前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >我汇总了韦恩图(Venn Diagram)所有绘制方法,推荐收藏~~

我汇总了韦恩图(Venn Diagram)所有绘制方法,推荐收藏~~

作者头像
DataCharm
发布于 2021-12-09 06:56:18
发布于 2021-12-09 06:56:18
39.7K00
代码可运行
举报
运行总次数:0
代码可运行

今天这篇推文小编就汇总一下有关Venn Diagram(韦恩图) 的绘制方法,主要内容包括:

  • Venn Diagram(韦恩图)的简介
  • Venn Diagram(韦恩图)的R绘制方法
  • Venn Diagram(韦恩图)的Python绘制方法

Venn Diagram(韦恩图)的简介

Venn Diagram(韦恩图),或叫Venn图、文氏图、温氏图,是在所谓的集合论(或者类的理论)数学分支中表示集合或者类的一种草图,主要用于显示元素集合重叠区域的图示,如下图所示:

Venn Diagram Example

那么,我们如何使用R或者Python实现Venn Diagram(韦恩图)的高效绘制呢?首先小编介绍R绘制的方法。

Venn Diagram(韦恩图)的R绘制方法

R-ggvenn包绘制

使用R绘制Venn Diagram图,首先想到的肯定是ggplot2,而ggvenn包作为ggplot2的拓展包且有geom_*(),这里就最先介绍。ggvenn包主要使用ggvenn()函数和geom_venn()绘图函数(ggplot2图层语法类似)绘制。官网:https://github.com/yanlinlin82/ggvenn

我们首先介绍下其主要的参数设置:

1. For filling:

  • fill_color(填充颜色):默认是 c("blue", "yellow", "green", "red")
  • fill_alpha(透明度):默认是0.5

2. For stroke:

  • stroke_color(线条颜色):默认是"black"
  • stroke_alpha(线条透明度):默认是1
  • stroke_size(线条宽度):默认是1
  • stroke_linetype:默认是"solid"

3. For set name:

  • set_name_color(文本名颜色):默认是"black"
  • set_name_size(文本名大小):默认是6

4. For text:

  • text_color(文本颜色):默认是"black"
  • text_size(文本大小):默认是4.

以上各参数为ggvenn()和geom_venn()绘图函数的共同参数,其他额外参数小伙伴们可自行查阅哈~

接下来,我们结合实例进行解释说明哈~

「样例一」:ggvenn()函数绘制

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 样例数据
a <- list(`Set 1` = c(1, 3, 5, 7, 9),
          `Set 2` = c(1, 5, 9, 13),
          `Set 3` = c(1, 2, 8, 9),
          `Set 4` = c(6, 7, 10, 12))
#可视化绘制
opar <- par(family = "Roboto Condensed")
ggvenn(a,fill_color=mypal,fill_alpha = .7,stroke_linetype = "longdash",set_name_size = 8,
      text_size=5) 

Example Of ggvenn()

「样例二」:geom_venn()函数绘制

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 生成样例数据
d <- tibble(value   = c(1, 2, 3, 5, 6, 7, 8, 9, 10, 12, 13),
            `Set 1` = c(T, F, T, T, F, T, F, T, F,  F,  F),
            `Set 2` = c(T, F, F, T, F, F, F, T, F,  F,  T),
            `Set 3` = c(T, T, F, F, F, F, T, T, F,  F,  F),
            `Set 4` = c(F, F, F, F, T, T, F, F, T,  T,  F))
# 可视化绘制
ggvenn_4 <- ggplot(d, aes(A = `Set 1`, B = `Set 2`, C = `Set 3`, D = `Set 4`)) +
  geom_venn(fill_color=mypal,fill_alpha = .7,stroke_linetype = "longdash",set_name_size = 8,
            text_size=5) + 
  theme_void()+
  coord_fixed() +
  labs(title = "Example of ggvenn:: geom_venn function",
       subtitle = "processed charts with geom_venn()",
       caption = "Visualization by DataCharm") +
  theme(plot.title = element_text(hjust = 0.5,vjust = .5,color = "black",face = 'bold',
                                  size = 20, margin = margin(t = 1, b = 12)),
        plot.subtitle = element_text(hjust = 0,vjust = .5,size=15),
       plot.caption = element_text(face = 'bold',size = 12))

