一文帶你學(xué)習(xí) 3 種最常用的免疫組化結(jié)果分析方法

眾所周知宅楞,實驗并不是做出來就結(jié)束了针姿,更重要的是我們要對結(jié)果進(jìn)行分析統(tǒng)計,以得出實驗的結(jié)果結(jié)論厌衙。要想獲得理想的實驗結(jié)果距淫,標(biāo)準(zhǔn)的試驗操作步驟是第一步,合適的分析方法是第二步婶希。

免疫組織化學(xué)(immunohistochemistry, IHC)是利用抗原抗體反應(yīng)已顯示某蛋白的表達(dá)及定位的實驗榕暇。這種實驗的獨(dú)特之處在于它既直觀的顯示了蛋白在組織及細(xì)胞或細(xì)胞亞結(jié)構(gòu)的定位,又保留了組織樣品的結(jié)構(gòu)特征喻杈。IHC 已廣泛應(yīng)用于生物醫(yī)學(xué)研究及臨床診斷中彤枢。

image

所以組織切片經(jīng)免疫組化染色后,你真的知道選擇什么樣的方式分析嗎奕塑?目前免疫組化尚無統(tǒng)一的標(biāo)準(zhǔn)計量方法堂污,但已有幾種科研界已被認(rèn)可的 IHC 計量方法,下面我來一一詳細(xì)介紹,小伙伴們拿起本本趕緊記錄啦~

積分制

積分制是對切片以細(xì)胞染色強(qiáng)度攘宙、陽性細(xì)胞范圍進(jìn)行評分胎围,再相乘得出最終得分的方式,這是最常用的方法酝陈。

標(biāo)準(zhǔn)評分為:

根據(jù)細(xì)胞染色強(qiáng)度評分為 4 級,無陽性著色(陰性)計 0 分,淡黃色(弱陽性)計 1 分固蚤,棕黃色(陽性)計 2 分,棕褐色(強(qiáng)陽性)計 3 分歹茶;

根據(jù)陽性細(xì)胞百分比評為 4 級夕玩,≤25% 計 1 分,26%-50% 計 2 分惊豺,51%-75% 計 3 分燎孟,>75% 計 4 分,將兩項評分相乘得出最終評分結(jié)果 [1-2]尸昧。

此種方法是最貼近臨床方面的揩页,小伙伴們?nèi)绻胱瞿骋蜃拥呐R床病理特征分析,那最好采用這種方法烹俗。

參考文獻(xiàn):[1] 李明鳳爆侣,方林娜,計翼幢妄,胡沛然兔仰,孫林,王悅晨蕉鸳,孫禮潔斋陪,尹玉。前列腺癌組織中 TEM8 與 VEGF 的表達(dá)及臨床意義 [J]. 臨床與實驗病理學(xué)雜志,2020,36 (10):1144-1148.

參考文獻(xiàn):[2] Guo Zheng,Zhang Xiufang,Zhu Huabin et al. TELO2 induced progression of colorectal cancer by binding with RICTOR through mTORC2.[J] .Oncol Rep, 2020, undefined: undefined.

陽性細(xì)胞數(shù)

計數(shù)陽性細(xì)胞數(shù)適用于評估某物質(zhì)是否在組織中存在以及數(shù)量无虚,是對該物質(zhì)數(shù)量而不是表達(dá)強(qiáng)弱的判別缔赠。

如評估某細(xì)胞在該組織中的數(shù)量,可利用該細(xì)胞的特異性標(biāo)志物做免疫染色友题。如 CD163 標(biāo)記 M2 型腫瘤相關(guān)巨噬細(xì)胞嗤堰,CD34 標(biāo)記血管內(nèi)皮細(xì)胞,CD3 標(biāo)記 T 細(xì)胞等等度宦。

對于這類免疫組化踢匣,我們直接計數(shù) 20 倍鏡下隨機(jī) 5 個視野下的陽性細(xì)胞數(shù),再求一個平均數(shù)即為這張片子的陽性細(xì)胞數(shù)戈抄。

image

也有計算單位面積下陽性細(xì)胞數(shù)的方法离唬。通過統(tǒng)計 20 倍鏡下的細(xì)胞數(shù),在除以鏡下面積划鸽,得出細(xì)胞密度输莺,單位為 cells/mm2。

image

參考文獻(xiàn):[3] Zheng Shaoquan,Zou Yutian,Xie Xinhua et al. Development and validation of a stromal immune phenotype classifier for predicting immune activity and prognosis in triple-negative breast cancer.[J] .Int J Cancer, 2020, 147: 542-553.

