control, typically consisting of 1–2 reference samples tested against medium alone, a control antigen (e.g., peptide pool against which those samples exhibit a detectable response) and mitogen。

    Positive control:CEF peptide pool 和 PHA 刺激。

    CEF peptide pool(cat:PM-CEF-E,JPT):先用纯的 DMSO(40 μl)溶解,再用 1 × PBS 稀释到终浓度,DMSO 的终浓度必须小于 1%,以免细胞毒性。

    PHA:先加 1 ml 无菌的 DPBS 或者细胞培养基到 5 mg 的 PHA 凝集素中,轻轻混匀溶解,使用之前再用无菌的 buffer 稀释到所需的工作液浓度。注意不要过滤以免损失。

    CEF peptide pool 和 PHA 要稀释到 2 × 的终浓度。

    Negative control:培养基 +DMSO,DMSO 浓度和 CEF peptide pool 中终浓度一致。

    8. 去除 plate 中的抗体,无菌 PBS 清洗 plate 5 遍,每次每孔 200 μl。

    9. 最后一遍弃掉液体后,轻轻在无菌纸上扣干。

    10. 封闭 plate:每孔加入 200 μl 1% BSA(0.22 μm 滤器过滤),室温孵育至少 30 min。

    11. 去除封闭液,加入 50 μl CEF peptide pool,PHA,阴性对照和刺激物到合适的孔中。

    12. Gently 铺板细胞,每孔 50 μl culture medium,2~4 × 105 cell/ml(具体的细胞数目需要做梯度摸索),轻拍板的边缘使得细胞均匀铺开,然后放入培养箱,37 ℃,5% CO2培养 16~20 h。

    注意 1:步骤 11 和 步骤 12 可以合为一步,即先把细胞和刺激物混匀后再加入对应的孔中。

    注意 2:培养期间不要移动 plate,并且采取措施防止蒸发,可以使用铝箔纸包裹 plate。

    第 3 天

    13. 去除 plate well 中的细胞,然后用 PBS+ 0.05% Tween-20 清洗 well 4~6 遍以完全去除细胞,每次 200 μl。

    注意:细胞去除不完全会破坏 spot 的形成。

    14. 用 0.5% BSA in 1 × PBS 或者 0.5% FCS(胎牛血清)in 1 × PBS 稀释生物素标记的检测抗体 7-B6-1-biotin 至 1 μg/ml,再用 0.22 μm 低蛋白结合的滤器过滤,然后每孔加入 100 μl,37 ℃ 孵育至少 2 h。

    15. 清洗 plate well,参考步骤 3(第 2 天)。

    16. 用 0.5% BSA in 1 × PBS 或者 0.5% FCS(胎牛血清)in 1 × PBS 稀释链霉亲和素 -HRP(streptavidin-HRP),每孔加入 100 μl,室温孵育至少 1 h。

    注意 1:根据显色底物来决定过氧化物酶结合物(peroxidase conjugate)的稀释度。 底物为 AEC,推荐 1:100 稀释度。底物为 TMB,推荐 1:500~1:1000 稀释度。

    注意 2:HRP 结合物(HRP-conjugates)不能在含有叠氮化钠的 buffer 中使用,因为叠氮化钠会抑制酶的活性。

    17. 使用 1 × PBS 清洗 plate well 4~6 遍,每次 200 μl。

    注意:不要使用带有 Tween-20 的 washing buffer,因为 Tween-20 会干扰 spot 的形成。

    18. 加入底物 TMB,每孔 100 μl,直至清晰的 spots 出现。

    注意:底物 AEC/TMB 稀释后要用 0.45 μm 滤膜过滤。

    19. 用去离子水来终止显色反应。

    20. 去除 plate underdrain 上所有多余的液体,用纸巾将孔的背部彻底擦干。

    注意:残留的底物会引起孔中的色斑。

    21. plate 在黑暗环境中过夜,彻底晾干。

    22. 使用 ELISPOT reader 观察计数。

    ELISPOT reader 使用方法

    读板

    1. 开机:先开 ELISPOT reader,再开电脑。

    2. 选择 CTL。

    3. 选择扫描软件,即 capture。

    4. 进入扫描向导模式,选择 plate 类型,MSIP45。

    5. 选择保存路径,可以修改。

    6. 点击 eject,弹出载物台,放好 plate。

    注意:板子的 A1 孔要和载物台的 A1 位置对准,然后在弹出的对话框中命名,点击 load。

    7. 点击 Preselect Wells,可以选择列-column,行-row,单孔-single。

    8. 修改曝光时间:退出向导,点击 preference,这里有仪器的全部设置。点击 image capture setting,在 exposure setting 里,勾选 modify exposure time,然后可以修改曝光时间。

