1) antigen recognition epitope
抗原识别位点
2) antigen recognition site
抗原识别点
3) antigen recognition
抗原识别
1.
They play an important role in the antigen recognition and presentation as well as in activation na?ve T cells by DCs.
Toll样受体(Toll-like receptors,TLRs)是一类进化保守的胚系编码的模式识别受体,在DCs的抗原识别、递呈及激活T细胞等方面具有重要作用,是机体受外来抗原入侵后作出适当免疫反应的调控点。
2.
This is MHC restriction in antigen recognition of T cell.
T细胞只能识别抗原提呈细胞表面特定的抗原肽MHC分子复合物,这就是T细胞抗原识别的MHC限制。
3.
Since the significance of T cell antigen recognition and activation in the process of immune respondent, the progresses in.
鉴于T细胞抗原识别和活化在免疫应答中的重要性,对近年来T细胞在抗原识别与活化研究方面所取得的重要进展进行了综述,并展望了T细胞的研究前景。
4) in situ identification
原位识别
1.
Based on the self-developed floc in situ identification technology, using high definition digital camara to shoot the constant moving floc particles during the dynamic flocculation process in the reactor, this experiment were carried out to study the influence on the floc structure and the transforming process of floc fractal structure when hydraulic conditions wer
本课题以聚合氯化铝(PAC)为絮凝剂、水中腐殖酸有机物和高岭土悬浮颗粒为去除对象,以自主开发的水中絮体形态原位识别技术为基础,通过高像素数字摄像机对反应器内动态絮凝过程不断运动的絮体粒子进行原位实时拍摄,研究水力条件变化对絮体结构形态的影响及絮体分形结构的演变过程,把微观的絮体形态与宏观的絮凝效果分析结合起来,以期更准确地定量描述与解释絮凝过程、预测絮凝效果。
5) epitope
[英]['epitəup] [美]['ɛpɪ,top]
抗原位点
1.
Antigenic epitopes recognized by six strains of monoclonal antibodies(McAb-αC11、αC12 、γH1 、γF8 、BC4、CH8) with ELISA reaction characteristics against swine hepatitis E virus(SHEV)were detected by means of competitive binding assay.
抗体反应增值结果表明,6株单抗分别针对4个不同抗原位点,McAb-γH1,BC4,CH8识别的位点各不相同,其中McAb-γH1、BC4识别的位点有部分重叠,McAb-αC11、αC12,γF8识别同一位点,位于γH1,BC4识别位点的重叠区内。
2.
In order to analyze epitopes of foot and mouth disease virus( FMDV) isolates B,D,S,Five monoclonal antibodies ( Mc Ab A6 ,F9,G1 7,G5 2 and S2 5 ) against FMDV with EL ISA reactivity were used.
为了分析 3株猪口蹄疫病毒 ( FMDV- B、D、S)的抗原位点 ,采用 5株具有 EL ISA反应特性的抗猪口蹄疫病毒的单克隆抗体 ( Mc Ab- A6、F9、G17、G5 2、S2 5 ) ,通过 EL ISA试验分别测定 3个抗原的最适包被浓度以及 5株单抗对各抗原的饱和工作浓度。
3.
Antigenic epitopes recognized by five strains of monoclonal antibodies(McAb A6,F9,G17,G52,S25) with ELISA reaction characteristics against foot and mouth disease virus(FMDV) were detected by means of competitive binding assay.
抗体反应增值结果表明 ,5株单抗分别针对 4个不同抗原位点 ,Mc Ab- G17、G5 2、S2 5识别的位点各不相同 ,其中 Mc Ab- G7、G5 2识别的位点有部分重叠 ,Mc Ab- A6、F9识别同一位点 ,位于 G17、G5 2位点的重叠区内。
6) antigenic sites
抗原位点
1.
The linear antigenic sites of chromogranin A were studied by examining the cross-reaction of polyclonal and monoclonal anti-chromogranin A antibodies with symthetic peptides encompassign most of the chromogranin A sequence.
我们通过CgA多抗、单抗和人CgA合成多肽间的结合反应研究人CgA的线性抗原位点,结果表明合成多肽CgA1-20、47-67、107-158、254-297、331-375、395-439和CgA25-46、163-210、231-253、298-314呈现无抗原性或弱抗原性。
补充资料："泛魔"识别模型
一种以特征分析为基础的图像识别系统。1959年B.塞尔弗里吉把特征觉察原理应用于图像识别的过程，提出了"泛魔"识别模型。这个模型把图像识别过程分为不同的层次，每一层次都有承担不同职责的特征分析机制,它们依次进行工作,最终完成对图像的识别。塞尔弗里吉把每种特征分析机制形像地称作一种"小魔鬼"，由于有许许多多这样的机制在起作用，因此叫做"泛魔"识别模型。这一模型的特点在于它的层次的划分。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条