Example Of geom_venn()

这里分别使用了ggvenn() 和 geom_venn() 函数绘制了韦恩图,更多细节,感兴趣的小伙伴可参考官网进行理解哈~

R-ggVennDiagram包绘制

R-ggVennDiagram包和ggvenn包一样也是ggplot2的拓展包,其可以支持2~7维的韦恩图绘制,这里小编直接通过使用ggVennDiagram()绘制韦恩图进行解释。

「样例」

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
library(ggVennDiagram)
# 样例数据
genes <- paste("gene",1:1000,sep="")
set.seed(20210419)
x <- list(A=sample(genes,300),
          B=sample(genes,525),
          C=sample(genes,440),
          D=sample(genes,350))
# 可视化绘制
library(ggplot2)
ggVennDiagram(x, category.names = c("Stage 1","Stage 2","Stage 3", "Stage4"),
              size=1,lty="longdash",color="gray60") + 
  scale_fill_gradient(name="Count",low="#EC7D85",high = "#182F6F") +
  hrbrthemes::theme_ipsum(base_family = "sans") +
  labs(title = "Example of ggVennDiagram:: ggVennDiagram function",
       subtitle = "processed charts with ggVennDiagram()",
       caption = "Visualization by DataCharm") +
  theme(plot.title = element_text(hjust = 0.5,vjust = .5,color = "black",face = 'bold',
                                  size = 20, margin = margin(t = 1, b = 12)),
        plot.subtitle = element_text(hjust = 0,vjust = .5,size=15),
        plot.caption = element_text(face = 'bold',size = 12),
        axis.text.x = element_blank(),
        axis.text.y = element_blank(),
        axis.title.x = element_blank(),
        axis.title.y = element_blank())

Example of ggVennDiagram

Venn Diagram(韦恩图)的Python绘制方法

要想使用Python绘制韦恩图(这里主要介绍基于matplotlib的绘制方法,交互式后期统一介绍),这里介绍一个非常便捷的方法-matplotlib-venn 绘制。安装方式如下:

「安装」

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
easy_install matplotlib-venn

「官网」:https://github.com/konstantint/matplotlib-venn

「样例一」:两个集合

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
from matplotlib_venn import venn2, venn2_circles, venn2_unweighted
from matplotlib_venn import venn3, venn3_circles
import matplotlib.pyplot as plt

# 样例数据
Group1 = ['a','b','c','e','f','g','i','p','q']
Group2 = ['b','e','f','h','k','q','r','s','t','u','v','z']
Group3 = ['c','e','g','h','j','k','o','q','z']

#可视化绘制
plt.rcParams['font.family'] = ["Times New Roman"]
fig, ax = plt.subplots(figsize=(5,3),dpi=110)
vee2 = venn2([set(Group1), set(Group2)],set_labels=("Group1", "Group2"),
      set_colors=("#0073C2FF", "#EFC000FF"), alpha = 0.8,ax=ax)
venn2_circles([set(Group1), set(Group2)], linestyle="--", linewidth=2, color="black",ax=ax)

# 定制化设置:设置字体属性
for text in vee2.set_labels:
    text.set_fontsize(15);
for text in vee2.subset_labels:  
    text.set_fontsize(16)
    text.set_fontweight("bold")
ax.text(.8,-.1,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 8,color='black')
plt.title("Example Of venn2() and venn2_circles()",size=15,fontweight="bold",
         backgroundcolor="#868686FF",color="black",style="italic")

Example Of venn2()

「样例二」:三个集合

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
fig, ax = plt.subplots(figsize=(5,3),dpi=110)
vd3=venn3([set(Group1),set(Group2),set(Group3)],
          set_labels=("Group1","Group2","Group3"),
          set_colors=('#0073C2FF','#EFC000FF',"#CD534CFF"), 
          alpha = 0.8,ax=ax)
venn3_circles([set(Group1), set(Group2),set(Group3)], linestyle="--", linewidth=2, color="black",ax=ax)
# 定制化设置
for text in vd3.set_labels:
    text.set_fontsize(15);
    text.set_fontweight("bold")
for text in vd3.subset_labels:
    text.set_fontsize(15)
    text.set_fontweight("bold")
ax.text(.8,-.1,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 9,color='black')
plt.title("Example Of venn3() and venn3_circles()",fontweight="bold",fontsize=15,
          pad=30,backgroundcolor="#868686FF",color="black",style="italic")