    9. 选择 auto center for each well,即相机镜头自动对准样品孔。

    10. 点击 start,开始读板。

    分析

    1. 点击分析软件。

    2. 进入选择界面。左边一栏:选择斑点类型,Normal:背景比较干净的;Normal diffuse:斑点弥散,有点背景的;中间一栏:counting module,一般选择智能计数—smart count;右边一栏:质控-quality control。

    3. 点击 Smart count。

    ① 选择板子—load plate

    ② 定义计数参数—define counting parameter

    1. 测试斑点识别的精度,即双击需要识别的孔即可。

    2. 斑点识别的是否精确,否的话需要调节参数,Diffuse processing,有 small,large 等可选;在出现白斑的情况下勾选 fill holes 选项;调大 spot separation 可以使连接的斑点分离;勾选 hair removal 可以去除头发丝状杂质;调小 count area 可以去掉已经选中的孔边缘深色非斑点部分;勾选 normalize counts 可以根据斑点的平均分布估算红圈外未选中区域的斑点个数,未勾选则完全删除红圈外的斑点个数,数字后会有一个 *,* 代表有估算的内容在内。

    3. 点击 BACK,回到原来界面。

    ③ 设置阈值-gating

    1. 收集阳性孔斑点—collect POS Wells,点击阳性孔,孔上会出现 P 的标记,然后点击 finish。

    2. 收集阴性孔斑点—collect Neg Wells,点击阴性孔,孔上会出现 N 的标记,然后点击 finish。

    3. 点击 auto-adjust,机器会自动设置阈值。如果阴性孔没有斑点,直接在阳性孔上调节阈值。白色圆圈代表非特异性斑点,其大小在最小阈值以下。

    4. 点击 start autocount,开始计数。

    质控

    1. 点击质控—quality control。

    2. 点击 add plates,选择添加板子后,观察板子状态,如果为计数,则状态为 scan,如果已经计过数,则状态为 counted。

    3. 点击 start,开始质控。

    4. 处理有问题的孔,最好每个孔都看一遍。

    5. 双击要处理的孔。

    ① 降低灵敏度,然后点击 count,可以去除一些杂质。

    注意:调节灵敏度会使一些颜色较浅的信号斑点消失。

    ② 删除斑点:高级设置 advanced setting—去除斑点 audit spots,然后点击 count,双击选中的杂质斑点,右击选择 YES 即可删除杂质斑点。删除的斑点系统自动用黑色圆圈圈上。

    ③ 删除区域:高级设置 advanced setting—手动模式 manual mode,然后点击 count,这时可以画圈选取不想要的区域,然后右击闭合,即可选中。

    点击 manual mode 旁边的 setting,可以在 manual 中选中 normalize,ignore 等选项,normalize 即选圈中的部分仍然技术,ignore 则为忽略不计数。

    ④ zero:适用于全部阴性孔,可全部删除杂质。

    ⑤ TNTC:too numerous to count,即斑点太多而无法计数,需要下次实验调整细胞数目。

    6. 点击 finish to next plate 即完成一块板子。

    展开全文
  • MTT 实验步骤

    千次阅读 2019-11-25 16:03:00
    MTT 实验步骤 MTT: 3-(4,5-dimethyl-2-thiazolyl)-2,5-diphenyl-2-H-tetrazolium bromide,汉语化学名为 3-(4, 5-二甲基噻唑-2)-2, 5- 二苯基四氮唑溴盐,商品名:噻唑蓝。 原理: MTT比色法,是一种检测细胞存活...

    MTT 实验步骤

    MTT: 3-(4,5-dimethyl-2-thiazolyl)-2,5-diphenyl-2-H-tetrazolium bromide汉语化学名为 3-(4, 5-二甲基噻唑-2)-2, 5- 二苯基四氮唑溴盐,商品名:噻唑蓝。

    • 原理:

    MTT比色法,是一种检测细胞存活和生长的方法。其检测原理为活细胞线粒体中的琥珀酸脱氢酶能使外源性MTT还原为水不溶性的蓝紫色结晶甲瓒( Formazan)并沉积在细胞中,而死细胞无此功能。

    MTT 是一种接受氢离子的染料,可作用于活细胞线粒体中的呼吸链,在琥珀酸脱氢酶细胞色素 C 的作用下,生成蓝色的 formazan 结晶。二甲基亚砜(DMSO)能溶解细胞中的甲瓒,用酶联免疫检测仪在490 nm波长处测定其光吸收值,可间接反映活细胞数量。在一定细胞数范围内,MTT结晶形成的量与细胞数成正比。

