导读:本文包含了肿瘤标志蛋白论文开题报告文献综述及选题提纲参考文献，主要关键词:电分析,生化分析,生物传感,蛋白质
肿瘤标志蛋白论文文献综述
曹亚,朱小立,赵婧,李昊,李根喜[1]（2015）在《肿瘤标志蛋白的电化学分析》一文中研究指出随着单克隆抗体技术和免疫学检测技术的不断发展,对癌症相关的肿瘤标志蛋白进行检测分析成为目前癌症早期筛查和诊断最为重要的手段。另一方面,随着分子识别与界面组装技术的发展,电化学检测技术在生物分析领域展现出一些独特的优势,比如操作简单、易于小型化、成本低、灵敏度高等。尤其是近年来,由于特异性结合肿瘤标志蛋白的各种抗体、适体、小分子多肽等被筛选出来,各种纳米材料和纳米技术在电化学分析检测中的应用不断被发掘,新型分子标记技术、界面组装技术以及信号放大技术不断被开发和应用,因此,电化学检测技术在肿瘤标志蛋白的定量分析方面获得了空前的发展机遇,发展极为迅速。本文结合作者所在实验室的一些代表性成果对近年来该领域的研究进展给予简短综述,并对未来的发展前景进行展望。(本文来源于《化学进展》期刊2015年01期）
李昊,朱小立,李根喜[2]（2014）在《肿瘤标志蛋白电化学分析新方法研究》一文中研究指出随着对各种疾病机理研究的不断深入,与肿瘤相关的蛋白标志物的检测分析已成为癌症诊断、病情预测以及药效评估的重要手段和依据,受到极大的关注与重视。同时,癌症这一恶性疾病每年都夺走了数以千万计的生命,早诊早治是降低死亡率最为有效的手段。因此,发展简单、快速、灵敏的肿瘤标志蛋白检测方法,不仅己成为蛋白质科学研究的重点和热点,而且在疾病的临床诊断领域具有十分重要的意义。(本文来源于《第十四届全国有机电化学与工业学术会议暨中国化工学会精细化工专业委员会全国第182次学术会议会议论文摘要》期刊2014-07-28）
王晓盈[3]（2014）在《基于多肽的两种肿瘤标志蛋白检测新方法的研究》一文中研究指出肿瘤标志物在肿瘤的早期诊断、复发或转移的监测、疗效评价及预后评估中具有重要的意义。目前,针对肿瘤标志蛋白的检测方法主要是ELISA和免疫组化。这些方法都依赖于抗体去识别靶蛋白,虽然具有良好的特异性和灵敏性,但是抗体本身的一些局限性如结构复杂不易被修饰,不能被人工合成,价格昂贵易变性等限制了其在肿瘤标志蛋白检测中的进一步应用。近年来,噬菌体展示技术的发展对蛋白质分子相互识别的研究产生了深远的影响。借助于噬菌体展示肽库技术,许多能与蛋白质高亲和力结合的多肽被筛选出来,这些多肽结构简单明确,不仅可以对其进行目的性修饰,而且可以人工大量合成,一定程度上补充了抗体的不足。将多肽应用于新型生物传感器的构建是目前的研究热点,在本论文中,我们通过利用多肽与肿瘤标志蛋白的相互作用设计了两种检测肿瘤标志蛋白的新方法,这些方法对于肿瘤患者的临床管理具有一定的意义。1.黑色素瘤标志物S100B电化学检测新方法的研究黑色素瘤是一种高度恶性肿瘤,复发风险高,预后差,及时监测肿瘤的进展和复发对于黑色素瘤的临床管理十分必要。S100B不仅与黑色素瘤的负荷、疾病进展相关,而且可以预测患者的治疗效果和预后情况。本文构建了一种基于靶蛋白和多肽特异性结合的S100B检测新方法。研究表明,S100B能以1：2的方式结合2条特异性多肽,我们利用其中一条多肽识别S100B,另外一条则通过其氨基末端修饰的Gly-His-Lys (GHK)来产生信号。由于GHK可以络合铜离子,而铜离子可以催化邻苯二胺的氧化反应,生成具有电化学活性的二氨基吩嗪,因此,通过电化学方法的检测可实现基于催化反应的信号放大,从而提高本检测方法的灵敏性,检测下限达0.1 nM。我们对黑色素瘤患者的血标本也进行了分析,实验结果提示我们的方法具有潜在的临床应用价值。2.贝伐单抗疗效预测标志物VEGFR-1比色检测新方法的研究靶向抗肿瘤血管生成是肿瘤治疗策略非常重要的一部分,其代表药物是贝伐单抗。VEGFR-1是一个良好的贝伐单抗疗效预测标志物。