Example Of venn3()

当然,你还可以通过如下代码定义”圈“的样式:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
···
c3 = venn3_circles([set(Group1), set(Group2),set(Group3)], linestyle="--", linewidth=2, color="black",ax=ax)
···
# 对圆进行设置
c3[1].set_lw(7)
c3[1].set_ls(":")
c3[1].set_color("#7AA6DCFF")
···

Example02 Of venn3()

以上小编只是介绍最基础和常用的可视化绘制方法,更多细节大家可参照官网进行探索哈~

总结

今天这篇推文,小编较为系统的介绍了使用R和Python进行Venn Diagram(韦恩图)的绘制且简单介绍了Venn Diagram(韦恩图)的用途,希望大家可以有所收获哈~~

再小的技能,也应该被认真对待。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-12-06,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 DataCharm 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
山东大学张娜/刘永军AFM:利用化疗-光热治疗集成纳米平台重塑抗肿瘤免疫以增强基于检查点阻断的癌症治疗
免疫检查点疗法增强细胞毒性T淋巴细胞(CTLs)活性以消除肿瘤。然而,它们在实体瘤中的有效性受到CTLs浸润不足和抑制性肿瘤微环境(TME)的限制。在此,山东大学张娜、刘永军提出了一种抗PD-1抗体偶联的化疗-光热治疗集成纳米平台(A/Au@MSMs-P)以重塑抗肿瘤免疫。
JoJo_Beatles
2022/08/15
4040
山东大学张娜/刘永军AFM:利用化疗-光热治疗集成纳米平台重塑抗肿瘤免疫以增强基于检查点阻断的癌症治疗
蔡开勇Biomaterials:咪喹莫特介孔多巴胺纳米载体介导的淋巴结靶向免疫激活
Toll样受体(Toll-like receptor,TLR)激动剂是天然免疫系统的强效刺激剂,有望成为抗癌免疫治疗的佐剂。然而它们通常引起全身的免疫反应,带来了全身的毒副作用。因此,如何将其作用半径限制在淋巴组织内,对于提高其疗效同时减轻副作用具有重要意义。重庆大学生物工程学院蔡开勇教授团队将TLR7激动剂咪喹莫特(R837)高效负载到介孔多巴胺(MPDA)纳米载体中。此外,用聚乙烯吡咯烷酮(PVP)对其表面进行改性,以提高其淋巴引流能力。
JoJo_Beatles
2021/02/04
1.2K0
蔡开勇Biomaterials:咪喹莫特介孔多巴胺纳米载体介导的淋巴结靶向免疫激活
李艳梅/喻学锋BM:黑磷纳米片用于近红外光增强的免疫治疗
纳米材料和免疫系统的免疫学行为为开发基于纳米疫苗的免疫治疗方法提供了理论基础。在此,清华大学李艳梅教授和中科院深圳先进技术研究院喻学锋研究员系统地研究了黑磷纳米片(BPs)在体内外的免疫增强作用,并提出了一种新型有效的多功能纳米佐剂。
JoJo_Beatles
2022/08/15
3770
李艳梅/喻学锋BM:黑磷纳米片用于近红外光增强的免疫治疗
孙逊/张凌Sci Adv:介孔二氧化硅纳米颗粒的孔径调节其抗原递送效率