    • 细胞存活率细胞密度:每孔5000-10000个,每孔100 uL,即(5~10)×104/mL
    • 保证实验结果的线性,MTT 吸光度最好在0-0.8 范围内,(阴性组在0.8-1.2, 加药组在0-0.7
    • 调零孔(培养基、MTT 、二甲基亚砜)对照孔(细胞、相同浓度的药物溶解介质、培养液、MTT、二甲基亚砜),扣除材料背景(细胞、不同浓度的药物、培养液、二甲基亚砜)。
    1. 铺板:
    1. 消化细胞,吹散,取100 uL+300 uL PBS (稀释4倍)进行细胞计数,得到*×104/mL算出稀释倍数,配成8 mL细胞悬液1mL枪混匀。
    2. 每个孔100 uL,从上到下,从左到右加入细胞悬液。
    3. 边缘孔用PBS填充,放至培养箱。
    1. 加材料

    材料储存:j干粉状,用时直接称量所需要的质量

              k离心完的沉淀,(平行做一管称质量),分散到20 ul H2O/PBS到1 mL 所需浓度

              l离心完的沉淀, 用时直接分散到DMEM(+)使用。

              m离心完的沉淀, 用时直接分散到DMEM(-)使用,适用于材料在有血清的培养基中不稳定的,加到细胞培养板中4h后换有血清的DMEM(+)

    材料母液浓度:离心完的沉淀,一管,分散到250 uL H2O,得浓度6400 ug/mL,,超声均匀, 取30 uL配成160 ug/mL 1200 uL。(材料大浓度用含血清的培养基稀释40倍,含水量2.5%)

    1. 配制不同浓度的材料(12.5, 25, 50, 100, 200, 400, 800 ug/mL或者2.5, 5, 10, 20, 40, 80, 160 ug/mL),每种浓度最终至少600 uL,由160 ug/mL材料 1200 uL逐级稀释得到。
    2. 泵吸走培养基,吸完一列加一列材料。最后吸走对照组培养基。
    3. 每孔加100 uL,一列同浓度,从左到右浓度由低到高,对照组加100 uL DMEM(+)。
    1. 加MTT
    1. 配制5 mg/mL MTT(溶于PBS),配制10 mL过滤后(0.22 um滤头)分装到EP管(每个1mL),避光储存到-20℃。每孔加入10 uL, 孵育4 h, MTT对光敏感,需用锡箔纸包住,对菌敏感。孵育4h。

    备:如果材料有影响,泵吸去培养基,排枪加PBS 100 uL洗去材料,洗3次,泵吸去PBS,将MTT稀释10倍(700 uL+6300 uL DMEM(-)),每孔加入100 uL, 孵育4h。MTT用完放回(剩约300 uL, 集齐3管可一次使用)

    1. 加DMSO
    1. 用泵吸去MTT,用排枪在每孔加入150 uL DMSO,摇床振荡10 min, 振荡速度为50,20 min,测490 nm, 570 nm吸光度值。

    材料浓度范围一定要宽,治疗效果,细胞密度一定要低,2000个/孔,对照组吸光度0.60

     

     

    • 布板
    • 细胞计数:

    细胞数/mL=4个大格细胞总数/4×104×稀释倍数

    操作步骤:

    1.取100 ul细胞悬液与300 ul PBS混合均匀于1.5 ml离心管中。

    2.盖上盖玻片,取10ul混合液自盖玻片边缘加入,于10倍生物显微镜下观察。

    3.分别计数四个大方格,得到细胞总数,再除以4,乘以稀释倍数(本实验为4),最后乘以104,即为每mL细胞悬液中细胞数。若细胞位于线上,只记左侧和上方的

     

    注:

    1.细胞数/ml=4大格细胞总数×稀释倍数×104/4;每一大格的体积为=0.1cm×0.1cm×0.01cm=10-4ml

    2.计数板计数时,最适细胞浓度为(50~100)×104个/mL,此范围外计数误差偏大。
    3.高浓度细胞悬液,可取出部分作稀释或连续稀释后计数。

    展开全文
  • 这周接到一个活,因为某个课题研究需要,须把脑卒中患者的名单和一份健康人(对照)名单按照”性别相同,乡镇地址相同,年龄相差3岁以内“作为匹配条件进行1:1的匹配,现将思考及实现的过程逐一记录并在此分享,希望...