因此,我们设计了一种基于多肽的VEGFR-1检测新方法。首先将VEGFR-1的特异性识别肽修饰在金纳米颗粒的表面,这条识别肽的氨基末端是色氨酸,由于八聚葫芦脲的疏水空腔能同时选择性容纳2个氨基末端的色氨酸,因此在VEGF R-1存在的情况下,多肽与、VEGFR-1结合,色氨酸的位点被VEGFR-1占据,此时八聚葫芦脲不能结合色氨酸,金纳米颗粒因此不能被聚集；然而,当检测体系中不存在VEGFR-1时,色氨酸的位点暴露,进而与八聚葫芦脲结合,金纳米颗粒因此被聚集。通过对金纳米颗粒的聚集状态进行紫外光谱分析以及颜色观察,即可实现蛋白质与多肽结合事件的信号转换。本方法检测下限为0.2 nM。我们在健康志愿者的血清中加入定量的VEGFR-1并对其进行检测,实验结果表明我们的方法具有潜在的临床应用前景。(本文来源于《南京医科大学》期刊2014-05-01）
郑典元,朱小立,赵婧,殷咏梅,束永前[4]（2013）在《肿瘤标志蛋白检测新技术及其在癌症早期诊断中的应用》一文中研究指出癌症这一恶性疾病每年都夺走了数以千万计的生命,早诊早治是降低死亡率最为有效的手段。因此,发展简单、快速、灵敏,甚至实时、原位、在体的蛋白质检测方法,不仅已成为蛋白质科学研究的重点和热点,而且在疾病的临床诊断领域具有十分重要的意义。(本文来源于《中国新技术新产品》期刊2013年03期）
谭善娟,余春华,王威,吴拥军,吴逸明[5]（2012）在《基于人工神经网络的肿瘤标志蛋白芯片在肺癌辅助诊断中的应用》一文中研究指出目的:应用人工神经网络技术,联合肿瘤标志蛋白芯片对肺癌及肺良性疾病进行诊断,建立肿瘤标志蛋白芯片联合人工智能的辅助诊断模型。方法:收集有肿瘤标志蛋白芯片检测记录的肺癌和肺良性疾病患者共102例,其中肺癌50例,肺良性疾病52例。利用人工神经网络技术,对9项指标进行联合检测,建立基于人工神经网络的肿瘤标志蛋白芯片智能诊断模型。结果:人工神经网络模型、判别分析和蛋白芯片检测系统对肺良性疾病和肺癌识别的准确度分别为88.0%、64.0%和60.0%,人工神经网络模型的ROC曲线下面积0.878,准确度较好,而判别分析模型的ROC曲线下面积(0.635)和肿瘤标志联合检测的ROC曲线下面积(0.596)均<0.7,准确度较差。结论:人工神经网络联合多肿瘤标志蛋白芯片检测系统建立的模型可以很好地区分肺癌和肺良性疾病,对肺癌的诊断和鉴别诊断效果优于判别分析和蛋白芯片检测系统。(本文来源于《郑州大学学报(医学版)》期刊2012年06期）
张红巧[6]（2012）在《基于数据挖掘技术的肿瘤标志蛋白芯片在肺癌辅助诊断中的应用》一文中研究指出目的肺癌是一种严重危害人类健康和生命质量的恶性肿瘤,其发病率及死亡率近年来逐步上升、居高不下,如今已成为当今世界范围内最常见的恶性肿瘤之一。近年来肺癌的诊疗技术快速提高,然而因肺癌早期无特异性临床症状,一般不会引起患者重视,且临床缺乏对于高危人群的有效早期诊断方法,因而当患者有典型临床表现再就诊时,大多已属于晚期,所以临床治疗效果和预后都不令人满意。因此探讨及发展早期发现、早期诊断的有效方法,对于改善肺癌患者的治疗和预后与患者的健康及生命质量都有着重要的意义。血清肿瘤标志的检测是近年来新兴的辅助诊断肿瘤的常用方法之一,对肺癌的诊断、病情进展和疗效的观察等都有极大的价值。并且该方法具有检测结果定量客观、创伤小、标本易获得、可重复测定等优点。然而由于目前并未发现肺癌的特异性血清肿瘤标志,故有假阳性和假阴性的问题,为改善这一问题及提高对早期恶性肿瘤的阳性检出率,临床多采用多种肿瘤标志联合检测。血清肿瘤标志的联合检测的确能提供许多信息,然而也带来大量的参数,用一般的统计学手段很难做出正确的处理。决策树是用以提取数据内在规律并对新数据对象进行分类预测,其模型的灵敏度、特异度较高,便于临床证候诊断时的实际操作。