譜分析方法訓練樣本

Ⅰ 如何進行樣本和檢材圖譜的分析比對

1、獲得多張細胞樣本圖片，對細胞樣本圖片進行灰度處理，區域最大的像素設為白色或者黑色，其他位置顏色亮度同步增加。
2、對細胞樣本圖片其他顏色進行進行熵處理，再用最大類差法二值化分割得到細胞樣本粗略圖像，確定目標的粗略位置。
3、目標的粗略位置進行分割值聚類演算法，對圖片進行銳化處理，得到需要的細胞樣本圖片。
4、對細胞樣本圖片進行分析得出基本病例，再對得出基本病例進行不確定的決策調節下，進行CBR/RBR檢索分析，對基本病例與病例庫中的現有的病例進行相似度評價分析。

Ⅱ DEPT譜的分析方法

DEPT譜是在NMR中用來區分伯仲叔季碳的一種譜圖
為了區分不同的碳，一般要做三次分別為不同的角度，其中季碳不出峰：
135度的DEPT譜圖：CH、CH3的峰向上（即信號為正），CH2為倒峰（即信號為負）
90度的DEPT譜圖：只能看到CH 向上的峰
45度的DEPT譜圖：所有的CH、CH2、CH3的峰都向上（不常用，因為無法達到區分的目的）
通過135度和90度譜圖即可區分出伯碳、仲碳、叔碳，由於季碳在所有的DEPT譜圖中都沒有信號，因此只要和全譜比較，就很容易的得到季碳。

Ⅲ 基因表達譜分析方法

表達譜案例分析
肺癌組織的表達譜分析：選取 2 個肺癌病人（ 5T 和 10T）的組織提取總 RNA，進 行分析。
實驗目的：為了檢測兩個病人中表達差異較大的基因， 以便找出兩個病人症狀差 異的原因，並進行下一步相關的研究。
1、 數據質量的概述
通過嚴格的質量標准篩選後， 通過率達到 80%，最終得到 500 萬左右的 Tag標簽。
2、 標簽的初步分析統計
兩個樣品中有 95%的 Tag重復頻度超過 1，73%以上的 Tag重復頻度超過 50。
3、 表達譜測序飽和度分析
通過對表達譜測序飽和度的分析，通常在表達譜 Tag數目達到 200 萬時，測序 Tag接近飽和。因此，通過 Solexa 測序，僅需要 1次試驗，就可以得到足夠後 續進行表達分析的數據。
4、 樣品重復性。
5、 Tag 標簽的注釋（含 cDNA，預測基因， EST，線粒體基因組，基因組等）
本案例中，人的 2 萬 7 千個基因中有 50~60%都被 Tag所覆蓋。即一般的基因的 表達量差異被檢測出來。 為了提高 Tag同基因關聯的可信度， 我們僅僅選取了在 基因序列中唯一定位的 Tag。這部分唯一定位的 Tag佔全部 Tag數目的 50%左右。
另外，除去上述用於基因表達量統計的唯一定位 Tag，有大約 20%的 Tag 被定位 到了基因組的未注釋區域， 其中大約有 10萬個 Tag在基因組上的位置是唯 一的。 利用這些數據我們找到了許多新的轉錄本和調控區域。 同時發現了若干潛在的兩 個樣品間顯著差異的區域。為後續的實驗提供了可靠的研究目標。
6、 參考 Tag標簽的統計分析
下表顯示的人的參考 Tag 的統計信息，我們可以看到 96.53%的基因都擁有 Tag。 說明 Tag-based 新一代測序技術的方法進行表達譜分析的可行性
7、 基因表達量的分布統計
8、 樣本間表達差異基因的相關分析
通過對表達差異基因的統計和分析，我們可以選取樣品間表達存在差異的基因， 反饋給用戶； 此外一些已經報道可能相關的基因， 是這一部分研究的重點， 通過 表達差異，我們可以推測出相關基因可能發生的變化。針對此例，圖 3-3 中 2 個基因是已經報道的在 10T樣品中高表達的基因。
9、 樣本間表達差異基因的信號通路相關分析
對差異表達基因進行功能分析和信號通路分析。 結合樣本性狀差異， 鑒定與性狀 關聯的候選基因，以便通過進一步實驗驗證。
10、 根據 Tag距離 3』端的位置對 tag 和基因數目進行的統計分析