    这周接到一个活,因为某个课题研究需要,须把脑卒中患者的名单和一份健康人(对照)名单按照”性别相同,乡镇地址相同,年龄相差3岁以内“作为匹配条件进行1:1的匹配,现将思考及实现的过程逐一记录并在此分享,希望能给大家有所借鉴与帮助。

    拿到这份数据后首要的工作是熟悉数据和提取关键信息。这两份数据都是保存于Excel中的单表结构的数据(没有复杂的表关联),脑卒中患者1300多条,健康人8200多条,做1:1匹配绰绰有余;主索引采用身份证号,关键信息有”姓名、性别、年龄和乡镇地址“。然后考虑输出的结果的格式,Excel,表单中列入脑卒中患者的全部数据,最后增加一列存放匹配的对照者身份证号。

    接下来开始动手编程,第一步引用pandas导入数据。其中路径前的"r"和中文前的"u"不可少,可能是因为我还在用Python2的关系。

    # -*- coding: gbk -*-
    #!/usr/bin/env python
    # __author__ = 'PanJin'
    
    import pandas as pd
    case=pd.read_excel(r'D:\并发症数据库(实验室检测筛选).xls',sheet_name=u'心脑')
    ctrl=pd.read_excel(r'D:\并发症数据库(实验室检测筛选).xls',sheet_name=u'对照(不包含肿瘤)')
    

    动手分析之前一直有个担心,作为索引的身份证号是否会有重复的记录,果然我的担心应验了,查重发现健康个案的身份证号有4组是重复的(在Excel里用公式查的,所以没有上代码),同时发现8000多人中有部分因为失访,检查结果有大量缺失,于是和重复的身份证号进行了删除。(代码中的身份证号进行了脱敏处理)

    ctrl_=ctrl[(ctrl.sfzh !='33042119320221####') & (ctrl.sfzh !='33072219560522####') & (ctrl.sfzh !='33042119381031####') & (ctrl.sfzh !='33042119390824####') & (ctrl.HDLC2 !='#NULL!')]
    

    刚开始打算用pandas里的merge直接解决战斗的,但是发现问题想的太简单了,因为根据匹配条件”性别相同,乡镇地址相同,年龄相差3岁以内“,直接merge的结果一定会有很多一对多甚至多对多的笛卡尔积产生,而对这些笛卡尔积好像没有太好的自动化处理方案,因此我在开始就放弃了这种尝试。所以我的计划是采用Python里的for循环来解决。

    解题思路如下:

    首先从脑卒中患者清单中取第一条,在健康对照中按条件匹配所有适合的名单,然后取第一条(或者调用random函数来随机一下),已匹配的健康对照从大名单中删除,然后进行再取第二条脑卒中患者重复以上过程直至循环到最后。最终将形成3个名单,1.匹配完成名单;2.患者未匹配名单;3.健康对照未匹配名单。

    另外考虑匹配优化的问题,我把这个循环分成了两轮,第一轮中匹配条件为”性别相同,乡镇地址相同,年龄相等“,第二轮中为”性别相同,乡镇地址相同,年龄相差3岁以内“,这样能保证条件接近的健康对象优先进入匹配。

    接下来是实现的步骤:

    首先确定能取到数据库里的目标值,这个步骤很重要,Python中取值是件很头疼的事情,数据格式有很多种,在Pandas里有DataFrame、Series,另外还有list、object等格式,只时候看起来是一个单个的值,但是却不能直接做比较,因此通过取值调试,可以发现并处理很多编码过程中的错误。

    name=case['name'].values[0]
    sfzh=case['sfzh'].values[0]
    sex=case['sex'].values[0]
    age=case['age'].values[0]
    xz=case['xz'].values[0]
    # 取值
    In[1]
    print name
    print sfzh
    print sex
    print age
    print xz
    
    Out[1]
    蒋*英
    3304211941########
    2
    75
    西塘

    按照以上的取值,在对照中寻找匹配记录。

    In[2]
    print ctrl_[(ctrl_.sex==2) & (ctrl_.age==age) & (ctrl_.xz==xz)]
    Out[2]
    
         area name                sfzh  ...   GLU2   TC2  LDLC2
    1115   js  吕*英  3304111941########  ...      0     5      2
    2039   js  彭*花  3304211941########  ...      0  3.74   1.52
    ...
    7028   js  孔*花  3304211941########  ...      0  4.21   1.75
    
    [9 rows x 43 columns]
    

    将具体值替换为代码,同时取第一条匹配记录,并对身份证号取值。

    In[3]
    print ctrl_[(ctrl_.sex==case['sex'].values[0]) & (ctrl_.age==case['age'].values[0]) & (ctrl_.xz==case['xz'].values[0])]['sfzh'].values[0]
    Out[3]
    3304111941########