亚单位疫苗通常通过4步体内级联反应(DUMP级联)产生有效的细胞介导的免疫反应:(1)引流至淋巴结;(2)树突状细胞(DC)的摄取;(3)DC的成熟度;(4)将肽-MHC I复合物呈递给CD8 + T细胞。尚不清楚疫苗载体如介孔二氧化硅纳米粒子(MSN)的物理性质如何影响这种级联反应。四川大学华西药学院孙逊和高分子科学与工程学院张凌合作制造了具有不同孔径(7.8 nm,10.3 nm和12.9 nm)的80 nm MSN,并在其中装载了卵清蛋白抗原。结果表明,具有不同孔径的这些MSN在DUMP级联的前三个步骤中同样有效,但是具有较大孔径的MSN则具有更高的交叉呈递效率(步骤4)。载有B16F10肿瘤抗原的大孔MSN产生最强的抗肿瘤作用。这些结果证明了靶向淋巴结的大孔MSN有望成为免疫激活和癌症疫苗接种的载体。
JoJo_Beatles
2021/02/04
3760
孙逊/张凌Sci Adv:介孔二氧化硅纳米颗粒的孔径调节其抗原递送效率
AFM:单次注射介孔二氧化硅微棒疫苗诱导对小抗原的体液反应
疫苗在引发保护性和治疗性反应方面已显示出巨大优势。然而,最有效的疫苗需要多次加强注射,而针对通常用于增加靶标特异性和改善疫苗稳定性的合成分子和肽产生应答仍具有挑战性。由于抗原呈递细胞对抗原的连续摄取和加工以及持续的toll样受体刺激可以增强体液免疫性,因此探讨了单次注射含有合成分子和肽的介孔二氧化硅微棒(MSR)疫苗是否可以产生有效和持久的体液免疫。
JoJo_Beatles
2021/02/04
3390
AFM:单次注射介孔二氧化硅微棒疫苗诱导对小抗原的体液反应
朱华/杨志Small:一种用于PET/MRI/PAI成像引导的放射性同位素联合光热治疗前列腺癌的高特异性多增强治疗纳米探针
在精准医疗时代,用于联合肿瘤靶向多模态成像和治疗的集成分子探针需要同时具有高靶向特异性、多功能结合能力和生物相容性。在此,北京大学肿瘤医院朱华、杨志通过联合一种前列腺特异性膜抗原小分子抑制剂,开发了新型生物相容性黑色素纳米探针(PMNs-II-813),用于前列腺癌的靶向多模态诊断和治疗。
JoJo_Beatles
2022/08/15
4160
朱华/杨志Small:一种用于PET/MRI/PAI成像引导的放射性同位素联合光热治疗前列腺癌的高特异性多增强治疗纳米探针
Kam W. Leong/邵丹Adv Sci:一个可扩展的仿生纳米疫苗生产的多功能平台
仿生策略可有效用于疫苗的设计,用细胞膜片段作为抗原呈递源来装饰纳米颗粒佐剂就是一个很好的策略。其制备方法的标准化,一致性和可扩展性对于这一策略的临床转化十分重要。
JoJo_Beatles
2022/08/15
5420
Kam W. Leong/邵丹Adv Sci:一个可扩展的仿生纳米疫苗生产的多功能平台
青岛农大王丽丽&中科院应化所林君CEJ:线粒体靶向的黑色素@mSiO2蛋黄壳结构用于近红外二区驱动的光热-热动力/免疫治疗
基于近红外激光照射的光热疗法(PTT)由于其无创、无有害副作用、适用性广,在癌症治疗中具有广阔的应用前景。与传统的NIR-I光学窗口(650-950 nm)相比,近红外二区(NIR-Ⅱ)生物窗口(1000-1700 nm)允许更深的组织穿透深度,更低的信噪比,更高的最大允许曝光。天然黑色素在近红外区具有良好的吸收和较高的光热转换效率,在生物医学和纳米技术领域显示出很大的前景。然而,光线穿透受限可能导致肿瘤消除不完全,特别是激光照射区域边缘残留的肿瘤细胞,导致肿瘤复发并向远处器官转移。近年来,包括检查点阻断治疗、细胞因子治疗以及单克隆抗体治疗在内的多种免疫治疗方法在临床研究中被用于探索治疗癌转移性。然而,大多数癌症本身具有免疫抑制性,很难通过目前的免疫疗法加以控制。因此,结合光热治疗等局部疗法,可以巧妙地克服免疫疗法的局限性,最大限度地发挥两种治疗方式的优点,既能激活免疫系统,实现对癌症的长期免疫,增加整体治疗的选择性。