人工神经网络(ANN)是应用与大脑神经突触联接的结构类似的模型对数据及信息进行处理的一种运算模型,可以很容易的解决具有大量参数的问题,为解决大复杂度问题提供了一种相对来说比较简单且有效的方法。本研究应用蛋白芯片检测技术分别测定血清中CA199、 NSE、 CEA、 CA242、 Ferritin、 AFP、 CA125、 HGH和CA1539项肿瘤标志的水平。将上述肿瘤标志利用新型数据挖掘技术和传统的统计学分类技术,抽取可用于肺癌辅助诊断的有效特征,建立决策树、人工神经网络、Fisher判别分析、二项Logistic回归分析4种适合的模型,探讨这几种模型对肺癌辅助诊断的特异度、灵敏度、准确度、阳性预测值、阴性预测值,并通过ROC曲线筛选最优模型,为实现肺癌的快速辅助诊断、改善肺癌治疗及预后打下良好基础。对象与方法1.样本2010年6月至2011年12月于郑州大学第五附属医院呼吸内科及肿瘤科,收集有肿瘤标志蛋白芯片检测结果的肺癌患者202例、肺良性疾病患者201例。所有样本经过细胞学或病理学诊断。2.血清肿瘤标志的检测采用浙江湖州数康生物科技有限公司生产销售的肿瘤标志定量检测试剂盒测定血清中Ferritiin、 AFP、 CEA、 NSE、 CA199、 CA242、 CA125、 CA153和HGH9项肿瘤标志的水平。3.建立模型随机选取所有肺癌、肺良性的75%作为训练集(肺癌、肺良性各150例),分别用决策树、人工神经网络、Logistic回归和Fisher判别分析建立合适的模型,然后用所有样本作为预测集(肺癌202例,肺良性201例)检测模型优劣。用筛检实验的评价指标和ROC曲线比较4种模型对预测集样本的预测效果。4.统计学分析采用SPSS12.0和Clementine12.0软件。定量资料应用非参数检验的两独立样本检验,用中位数和四分位数表示结果；定性资料比较用χ2检验；检验水准α=0.05。结果1.9项血清肿瘤标志中,肺癌组CA153、Ferritin、 CEA. NSE、 AFP、 CA125、CA242水平显着高于肺良性疾病组,差异具有统计学意义(P<0.05)；AFP、CA125、 CA19-9、 CEA、 NSE、 CA242、 CA153、 Ferritin在两组中的表达阳性率差异有统计学意义(P<0.05)。2.4种模型分类结果决策树模型结果：灵敏度为92.08%、特异度为92.54%、阳性预测值为92.54%、阴性预测值为92.08%,对预测集分类的准确度为92.31%,RUC为0.923。ANN模型结果：灵敏度为83.66%、特异度为88.56%、阳性预测值为88.02%、阴性预测值为84.36%,此模型对测试集分类的准确度为86.10%,RUC为0.861。二项Logistic回归模型结果：灵敏度为75.74%、特异度为86.07%、阳性预测值为84.53%、阴性预测值为77.93%,此模型对测试集分类的准确度为80.89%,RUC为0.809。Fisher判别分析结果：灵敏度为63.86%、特异度为89.05%、阳性预测值为85.43%、阴性预测值为71.03%,此模型对测试集预测分类的准确度为76.43%,RUC为0.765。结论1.利用数据挖掘技术联合多肿瘤标志蛋白芯片建立的模型可以快速鉴别诊断肺癌和肺良性疾病。2.决策树和人工神经网络模型对肺癌和肺良性疾病的鉴别诊断效果优于Fisher判别分析和二项Logistic回归模型,其中决策树鉴别诊断效果最优。(本文来源于《郑州大学》期刊2012-05-01）