    取值成功后,进入For循环的编写。迭代变量设定为i,在case.index范围内进行,逐条取脑卒中患者记录,通过之前的取值程序算出匹配对照的身份证号,写入该患者记录最后一个字段,然后放入case_match中,匹配过的对照按照身份证号从ctrl_里删去。为了调试过程中能看到每一步产出的结果,对temp和aa两个中间变量进行了print。具体代码如下:

    case_match=case.iloc[:0]#建立空匹配库
    for i in case.index:
        temp=case.iloc[i]
        print temp
        aa=ctrl_[(ctrl_.sex==case['sex'].values[i]) & (ctrl_.age==case['age'].values[i]) & (ctrl_.xz==case['xz'].values[i])]['sfzh'].values[0]
        print aa
        temp['ctrl_sfzh']=aa
        case_match=case_match.append(temp,ignore_index=True,sort=False)#拼接匹配完成库
        ctrl_=ctrl_[ctrl_.sfzh !=aa]#删去已匹配对照记录
    

    跑的过程中发现,出现了中断,报错记录显示取到了空值,核实数据库后发现,原来是有脑卒中患者找不到合适的匹配记录。

    Traceback (most recent call last):
      File "D:/work/ʡ����/���?��߹�����Ŀ/2018��ʵ�����������/case_match.py", line 29, in <module>
        aa=ctrl_[(ctrl_.sex==case['sex'].values[i]) & (ctrl_.age==case['age'].values[i]) & (ctrl_.xz==case['xz'].values[i])]['sfzh'].values[0]
    IndexError: index 0 is out of bounds for axis 0 with size 0

    这个坎是绕不过去了,只能求助于try.....except了,try部分里放的是正常的流程,except IndexError表明报错的时候运行以下的程序,把无法匹配的脑卒中患者记录放入另外的一个库case_remain里,问题完美解决!看着一行行print的结果,真是赏心悦目啊。

    case_match=case.iloc[:0]
    case_remain=case.iloc[:0]
    for i in case.index:
        temp=case.iloc[i]
    #     print temp
        try:
            aa=ctrl_[(ctrl_.sex==case['sex'].values[i]) & (ctrl_.age==case['age'].values[i]) & (ctrl_.xz==case['xz'].values[i])]['sfzh'].values[0]
            print aa
            temp['ctrl_sfzh']=aa
            case_match=case_match.append(temp,ignore_index=True,sort=False)
            ctrl_=ctrl_[ctrl_.sfzh !=aa]
        except IndexError:
            case_remain=case_remain.append(temp,ignore_index=True,sort=False)

    有了一次的成功经验后,下一个循环就照猫画虎了,但是要注意数据库命名的时候不要重复了,引用不要出错。

    case_match2=case.iloc[:0]
    case_remain2=case.iloc[:0]
    for i in case_remain.index:
        temp=case_remain.iloc[i]
    #     print temp
        try:
            aa=ctrl_[(ctrl_.sex==case_remain['sex'].values[i]) & (abs(ctrl_.age-case_remain['age'].values[i])<=3) & (ctrl_.xz==case_remain['xz'].values[i])]['sfzh'].values[0]
            print aa
            temp['ctrl_sfzh']=aa
            case_match2=case_match2.append(temp,ignore_index=True,sort=False)
            ctrl_=ctrl_[ctrl_.sfzh !=aa]
        except IndexError:
            case_remain2=case_remain2.append(temp,ignore_index=True,sort=False)

    最后把结果导出到Excel,大功告成!!

    case_match.to_excel(r'D:\case_match.xls')
    case_match2.to_excel(r'D:\case_match2.xls')
    case_remain2.to_excel(r'D:\case_remain2.xls')
    ctrl_.to_excel(r'D:\ctrl_remain.xls')

    总结一下本次编程的体会,搞清楚任务目标后的第一步是熟悉数据库结构,找到关键及核心字段,数据的前期清理也很重要(去重、缺失值的删除/填充);然后是关键及核心字段的取值,先单条再批量,取值结果随时print,这些都是好习惯,不要怕设置中间变量,中间变量多了约容易发现问题,并不是所有人一开始都能写个一长串多重嵌套的代码的,用完的中间变量和调试程序可以用注释语句给标注掉;For循环是个好工具,try....except也能帮你解决好多问题;最后感言一下,“文章不厌百回改,代码不厌百回调”,对于刚入门和生手来说,写代码肯定是个很纠结的过程,会踩各种坑,会碰到各种报错,但解决后程序顺利跑完的成就感是无法言表的。刚开始代码长没关系,结构乱也没关系,只要能跑出需要的结果就行。每当你回头对之前写的代码各种嫌弃的时候,恭喜你的编码能力成长了!最后po整个程序的最终完成版。

