-
公开(公告)号:CN112553195A
公开(公告)日:2021-03-26
申请号:CN202011226227.X
申请日:2020-11-05
Applicant: 南方医科大学
IPC: C12N15/113 , C12N9/22 , C12N5/10
Abstract: 本发明公开了一种用于CRISPR‑Cas9定点突变编辑DNMT1基因的试剂及其应用。所述试剂包含特定的单链引导RNA和寡聚脱氧核苷酸模板,通过特定的单链引导RNA序列靶向目标序列,以寡聚脱氧核苷酸模板作为基因修复模板,从而引入单个位点的突变,对DNMT1基因进行单碱基编辑,以制备生成携带该DNMT1定点突变的细胞株;可进一步利用该突变的细胞株来研究该DNMT1突变对γ‑珠蛋白基因(HBG)表达水平的影响极其作用机制,具有较大的应用前景。
-
公开(公告)号:CN107507148A
公开(公告)日:2017-12-22
申请号:CN201710762719.2
申请日:2017-08-30
Applicant: 南方医科大学
CPC classification number: G06T5/006 , G06N3/0454 , G06T2207/10088
Abstract: 基于卷积神经网络去除磁共振图像降采样伪影的方法,将带有伪影的样本磁共振图像作为输入图像,通过卷积神经网络框架进行处理,最终得到无伪影的结果图像,(一)获取最优模型,T1、对样本磁共振图像进行预处理;T2、搭建卷积神经网络基本框架;T3、对卷积神经网络基本框架参数进行初始化;T4、通过训练数据对卷积神经网络基本框架参数进行优化,得到最优模型;(二)通过最优模型对待处理图像进行去伪影得到目标图像,T5、将经过预处理的待处理图像数据代入最优模型中,输出结果图像。该发明建立的最优模型可以有效去除降采样造成的伪影,获得较高的分辨率以及对比度,并很好的保留图像的细节。
-
公开(公告)号:CN107507148B
公开(公告)日:2018-12-18
申请号:CN201710762719.2
申请日:2017-08-30
Applicant: 南方医科大学
Abstract: 基于卷积神经网络去除磁共振图像降采样伪影的方法,将带有伪影的样本磁共振图像作为输入图像,通过卷积神经网络框架进行处理,最终得到无伪影的结果图像,(一)获取最优模型,T1、对样本磁共振图像进行预处理;T2、搭建卷积神经网络基本框架;T3、对卷积神经网络基本框架参数进行初始化;T4、通过训练数据对卷积神经网络基本框架参数进行优化,得到最优模型;(二)通过最优模型对待处理图像进行去伪影得到目标图像,T5、将经过预处理的待处理图像数据代入最优模型中,输出结果图像。该发明建立的最优模型可以有效去除降采样造成的伪影,获得较高的分辨率以及对比度,并很好的保留图像的细节。
-
公开(公告)号:CN112553195B
公开(公告)日:2022-04-05
申请号:CN202011226227.X
申请日:2020-11-05
Applicant: 南方医科大学
IPC: C12N15/113 , C12N9/22 , C12N5/10
Abstract: 本发明公开了一种用于CRISPR‑Cas9定点突变编辑DNMT1基因的试剂及其应用。所述试剂包含特定的单链引导RNA和寡聚脱氧核苷酸模板,通过特定的单链引导RNA序列靶向目标序列,以寡聚脱氧核苷酸模板作为基因修复模板,从而引入单个位点的突变,对DNMT1基因进行单碱基编辑,以制备生成携带该DNMT1定点突变的细胞株;可进一步利用该突变的细胞株来研究该DNMT1突变对γ‑珠蛋白基因(HBG)表达水平的影响极其作用机制,具有较大的应用前景。
-
公开(公告)号:CN109280701A
公开(公告)日:2019-01-29
申请号:CN201710600785.X
申请日:2017-07-21
Applicant: 深圳华大基因股份有限公司 , 南方医科大学
IPC: C12Q1/6883 , C12N15/11 , C12N15/10
Abstract: 本申请公开了一种用于地中海贫血检测的探针、基因芯片及制备方法和应用。本申请的用于地中海贫血检测的探针的制备方法,包括根据不同地中海贫血基因、修饰基因和不同突变,构建捕获区间库;据此设计捕获探针;捕获区间库包括,alpha基因簇和beta基因簇所有珠蛋白基因及其重要调控区域全长片段、已有记录的断点突变位点、缺失突变中选取的SNP位点,和地贫修饰基因上的SNP位点。本申请的制备方法,针对地贫所有基因簇及其相关基因进行探针设计,使探针能覆盖所有地贫基因突变。结合Tn5建库和高通量测序,不仅能覆盖所有突变,而且操作简便、通量高、成本低,适于地贫大规模人群诊断与筛查,以及新的未知基因突变的研究和预测。
-
公开(公告)号:CN109242924A
公开(公告)日:2019-01-18
申请号:CN201811012505.4
申请日:2018-08-31
Applicant: 南方医科大学
Abstract: 一种基于深度学习的核磁共振图像的降采样伪影去除方法,包括如下步骤:步骤一,通过带伪影的样本磁共振图像获得最优模型;步骤二,将带降采样伪影的磁共振图像通过步骤一得到的最优模型处理,得到估计伪影图;步骤三,用带降采样伪影的磁共振图像减去步骤二得的估计伪影图像,然后用测量数据代替对应k空间低频数据得到去伪影图像。该基于卷积神经网络的模型能有效地去除磁共振图像中由于降采样导致的伪影,并且不会造成明显的模糊以及对比度的损失,同时很好地保留图像的细节,并且具有高的鲁棒性和高效性。
-
-
-
-
-