JoJo_Beatles
2022/08/15
5860
青岛农大王丽丽&中科院应化所林君CEJ:线粒体靶向的黑色素@mSiO2蛋黄壳结构用于近红外二区驱动的光热-热动力/免疫治疗
山东大学吴选俊BM:基于酸响应糖纳米平台的多功能光热疫苗用于癌症协同治疗
疫苗为实现癌症免疫治疗提供了一种安全有效的方法。然而,癌症疫苗所面临的主要障碍包括癌症抗原的低免疫原性和实体肿瘤中普遍存在的免疫抑制,它们都会给疫苗的开发和临床应用带来重大的挑战。在此,山东大学吴选俊开发了一种协同治疗的策略,即通过光热效应与免疫治疗的结合以实现肿瘤的靶向治疗。
JoJo_Beatles
2022/08/15
5330
山东大学吴选俊BM:基于酸响应糖纳米平台的多功能光热疫苗用于癌症协同治疗
张先正JACS:一种基于Asp-Phe-Tyr三肽酶促聚合反应的肿瘤免疫治疗策略
免疫治疗为癌症的治疗提供了一种有前途的策略。然而,即使在抗原负荷较高的肿瘤中,抗原提呈的全身抑制仍然极大地限制了免疫治疗的效果。在此,武汉大学张先正教授团队开发了一种基于Asp-Phe-Tyr三肽酶促聚合反应的肿瘤免疫治疗策略。
JoJo_Beatles
2022/08/15
3100
张先正JACS:一种基于Asp-Phe-Tyr三肽酶促聚合反应的肿瘤免疫治疗策略
宁兴海/高建青/彭丽华Sci Adv:工程化细菌外膜囊泡作为透皮纳米平台,用于光-TRAIL程序化黑色素瘤治疗
黑色素瘤是一种具有快速进展,复发和转移的侵袭性癌症。黑色素瘤的全身疗法显示出有限的抗癌潜力和高毒性。南京大学现代工程与应用科学学院生物医学工程系宁兴海教授,浙江大学药学院高建青教授、彭丽华教授合作开发了由转基因大肠杆菌衍生的外膜囊泡,OMV是衍生自转基因大肠杆菌的外膜囊泡,经αvβ3整联蛋白靶向配体和吲哚菁绿修饰(称为IP-OMVs),以诱导皮肤黑素瘤经皮穿刺光疗程序治疗。
JoJo_Beatles
2021/02/04
1.5K0
宁兴海/高建青/彭丽华Sci Adv:工程化细菌外膜囊泡作为透皮纳米平台,用于光-TRAIL程序化黑色素瘤治疗
中科院高能物理所晏亮JACS:高度稳定的二氧化硅包裹的铋纳米颗粒递送肿瘤微环境响应前药以增强肿瘤特异性光放射治疗
放射增敏剂是一种能够通过增强DNA损伤和增强自由基氧物种(ROS)生成来增强肿瘤组织损伤的药物。然而,这种放射增敏剂在临床上的应用仍然受到限制,因为它不能区分肿瘤细胞和正常细胞,而且还存在一种可逆的谷胱甘肽系统,可以减少ROS的生成。在此,中国科学院高能物理研究所晏亮报道了高度稳定的二氧化硅包裹的铋纳米颗粒,递送肿瘤微环境响应前药以增强肿瘤特异性光放射治疗。
JoJo_Beatles
2022/08/15
8640
中科院高能物理所晏亮JACS:高度稳定的二氧化硅包裹的铋纳米颗粒递送肿瘤微环境响应前药以增强肿瘤特异性光放射治疗
基于聚多巴胺-二氧化锰- IR780碘化物的多功能光治纳米平台,用于有效磁共振成像引导的协同光动力/光热治疗
近年来,光治疗学引起了人们的极大兴趣。与传统的治疗方法不同,光疗结合了实时诊断和原位治疗,由于非侵入性和低毒副作用使其成为一种很有前途的癌症治疗方法。光疗包括光热疗法(photothermal therapy, PTT) 和光动力疗法(photodynamictherapy, PDT),通常依靠光热剂(photothermal agents, PTAs)和光敏剂(photosensitizers, PSs)将外部光能转化为热或活性氧(reactiveoxygen species, ROS)来消灭癌细胞。然而,单独使用PTT和PDT的疗效往往是有限的。PTT的抗肿瘤作用受到肿瘤细胞耐热性发展的限制。同样,肿瘤微环境缺氧阻碍了PDT的氧依赖性疗效。值得注意的是,PTT与PDT的结合不仅继承了光疗的优点,而且可以使两种治疗方法相辅相成,提高疗效、减少毒副作用,是一种有效的治疗策略。