Image Pro Plus 軟件測量平均光密度值

有時裸诽,我們想定量的分析某因子的高低表達(dá)差異嫂用,用半定量的積分制并不能很好的區(qū)分差異,我們可使用軟件進(jìn)行統(tǒng)計分析丈冬。

Image Pro Plus 軟件的計量原理是根據(jù)目的蛋白的著色深淺及分布面積來確定目的蛋白的表達(dá)量嘱函。大家在網(wǎng)上搜索 Image Pro Plus 的操作方法即可,簡單上手埂蕊。

百度上有篇關(guān)于 Image Pro Plus 軟件分析免疫組化的超詳細(xì)的文章往弓,鏈接在此:

https://wenku.baidu.com/view/85c0cb4caf1ffc4fff47ac25.html

通過測量出每張圖片的累積光密度值(integrated option density, IOD)值以及區(qū)域面積 area 值蓄氧,再計算出平均光密度值(mean density)即 mean density=IOD/area函似,此值反映了目標(biāo)蛋白的單位面積濃度。最后取每個樣本的 5 個隨機(jī)區(qū)域 mean density 的平均值即為此樣本的值匀们。

image

參考文獻(xiàn):[4] Wang Yang,Wu Caifang,Qin Yong et al. Multi-Angle Investigation of the Fractal Characteristics of Nanoscale Pores in the Lower Cambrian Niutitang Shale and Their Implications for CH Adsorption.[J] .J Nanosci Nanotechnol, 2021, 21: 156-167.

以上為 3 種免疫組織化學(xué)常用的計量方法缴淋,希望對大家免疫組化實驗數(shù)據(jù)處理有所幫助,少走彎路泄朴。

具體選擇哪種方法還是要根據(jù)你的研究內(nèi)容和目的重抖,最后祝大家早日發(fā) SCI 呀~

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市祖灰,隨后出現(xiàn)的幾起案子钟沛,更是在濱河造成了極大的恐慌,老刑警劉巖局扶,帶你破解...
    沈念sama閱讀 206,013評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件恨统,死亡現(xiàn)場離奇詭異叁扫,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)畜埋,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,205評論 2 382
  • 文/潘曉璐 我一進(jìn)店門莫绣,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人悠鞍,你說我怎么就攤上這事对室。” “怎么了咖祭?”我有些...
    開封第一講書人閱讀 152,370評論 0 342
  • 文/不壞的土叔 我叫張陵掩宜,是天一觀的道長。 經(jīng)常有香客問我么翰,道長牺汤,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,168評論 1 278
  • 正文 為了忘掉前任浩嫌,我火速辦了婚禮檐迟,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘固该。我一直安慰自己锅减,他們只是感情好糖儡,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,153評論 5 371
  • 文/花漫 我一把揭開白布伐坏。 她就那樣靜靜地躺著,像睡著了一般握联。 火紅的嫁衣襯著肌膚如雪桦沉。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 48,954評論 1 283
  • 那天金闽,我揣著相機(jī)與錄音纯露,去河邊找鬼。 笑死代芜,一個胖子當(dāng)著我的面吹牛埠褪,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播挤庇,決...
    沈念sama閱讀 38,271評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼钞速,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了嫡秕?” 一聲冷哼從身側(cè)響起渴语,我...
    開封第一講書人閱讀 36,916評論 0 259
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎昆咽,沒想到半個月后驾凶,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體牙甫,經(jīng)...
    沈念sama閱讀 43,382評論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,877評論 2 323
  • 正文 我和宋清朗相戀三年调违,在試婚紗的時候發(fā)現(xiàn)自己被綠了窟哺。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 37,989評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡技肩,死狀恐怖脏答,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情亩鬼,我是刑警寧澤殖告,帶...
    沈念sama閱讀 33,624評論 4 322
  • 正文 年R本政府宣布,位于F島的核電站雳锋,受9級特大地震影響黄绩,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜玷过,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,209評論 3 307
  • 文/蒙蒙 一爽丹、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧辛蚊,春花似錦粤蝎、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,199評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至虑凛,卻和暖如春碑宴,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背桑谍。 一陣腳步聲響...
    開封第一講書人閱讀 31,418評論 1 260
  • 我被黑心中介騙來泰國打工延柠, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人锣披。 一個月前我還...
    沈念sama閱讀 45,401評論 2 352
  • 正文 我出身青樓贞间,卻偏偏與公主長得像,于是被迫代替她去往敵國和親雹仿。 傳聞我的和親對象是個殘疾皇子增热,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,700評論 2 345

推薦閱讀更多精彩內(nèi)容