    # -*- coding: gbk -*-
    #!/usr/bin/env python
    # __author__ = 'PanJin'
    
    import pandas as pd
    case=pd.read_excel(r'D:\并发症数据库(实验室检测筛选).xls',sheet_name=u'心脑')
    ctrl=pd.read_excel(r'D:\并发症数据库(实验室检测筛选).xls',sheet_name=u'对照(不包含肿瘤)')
    ctrl_=ctrl[(ctrl.sfzh !='3304211932########') & (ctrl.sfzh !='3307221956########') & (ctrl.sfzh !='3304211938########') & (ctrl.sfzh !='3304211939########') & (ctrl.HDLC2 !='#NULL!')]
    # 删除身份证号重复和检查结果缺失的记录
    
    # name=case['name'].values[1]
    # sfzh=case['sfzh'].values[1]
    # sex=case['sex'].values[1]
    # age=case['age'].values[1]
    # xz=case['xz'].values[1]
    # # 取值
    # print name
    # print sfzh
    # print sex
    # print age
    # print xz
    # print ctrl_[(ctrl_.sex==case['sex'].values[0]) & (ctrl_.age==case['age'].values[0]) & (ctrl_.xz==case['xz'].values[0])]['sfzh'].values[0]
    
    case_match=case.iloc[:0]
    case_remain=case.iloc[:0]
    for i in case.index:
        temp=case.iloc[i]
    #     print temp
        try:
            aa=ctrl_[(ctrl_.sex==case['sex'].values[i]) & (ctrl_.age==case['age'].values[i]) & (ctrl_.xz==case['xz'].values[i])]['sfzh'].values[0]
            print aa
            temp['ctrl_sfzh']=aa
            case_match=case_match.append(temp,ignore_index=True,sort=False)
            ctrl_=ctrl_[ctrl_.sfzh !=aa]
        except IndexError:
            case_remain=case_remain.append(temp,ignore_index=True,sort=False)
    
    
    case_match2=case.iloc[:0]
    case_remain2=case.iloc[:0]
    for i in case_remain.index:
        temp=case_remain.iloc[i]
    #     print temp
        try:
            aa=ctrl_[(ctrl_.sex==case_remain['sex'].values[i]) & (abs(ctrl_.age-case_remain['age'].values[i])<=3) & (ctrl_.xz==case_remain['xz'].values[i])]['sfzh'].values[0]
            print aa
            temp['ctrl_sfzh']=aa
            case_match2=case_match2.append(temp,ignore_index=True,sort=False)
            ctrl_=ctrl_[ctrl_.sfzh !=aa]
        except IndexError:
            case_remain2=case_remain2.append(temp,ignore_index=True,sort=False)
    
    case_match.to_excel(r'D:\case_match.xls')
    case_match2.to_excel(r'D:\case_match2.xls')
    case_remain2.to_excel(r'D:\case_remain2.xls')
    ctrl_.to_excel(r'D:\ctrl_remain.xls')
    

     

    转载于:https://my.oschina.net/facewall123/blog/3059514

    展开全文
  • 帮助OPNET初学者入门提高,里面包括建模的例子,可以对照学习。
  • 1.本实验的原理是将标本安装在特定的容器中,保持标本的松弛度在可控范围内,在标本上方加入一定量的含有枯草芽孢杆菌的滑石粉,通过气动球振荡器使标本以一定的频率振动,被污染的滑石粉会穿透标本落入底部的培养皿...