JoJo_Beatles
2022/08/15
1.1K0
基于聚多巴胺-二氧化锰- IR780碘化物的多功能光治纳米平台,用于有效磁共振成像引导的协同光动力/光热治疗
Biomaterials:仿生纳米粒实现肿瘤焦亡介导的实体瘤免疫治疗
免疫疗法在治疗多种类型的癌症(例如黑色素瘤,白血病和肺癌)中显示出显著的疗效,但其对大多数实体瘤的治疗效果仍然有限。各种癌症疗法,例如化学疗法,放射疗法和光疗法,通过非炎性细胞凋亡或消融杀死实体瘤,而不能使实体瘤具有免疫原性。作为高炎症性程序性细胞死亡(PCD),细胞焦亡为减轻免疫抑制和促进全身性免疫应答治疗实体瘤创造了可能。在此,深圳大学屈军乐、宋军、周非凡合作报道了将乳腺癌膜融合到聚(乳酸-乙醇酸共聚物)聚合物核上,设计了载有吲哚菁绿(ICG)和地西他滨(DCT)的仿生纳米颗粒(BNP),用于光活化癌细胞焦亡和实体瘤免疫治疗。
JoJo_Beatles
2021/02/04
1.1K0
Biomaterials:仿生纳米粒实现肿瘤焦亡介导的实体瘤免疫治疗
【汇总】上海药物所李亚平老师在肿瘤免疫治疗领域的研究成果
1. Science Immunology:肿瘤微环境激活型抗体纳米粒用于免疫联合治疗
JoJo_Beatles
2021/02/04
8210
【汇总】上海药物所李亚平老师在肿瘤免疫治疗领域的研究成果
邵丹/董文飞/孙文Small:配位/氧化还原双响应介孔有机硅纳米粒放大ICD用于肿瘤化学-免疫治疗
部分化疗药物(阿霉素、紫杉醇和奥沙利铂等)可通过引起肿瘤细胞免疫原性死亡(Immunogenic Cell Death,ICD),解除肿瘤微环境的免疫抑制,提高患者对免疫治疗的响应率,从而获得更好的治疗效果。然而,化疗药物在递送过程中仍面临释放过程不够可控和肿瘤免疫微环境调控性弱等挑战。因此,构建一种智能药物递送载体实现化疗药物的可控释放和免疫调控,对提高肿瘤的化疗-免疫治疗效果具有重要意义。
JoJo_Beatles
2022/08/15
5740
邵丹/董文飞/孙文Small:配位/氧化还原双响应介孔有机硅纳米粒放大ICD用于肿瘤化学-免疫治疗
查正宝/赵庆良/李维建AFM:二硒化铌纳米片可实现抗炎和抗肿瘤的二合一治疗
肿瘤与炎症之间常伴随发生,临床上会同时进行抗肿瘤和抗炎症治疗。尽管二维原子晶体在癌症治疗中得到了广泛的应用,但其消炎功能却很少被探索。合肥工业大学查正宝、厦门大学赵庆良和烟台大学李维建合作报道了一种“星形”二维超导原子晶体二硒化铌纳米片(NbSe2 NSs)可以用作抗炎和抗肿瘤的二维纳米制剂。
JoJo_Beatles
2021/02/04
1.1K0
查正宝/赵庆良/李维建AFM:二硒化铌纳米片可实现抗炎和抗肿瘤的二合一治疗
西南大学许志刚/武汉大学孙志军Small Methods:“伟哥”纳米胶束联合光动力疗法用于多模态成像指导的肿瘤免疫治疗
以PD-1/PD-L1阻断为代表的癌症免疫治疗取得了前所未有的成功。免疫检查点阻断治疗(ICB)的响应率较低和免疫治疗相关不良反应(irAEs)问题仍需改善。越来越多的研究表明肿瘤微环境中的髓源性抑制细胞(MDSCs)在ICB抵抗中发挥着重要的作用。勃起功能障碍(ED)药物5型磷酸二酯酶(PDE5)长效抑制剂他达拉非(Tadalafil,简称TAD, 又名西力士,商品名:希爱力,Ciali,俗称伟哥)近来被发现能够显著抑制MDSCs的功能。TAD 通过抑制PDE5活性增加cGMP的细胞内浓度舒张血管,临床上广泛被应用于治疗ED、肺动脉高压、心肌肥厚及高血压,长期的临床应用证实了其生物安全性,是一种有潜力的免疫功能调节剂。