张薇[7]（2011）在《腺样囊腺癌的血管生成拟态的研究及与肿瘤干细胞标志蛋白相关性分析》一文中研究指出目的1.本实验在人类腺样囊腺癌组织学标本中寻找并确认血管生成拟态结构,明确其与病理学分型的关系及其表达的意义。2.观察被肿瘤干细胞标记相关蛋白CD44v6,CD133,ABCG2标记的标本在人类腺样囊腺癌组织学标本中的表达,分析比较血管生成拟态与其之间的相关性,为该肿瘤易于局部复发提供新的解释。3.从细胞水平再次进行形态学观察,明确血管生成拟态结构在人涎腺腺样囊性癌细胞系SACC-83中存在,并观察肿瘤干细胞标记相关CD44v6,CD133,ABCG2在人涎腺腺样囊性癌细胞系SACC-83中的表达。为进一步肿瘤干细胞的提取及分析VM生成的机制打下基础。方法1.本实验收集天津医科大学第二医院1999年1月-2009年3月间手术切除的符合实验条件的泪腺腺样囊腺癌组织标本33例。将所有标本统一进行重新切片经HE染色后观察确认病理诊断及分型。通过CD31/PAS双重染色后在光学显微镜下对比观察切片,在人泪腺腺样囊腺癌组织标本中寻找并确认VM结构。同时应用二步法免疫组织化学检测33例标本中CD44v6、CD133和ABCG2的表达情况。2.根据VM结构在泪腺腺样囊腺癌中的观察情况,应用统计学方法比较其在不同病理分型中的表达以及在VM表达组与非表达组肿瘤干细胞标记相关蛋白CD44v6, CD133, ABCG2的表达有无差异。3.通过人涎腺腺样囊性癌SACC-83细胞系由北京医科大学口腔医院李盛霖中心实验室馈赠)二维培养及叁维培养,观察血管生成拟态及肿瘤干细胞标记相关蛋白CD44v6, CD133, ABCG2在细胞系SACC-83中的表达。结果1.33例标本经观察HE染色切片,并结合免疫组织化学结果确诊为泪腺腺样囊腺癌,其中实体型13例(39.39%),腺样-管状型20例(60.61%)。通过CD31/PAS双重染色方法观察,在10例标本中发现了VM结构,出现率为30.3%。,实体型6例(46.2%),腺样-管状型4例(20.0%),二者差异不具有统计学意义(p=0.346)。2.所观察到的VM均由腺样囊腺癌细胞围绕形成管状、裂隙状结构,该腔隙结构内可见红细胞,这些红细胞结构完整,且周围没有出血灶存在。此外还观察到部分瘤细胞胞浆内分泌大量PAS阳性物质及CD31阳性物质。在VM表达组与非表达组CD44v6的表达分别为1.57%与2.51%,二者具有统计学差异(p=0.023)。3.33例标本应用免疫组织化学的方法观察肿瘤干细胞相关标志蛋白CD44v6,CD133, ABCG2的表达情况分别为：CD44v6阳性表达率为54.5%(18/33)。实体型阳性率76.9%(10/13),腺样-管状型阳性率为40.0%(8/20),二者差异具有统计学意义(p=0.037)。CD133阳性表达率为57.6%(19/33),在实体型和腺样-管状型中分别为76.92%(10/13)、45%(9/20),差异不具有统计学意义(p=0.070)；表达产物定位于细胞膜和细胞浆,呈淡黄色至棕褐色,部分病例同时表达于胞浆和胞核。ABCG2阳性表达率为21.2%(7/33),在实体型和腺样-管状型中分别为30.8%(4/13)、15.0%(3/20),差异不具有统计学意义(p=0.297);ABCG2阳性表达细胞具有沿血管分布的倾向。4.在涎腺腺样囊性癌细胞系SACC-83的二维培养中,可见细胞呈环状,网状生长,叁维培养中呈腔状、管状生长。在叁维培养中可见VM阳性表达。肿瘤干细胞相关蛋白在人涎腺腺样囊性癌细胞系SACC-83中,可见CD44v6表达率为42.47±7.37%,CD133表达率为56.56±10.27%,ABCG2表达率为2.94±1.23%。结论1.人泪腺腺样囊性癌及人涎腺腺样囊性癌细胞系SACC-83中均有VM结构表达2.人泪腺腺样囊性癌的病理分型对VM的表达并无直接影响,而CD44v6则与其分型有关；3.人泪腺腺样囊性癌中VM与CD44v6的表达有关,提示不仅VM与人泪腺腺样囊性癌的转移复发有关,而且CD44v6可能影响VM的生成。4.人泪腺腺样囊性癌及人涎腺腺样囊性癌细胞系SACC-83中可不同程度的表达肿瘤干细胞相关标志蛋白CD44v6、CD133、ABCG2,提示人泪腺腺样囊性癌中可能存在肿瘤干细胞；(本文来源于《天津医科大学》期刊2011-05-01）