    1.阻干态微生物穿透仪概述:
    所谓阻干态微生物穿透仪是指在干燥条件下,通过空气运动和机械振动的物理综合作用,微生物会随着干燥的有机或无机颗粒,如携带病菌的皮屑、布纤维和空气中的颗粒等,渗透到阻隔材料中。因此,有必要控制手术衣和手术片的穿透性能,提高手术衣和手术片的防护性能。
    二、抗干燥微生物试验的原理:
    1.本实验的原理是将标本安装在特定的容器中,保持标本的松弛度在可控范围内,在标本上方加入一定量的含有枯草芽孢杆菌的滑石粉,通过气动球振荡器使标本以一定的频率振动,被污染的滑石粉会穿透标本落入底部的培养皿中,然后在培养皿上进行恒温培养,对检测结果进行计数。
    2.用渗透测试仪测试时,将样品分别固定在容器上。在这些容器中,用几个装有枯草芽孢杆菌滑石粉的容器和一个装有未感染滑石粉的容器作为对照。
    3.在每个容器的底部,在时间下方一小段距离处插入一个培养皿。支撑容器的设备通过气体球振荡器振荡,所有穿透样品的滑石粉落在培养皿上,将培养皿取出。通过计数生长的菌落来评价实验结果。
    三.特点:
    1.设计可靠,测试稳定。
    2.前开关玻璃门便于实验人员观察和操作。
    3.高度可调的可拆卸支架。
    4.支撑和移动两用脚轮。
    5.负压实验系统,配有风机排风系统和高效进出风过滤器,确保操作人员安全。
    6.嵌入式高速工业微机控制。
    7.带有软件参数校准和自动故障检测的专用操作软件。
    总结:这里分享了耐干燥微生物试验的原理和特点。看完这篇文章,你应该有了基本的知识和了解。相信大家都懂!总的来说,希望对大家有帮助。

    展开全文
  • 否则,就要重新对照原理图检查实验,找出错误,重新验证读数。 九、设计心得、体会: 这次课程设计我获益良多,平时我们能见到的都是计算机的外部结构,在计算机组成原理的学习中,逐步对计算机的内部结构有了一些...
  • 调试Linux0.11,试验步骤总结(简化版)

    千次阅读 2009-03-27 10:55:00
    本总结力求简化,目标能够自己创建linux0.11硬盘镜像、自己创建跟文件系统、替换...详细的内容可以对照clk-ch14-expriment.pdf。步骤:1. 准备windows下实验环境: 安装vmware,在vmware上安装fedora;安装Bochs-2.1.1;
  • 将标记好的细胞接种到实验动物体内后,当外源(腹腔或静脉注射)给予其底物荧光素(luciferin),即可在几分钟内产生发光现象。这种酶在ATP,氧存在的条件下,催化荧光素的氧化反应才可以发光,因此只有在活细胞内才会...
  • meta分析一般步骤

    万次阅读 多人点赞 2018-07-26 16:42:57
    非随机对照实验性研究的质量评价工具:MINORS条目、Reisch评价工具、TREND声明。 4. 诊断性研究:QUADAS工具、CASP清单、STARD声明。 5. 动物试验:STAIR清单、CAMARADES清单、ARRIV指南。 第五步:数据整合 系统...
  • 【STM32】SPI的基本原理、库函数(SPI一般步骤

    万次阅读 多人点赞 2018-05-16 14:51:34
    下面对照一个SPI单主机与单从机连接图,理解其内部工作机制: 硬件上为4根线; 主机和从机都有一个串行移位寄存器,主机通过向它的SPI串行寄存器写入一个字节来发起一次传输; 串行移位寄存器通过MOSI...
  • VMP脱壳步骤

    千次阅读 2014-01-17 15:20:42
    VMP脱壳步骤  想要脱VMP的壳,首要工作当然是要找一个强OD啦!至于是什么版本的OD自己多试验几个,网上大把大把的,一般来说只要加载了你想脱的VMP加壳程序不关闭都可以。 其次就是StrongOD.dll这个插件了,...
  • Web应用程序的开发步骤  如今已进入了web2.0高速发展的互联网时代,各种互联网的Web应用程序如雨后春笋般出现。那么作为一名Web开发人员,怎样去开发一款优秀的Web应用程序呢?这个问题没有一个简单的答案...
  • 硬件调试的步骤

    万次阅读 2014-10-23 11:19:59
    不论采用分块调试,还是整体调试,通常电子电路的调试步骤如下:  1.检查电路 任何组装好的电子电路,在通电调试之前,必须认真检查电路连线是否有错误。对照电路图,按一定的顺序逐级对应检查。  特别要注意...
  • 数据分析的3大阶段6大步骤

    万次阅读 2019-05-14 01:40:51
    这是一本科普性质的文章,让我们能更好的理解数据分析的每一个过程与步骤,其中包含的大量例子能够帮助我们很好的理解每一个步骤。书本风格是欧美风,是国外书的译本。 书本共分为三个模块: 引言(了...
  • 文本分类步骤

    2014-07-30 08:51:42
    Keywords: 文本分类 分词 停用词 文本特征 特征向量 布隆过滤器 ICTCLAS... 最近一直在做文本分类的实验,查阅了很多文章和资料后,大概清楚了文本分类的整体流程。根据查阅到的资料,编写了一个简单的文本分类程...
  • S1000D数据模块类型中英文对照