JoJo_Beatles
2022/08/15
4180
西南大学许志刚/武汉大学孙志军Small Methods:“伟哥”纳米胶束联合光动力疗法用于多模态成像指导的肿瘤免疫治疗
四川大学高会乐Small综述:纳米疫苗策略用于克服疫苗级联反应挑战以实现肿瘤免疫治疗
四川大学高会乐教授和卡尔加里大学Channakeshava Sokke Umeshappa对基于纳米疫苗的策略用于克服疫苗级联反应挑战以实现肿瘤免疫治疗的相关研究进行了综述。
JoJo_Beatles
2022/08/15
3490
四川大学高会乐Small综述:纳米疫苗策略用于克服疫苗级联反应挑战以实现肿瘤免疫治疗
单细胞转录组的肿瘤研究3大应用方向等你来攻克
这些年陆陆续续阅读了近百篇该领域的CNS文献,所以我大概总结了单细胞转录组技术肿瘤研究3大应用方向
生信技能树
2019/09/25
2.2K0
单细胞转录组的肿瘤研究3大应用方向等你来攻克
推荐阅读
山东大学张娜/刘永军AFM:利用化疗-光热治疗集成纳米平台重塑抗肿瘤免疫以增强基于检查点阻断的癌症治疗
4040
蔡开勇Biomaterials:咪喹莫特介孔多巴胺纳米载体介导的淋巴结靶向免疫激活
1.2K0
李艳梅/喻学锋BM:黑磷纳米片用于近红外光增强的免疫治疗
3770
孙逊/张凌Sci Adv:介孔二氧化硅纳米颗粒的孔径调节其抗原递送效率
3760
AFM:单次注射介孔二氧化硅微棒疫苗诱导对小抗原的体液反应
3390
朱华/杨志Small:一种用于PET/MRI/PAI成像引导的放射性同位素联合光热治疗前列腺癌的高特异性多增强治疗纳米探针
4160
Kam W. Leong/邵丹Adv Sci:一个可扩展的仿生纳米疫苗生产的多功能平台
5420
青岛农大王丽丽&中科院应化所林君CEJ:线粒体靶向的黑色素@mSiO2蛋黄壳结构用于近红外二区驱动的光热-热动力/免疫治疗
5860
山东大学吴选俊BM:基于酸响应糖纳米平台的多功能光热疫苗用于癌症协同治疗
5330
张先正JACS:一种基于Asp-Phe-Tyr三肽酶促聚合反应的肿瘤免疫治疗策略
3100
宁兴海/高建青/彭丽华Sci Adv:工程化细菌外膜囊泡作为透皮纳米平台,用于光-TRAIL程序化黑色素瘤治疗
1.5K0
中科院高能物理所晏亮JACS:高度稳定的二氧化硅包裹的铋纳米颗粒递送肿瘤微环境响应前药以增强肿瘤特异性光放射治疗
8640
基于聚多巴胺-二氧化锰- IR780碘化物的多功能光治纳米平台,用于有效磁共振成像引导的协同光动力/光热治疗
1.1K0
Biomaterials:仿生纳米粒实现肿瘤焦亡介导的实体瘤免疫治疗
1.1K0
【汇总】上海药物所李亚平老师在肿瘤免疫治疗领域的研究成果
8210
邵丹/董文飞/孙文Small:配位/氧化还原双响应介孔有机硅纳米粒放大ICD用于肿瘤化学-免疫治疗
5740
查正宝/赵庆良/李维建AFM:二硒化铌纳米片可实现抗炎和抗肿瘤的二合一治疗
1.1K0
西南大学许志刚/武汉大学孙志军Small Methods:“伟哥”纳米胶束联合光动力疗法用于多模态成像指导的肿瘤免疫治疗
4180
四川大学高会乐Small综述:纳米疫苗策略用于克服疫苗级联反应挑战以实现肿瘤免疫治疗
3490
单细胞转录组的肿瘤研究3大应用方向等你来攻克
2.2K0
相关推荐
山东大学张娜/刘永军AFM:利用化疗-光热治疗集成纳米平台重塑抗肿瘤免疫以增强基于检查点阻断的癌症治疗
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验