余春华[8]（2011）在《基于人工神经网络的肿瘤标志蛋白芯片在肺癌辅助诊断中的应用》一文中研究指出目的肺癌是严重危胁人类健康的恶性肿瘤之一,其发病率及死亡率均呈居高不下的状态,全世界每年新增病例约120万。肺癌的起病比较隐匿,常见的临床症状是咳嗽和呼吸困难等,一般不易引起人注意,且容易和肺良性疾病相混淆,因此,肺癌早期临床症状不易察觉,当出现典型症状时往往已到中晚期,这就造成了目前肺癌的治疗成本高预后差的局面,而提高肺癌患者生存率的关键在于早期诊断和及时治疗。检测血清中肿瘤标志具有高效、方便、创伤小及标本易获得等优点,因此,如何筛选、鉴定及检测血清肿瘤标志是近年来肺癌临床辅助诊断研究的热点。目前尚未发现肺癌的特异性生物标志,因此单一的肿瘤标志并非十分的理想,联合检测肺癌的肿瘤标志可显着提高肺癌的诊断阳性率,更好地明确肺癌的病理分型。然而,肿瘤标志的联合检测在提高诊断阳性率的同时也会带来大量的研究参数,一般的统计学方法很难对复杂的参数问题做出正确判断。人工神经网络(ANN)是近些年来发展非常迅速的一种新型智能化信息处理系统,非常适用于医学中模式识别与分类。此研究通过收集本院有肿瘤标志蛋白芯片检测结果的肺癌和肺良性疾病患者的资料,联合建立ANN模型和判别分析模型,以探讨这两种模型联合肿瘤标志对肺癌的辅助诊断价值,并提高肿瘤标志对肺癌辅助诊断和鉴别诊断价值,以期达到对肺癌辅助诊断和鉴别诊断的目的。对象与方法1.样本收集郑州大学第五附属医院2010年5月到2010年12月期间有肿瘤标志蛋白芯片检测记录的肺癌和肺良性疾病住院患者共102例,其中肺癌50例,肺良性疾病52例。均经病理学或细胞学证实,两组间的性别和年龄均有可比性。2.血清肿瘤标志的检测所有肿瘤标志的检测均采用湖州数康生物科技有限公司的多肿瘤标志蛋白芯片检测系统,选择CA199、NSE、CEA、CA242、SF、AFP、CA125、HGH和CA1539项肿瘤标志作为本研究的研究指标。阳性判别标准为：CEA>5μg/L,CA19-9>35U/ml, NSE>13μg/L, CA242>U/ml, CA153>35U/ml, CA125>35U/ml, AFP>20μg/L, Ferritin>322μg/L(男),>219μg/L(女), HGH>7.5μg/L。3.把样本按3：1的比例随机分成训练集(肺癌38例,肺良性疾病39例)和预测集(肺癌12例,肺良性疾病13例),分别用判别分析和ANN建立模型,然后用训练好的模型对预测集进行预测,并结合诊断试验评价指标对这两种模型的预测结果进行比较。4.统计学分析采用SPSS12.0和Matlab7.1软件。根据定量资料分布类型选择表示方法和组间统计学检验方法,定性资料组间比较用χ2检验,检验水准0.05。结果1.血清肿瘤标志测定9种肿瘤标志中,血清AFP、CA125、CEA、NSE和SF的水平肺癌组高于肺良性疾病组,差异有统计学意义(P<0.05)；CA125、CEA和SF的表达阳性率在肺癌组和肺良性疾病组差异有统计学意义(P<0.05)。2.判别分析结果判别分析对预测集分类的灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为58.3%、76.9%、68.0%、70.0%和66.7%。3.ANN模型的建立及预测结果ANN模型对训练集的输出结果准确度为90.9%；对肺癌预测的灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为83.3%、92.3%、88.0%、90.9%和85.7%。4.ANN模型的RUC(0.878)要高于判别分析模型的RUC(0.676),差异具有统计学意义(P<0.05)结论1.ANN联合多肿瘤标志蛋白系统建立的模型可以区分肺癌和肺良性疾病。2.ANN模型对肺癌的诊断和鉴别诊断效果优于Fisher判别分析。(本文来源于《郑州大学》期刊2011-05-01）