    千次阅读 2019-04-03 15:03:01
    S1000D使用XML组织数据,并将XML数据按模块类型分成二十几类,为了便于理解、记忆,以下表汇总了数据模块类型的中英文对照: 类型 内容 模式 注释 descriptive 描述信息 descript.xsd 使用段落描述信息 ...
  • CTPN论文翻译——中英文对照

    千次阅读 2018-03-07 18:55:41
    它们通常从低级别字符或笔画检测开始,后面通常会跟随一些后续步骤:非文本组件过滤,文本行构建和文本行验证。这些自底向上的多步骤方法通常复杂,鲁棒性和可靠性较差。它们的性能很大程度上依赖于字符检测的结果,...
  • PSM倾向匹配详细步骤和程序

    千次阅读 2020-09-12 01:17:37
    4.2试验组可匹配的观测概览,按照命令中设定的匹配规则,试验组有8例患者未能匹配到合适对照。4.3结果解读的重点应该是对stata新生成的中间变量的解读。4.4均衡性检验结果4.5匹配结果的图示化5.Stata命令汇总最后...
  • CRNN论文翻译——中英文对照

    万次阅读 2017-08-29 16:14:06
    在包括IIIT-5K,Street View Text和ICDAR数据集在内的标准基准数据集上的实验证明了提出的算法比现有的技术更有优势。此外,提出的算法在基于图像的音乐乐谱识别任务中表现良好,这显然证实了它的泛化性。 1. ...
  • Erdas软件LPS模块的操作指南,包含中英对照版,更加详细。
  • 为深度学习所用,博主预想在Ubuntu16.04上...该篇博客介绍了安装以上软件的前期准备工作需知,亦可通过下方链接查看其他步骤的安装教程。 前期说明及版本对照 换源 安装显卡驱动 安装 CUDA(附测试) 安装 cuDNN(...
  • Faster R-CNN论文翻译——中英文对照

    万次阅读 多人点赞 2018-01-22 18:40:30
    对于非常深的VGG-16模型[3],我们的检测系统在GPU上的帧率为5fps(包括所有步骤),同时在PASCAL VOC 2007,2012和MS COCO数据集上实现了最新的目标检测精度,每个图像只有300个提出。在ILSVRC和COCO 2015竞赛中,...
  • Batch Normalization论文翻译——中英文对照

    千次阅读 多人点赞 2017-09-28 15:59:10
    将批量标准化应用到最先进的图像分类模型上,批标准化在取得相同的精度的情况下,减少了14倍的训练步骤,并以显著的差距击败了原始模型。使用批标准化网络的组合,我们改进了在ImageNet分类上公布的最佳结果:达到了...
  • CAS客户端服务器端配置步骤

    千次阅读 2017-04-20 18:07:33
    ”时,对照输入信息,如果符合要求则使用键盘输入字母“y”,否则输入“n”重新填写上面的信息 D、Enter key password for ,这项较为重要,会在tomcat配置文件中使用,建议输入与keystore的密码一致,设置其它...
  • 嵌入式学习步骤

    千次阅读 2012-11-13 21:00:44
    看几遍后,看情景分析,对照深看,两本交叉,深是纲,情是目。剖析则是0.11版,适合学习。最后深入代码。  主攻书籍:linux内核完全剖析、unix环境高级编程、深入理解linux内核、情景分析和源代。  3、学习...
  • 样本由998名幼儿园小学生组成,其中518名是实验组,而480名是对照组。 设计用于该研究的问卷包括有关人口统计学,行为学业自尊量表和其他8个子量表的项目,即注意力的集中,班级的参与与合作,情绪的识别和管理,...
  • 程序运行的步骤

    千次阅读 2018-08-02 21:09:09
    汇编器的汇编过程相对于编译器来讲比较简单,他没有复杂的语法,也没有语义,也不需要做指令优化,只是根据汇编指令和机器指令的对照表一一翻译就可以了。 四、链接 链接就是一个找符号的过程 常见的链接...
  • Inception-V3论文翻译——中英文对照

    千次阅读 2017-11-17 18:46:19
    在这一点上,以下原则的效用是推测性的,另外将来的实验证据将对于评估其准确性和有效领域是必要的。然而,严重偏移这些原则往往会导致网络质量的恶化,修正检测到的这些偏差状况通常会导致改进的架构。 Avoid ...
  • 大量的实验验证了我们方法的性能。我们首次证明了在深度CNN中学习密集空间变换对于复杂的视觉任务(如目标检测和语义分割)是有效的。代码发布在 https://github.com/msracver/Deformable-ConvNets 。 1. ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 10,439
精华内容 4,175
关键字:

对照实验的步骤