mage J和Graphpad如何对Western Blot条带灰度分析
原文 mage J和Graphpad如何对Western Blot条带灰度分析
WB是研究蛋白表达的一个经典方法。对于一些时间点或者是不同组织蛋白表达量的分析就涉及到量的变化。一些凝胶成像软件带有此分析工具,比如Quantity One,Bandscan,Gel-Pro Analyzer等成像系统专用软件。除了这些软件,还有一个比较简单的综合性质图像处理软件Image J可以很方便的进行灰度分析。而且Image J是开源性质的免费软件,可以在其官网直接下载使用。
对Western Blot条带进行数值化有两种方法——灰度分析和光密度分析。灰度是计算机图像分析仪根据图像颜色深浅分为256个级别。灰度值越小物体颜色越深。光密度是指光线通过溶液或某一物质前的入射光强度IO与该光线通过溶液或物质后的透射光强度Ib比值的对数OD=log(IO/Ib);图像分析中,入射光和透射光强度分别被切片上最亮区域的平均灰度值和待测目标平均灰度值取代,则图像分析系统的光密度值=log(切片标本最亮区域的平均灰度值(g0)/待测目标的平均灰度值(g))。光密度值越大,物体颜色越深,阳性物质相对含量越大。
对于灰度值来说,切片标本制作时染色时间长短,以及测量时显微镜照明光源电压的大小对其影响很大。而光密度是一个比值。是通过计算一张切片标本最亮区域的平均灰度值与该切片标本中待测目标的平均灰度值的比值,再根据数学公式计算而来的,所以受切片标本染色时间长短及照明光源电压关系很小。
然而有研究实践显示,灰度值与光密度值二者之间存在着线性关系,都可以用来进行WB定量分析。
同样,Image J软件进行WB条带定量分析时也存在两种方法,此处只列举一种方法,具体步骤如下。
1、下载安装,并打开Image J软件。
2、导入WB条带图片。File→Open→ 弹出对话框→选择文件夹→找到WB条带。
3、把图片转化成灰度图片:Image→Type→8-bit。这时WB图片将会随之改变。
4、消除图片背景的影响。Process→Subtract Background。在弹出的对话框中,填上50基本就可以了,也可以稍高些,并勾上Light background,点击OK即可。此时图片背景会变白一些。
5、设置定量参数。Analyze→Set Measurements。在弹出的对话框中勾选Area、Mean gray value、Min & max gray value、Integrated density。
6、设置单位。Analyze→Set Scale。在弹出的对话框“Unit of length”后面填上“pixels”,其他的不用改动。
7、把WB图片转换成亮带。Edit → Invert。
8、选择菜单栏下的一系列不规则圆圈,根据情况选择一种。然后将圆圈手动拉倒第一条带,并尽量将条带都圈起来。
9、点击菜单栏Analyze下拉出现的measurement,即可弹出你选定区域的灰度统计值。也可以点击快捷键(英文状态下的键盘m)。
10、手动移动不规则圆圈至下一条条带,重复8、9步骤,直至所有条带都被测量。
11、当测定完所有条带,选结果中的“Edit”的“Select All”,然后复制数据“IntDen”到Excel表即可进行分析。也可以直接在Results对话框中,选择File → Save as,直接导出excel表格。
12、在excel表格中将目的蛋白的灰度值除以内参蛋白的灰度值,进行归一化处理。
13、下载安装,并打开Graphpad软件。
14、在对话框左侧栏目“New table & graph”下选择“Column”。然后再右侧选择所要作的图形,以及是否显示误差棒等,具体如下图。
15、在弹出的表格中,填上excel中的比值。
16、然后点击菜单栏上Insert → New Graph of Existing Data... 。也可以在工具栏Sheet中的“New”条目下找到。(其实这步可以省略)
17、在弹出的对话框“Create New Graph”中,填写新图名称,选择分析方法,图形,以及误差棒的表示方法,具体如下。(其实这步可以省略)
18、此时,可以在工具栏下左侧的状态栏“Graphs”文件夹中找到所建新图“Date 1”。
![]()
19、此时可以对图形的外观进行修改,增加图片题目以及XY轴名称。直接在图上对应位置左键点击修改。
20、也可以借助工具栏“Change”中的功能键对图片的柱形图颜色、宽度、高度、间隔等进行调整。
21、然后点击工具栏“Export”将新建的柱形图导出。
22、上面只是单因素的柱状图构建方法。如果是双因素,应该在一开始选择“Column”时选择“Grouped”。切记!!
mage J和Graphpad如何对Western Blot条带灰度分析的更多相关文章
- 【Java并发编程实战】-----“J.U.C”:ReentrantLock之二lock方法分析
前一篇博客简单介绍了ReentrantLock的定义和与synchronized的区别,下面跟随LZ的笔记来扒扒ReentrantLock的lock方法.我们知道ReentrantLock有公平锁.非 ...