刘玮,许沈华,毛伟敏[9]（2011）在《SELDI-TOF-MS技术寻找肿瘤转移相关的标志蛋白研究进展》一文中研究指出由于SELDI-TOF-MS技术简便、快速、灵敏度高、重复性好等优点,目前大量应用于肿瘤相关的研究,不但为肿瘤早期诊断相关标志蛋白的寻找提供了有效的手段,而且它在寻找肿瘤转移相关的标志蛋白中的作用越来越受到人们的关注。因为对于肿瘤转移相关标志蛋白的检测有利于人们更清楚地认识肿瘤转移的机制,更重要的是为临床医生提供对病人情况的更全面的判断,制定更适合病人自身的个体化的治疗方案。本文对国内外发表的利用SELDI-TOF-MS技术寻找在大肠癌、胃癌、肺癌、乳腺癌、前列腺癌、卵巢癌、肝细胞肝癌、头颈部癌等转移相关标志蛋白的研究文献作一综述。(本文来源于《中国细胞生物学学报》期刊2011年01期）
徐昊,陈创,彭俊,何悦,刘春梅[10]（2009）在《定量比较不同浓度、批次量子点标记肿瘤标志蛋白效果的差异》一文中研究指出阿达玛变换(Hadamard Transform,HT)是一种基于平面波函数变换的一种多通道光谱调制技术,具有多通道检测能力,强分辨能力,以及高信噪比的特点。将阿达玛变换技术应用于成像中,可大幅度提高图像的信噪比,因此它特别适用于微弱光信号的分析。量子点(Quantum dots,QDs)作为一种新兴的具有荧光的半导体纳米材料,具有很好的光学特性,很适合作为生物荧光标记材料。(本文来源于《第六届全国化学生物学学术会议论文摘要集》期刊2009-10-22）
肿瘤标志蛋白论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着对各种疾病机理研究的不断深入,与肿瘤相关的蛋白标志物的检测分析已成为癌症诊断、病情预测以及药效评估的重要手段和依据,受到极大的关注与重视。同时,癌症这一恶性疾病每年都夺走了数以千万计的生命,早诊早治是降低死亡率最为有效的手段。因此,发展简单、快速、灵敏的肿瘤标志蛋白检测方法,不仅己成为蛋白质科学研究的重点和热点,而且在疾病的临床诊断领域具有十分重要的意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
肿瘤标志蛋白论文参考文献
[1].曹亚,朱小立,赵婧,李昊,李根喜.肿瘤标志蛋白的电化学分析[J].化学进展.2015
[2].李昊,朱小立,李根喜.肿瘤标志蛋白电化学分析新方法研究[C].第十四届全国有机电化学与工业学术会议暨中国化工学会精细化工专业委员会全国第182次学术会议会议论文摘要.2014
[3].王晓盈.基于多肽的两种肿瘤标志蛋白检测新方法的研究[D].南京医科大学.2014
[4].郑典元,朱小立,赵婧,殷咏梅,束永前.肿瘤标志蛋白检测新技术及其在癌症早期诊断中的应用[J].中国新技术新产品.2013
[5].谭善娟,余春华,王威,吴拥军,吴逸明.基于人工神经网络的肿瘤标志蛋白芯片在肺癌辅助诊断中的应用[J].郑州大学学报(医学版).2012
[6].张红巧.基于数据挖掘技术的肿瘤标志蛋白芯片在肺癌辅助诊断中的应用[D].郑州大学.2012
[7].张薇.腺样囊腺癌的血管生成拟态的研究及与肿瘤干细胞标志蛋白相关性分析[D].天津医科大学.2011
[8].余春华.基于人工神经网络的肿瘤标志蛋白芯片在肺癌辅助诊断中的应用[D].郑州大学.2011
[9].刘玮,许沈华,毛伟敏.SELDI-TOF-MS技术寻找肿瘤转移相关的标志蛋白研究进展[J].中国细胞生物学学报.2011
[10].徐昊,陈创,彭俊,何悦,刘春梅.定量比较不同浓度、批次量子点标记肿瘤标志蛋白效果的差异[C].第六届全国化学生物学学术会议论文摘要集.2009