- 【Java并发编程实战】—–“J.U.C”:ReentrantLock之二lock方法分析
前一篇博客简介了ReentrantLock的定义和与synchronized的差别,以下尾随LZ的笔记来扒扒ReentrantLock的lock方法.我们知道ReentrantLock有公平锁.非公平 ...
- 【Java并发编程实战】-----“J.U.C”:CountDownlatch
上篇博文([Java并发编程实战]-----"J.U.C":CyclicBarrier)LZ介绍了CyclicBarrier.CyclicBarrier所描述的是"允许一 ...
- 【Java并发编程实战】-----“J.U.C”:ReentrantReadWriteLock
ReentrantLock实现了标准的互斥操作,也就是说在某一时刻只有有一个线程持有锁.ReentrantLock采用这种独占的保守锁直接,在一定程度上减低了吞吐量.在这种情况下任何的"读/ ...
- 【Java并发编程实战】-----“J.U.C”:Semaphore
信号量Semaphore是一个控制访问多个共享资源的计数器,它本质上是一个"共享锁". Java并发提供了两种加锁模式:共享锁和独占锁.前面LZ介绍的ReentrantLock就是 ...
- 【Java并发编程实战】-----“J.U.C”:ReentrantLock之三unlock方法分析
前篇博客LZ已经分析了ReentrantLock的lock()实现过程,我们了解到lock实现机制有公平锁和非公平锁,两者的主要区别在于公平锁要按照CLH队列等待获取锁,而非公平锁无视CLH队列直接获 ...
- ctDNA 相关网站-liquid-biopsy
http://www.gene-quantification.de/liquid-biopsy.html Liquid Biopsy -- Definitions Liquid Biopsy -- r ...
- Alterations of brain quantitative proteomics profiling revealed the molecular mechanisms of diosgenin against cerebral ischemia reperfusion effects(大脑的定量蛋白质组学揭示了薯蓣皂苷元对脑缺血再灌注效应的分子机制)
文献名:Alterations of brain quantitative proteomics profiling revealed the molecular mechanisms of dios ...
- 基因探针富集分析(GSEA)& GO & pathway
http://blog.sina.com.cn/s/blog_4c1f21000100utyx.html GO是Gene Ontology的简称,是生物学家为了衡量基因的功能而而发起的一个项目,从分子 ...
随机推荐
- Linux网络编程——原始套接字实例:MAC 头部报文分析
通过<Linux网络编程——原始套接字编程>得知,我们可以通过原始套接字以及 recvfrom( ) 可以获取链路层的数据包,那我们接收的链路层数据包到底长什么样的呢? 链路层封包格式 M ...
- 【u021】广义斐波那契数列
Time Limit: 1 second Memory Limit: 128 MB [问题描述] 广义的斐波那契数列是指形如an=p*an-1+q*an-2的数列.今给定数列的两系数p和q,以及数列的 ...
- php如何实现读取网易有道词典输出单词的xml格式并且转化为html形式
php实现读取网易有道词典输出单词的xml格式并且转化为html形式 一.总结 一句话总结:将xml中的文件用preg_match_all读出来,然后组合成想要的数据 1.explode除了爆炸的意思 ...
- nuklear(A single-header ANSI C gui library,界面还不错)
Nuklear This is a minimal state immediate mode graphical user interface toolkit written in ANSI C an ...
- js进阶 9-12 js如何实现级联菜单 (章节测试)
js进阶 9-12 js如何实现级联菜单 (章节测试) 一.总结 一句话总结: 1.js如何实现级联菜单 ? 二维数组,以第一级菜单的文本值做键,以对应的二级菜单选项的文本做值 2.用哪个属性可以获 ...
- NOI模拟 颜色 - 带修莫队/树套树
题意: 一个颜色序列,\(a_1, a_2, ...a_i\)表示第i个的颜色,给出每种颜色的美丽度\(w_i\),定义一段颜色的美丽值为该段颜色的美丽值之和(重复的只计算一次),每次都会修改某个位置 ...
- sklearn 特征降维利器 —— PCA & TSNE
同为降维工具,二者的主要区别在于, 所在的包不同(也即机制和原理不同) from sklearn.decomposition import PCA from sklearn.manifold impo ...
- Java Web 实用返回结果封装
实用的返回结果封装 使用示例 效果 Result ResultEnum 使用示例 /** * @Author: huangwenjun * @Description: * @Date: Created ...
- unityd 公布android apk相关
http://game.ceeger.com/forum/read.php?tid=5918&ds=1 相关的文章非常多,我仅仅记录自己遇到的一些关键点. 1.jdk android SDK ...
- 巧用redis位图存储亿级数据与访问 - 简书
原文:巧用redis位图存储亿级数据与访问 - 简书 业务背景 现有一个业务需求,需要从一批很大的用户活跃数据(2亿+)中判断用户是否是活跃用户.由于此数据是基于用户的各种行为日志清洗才能得到,数据部 ...

















