Ⅰ. 细胞培养  细胞培养实验室  细胞培养一般程序  细胞计数  细胞生长增殖测定  细胞系鉴定  细胞的微生物和病毒污染检测  特殊类型细胞培养 Ⅱ. 细胞分离技术 Ⅲ. 细胞转染 Ⅵ. 细胞凋亡检测 Ⅳ.细胞侵袭实验 Ⅴ. 细胞周期分析

细胞增殖的意义 第三节细胞周期的调控 第一节细胞周期概述 MPF的发现及其作用 细胞周期 细胞周期中各个不同时相及 P34cdc2激酶的发现及其与 其主要事件 MPF的关系 细胞周期长短测定 细胞周期蛋白 细胞周期同步化 特殊细胞周期 细胞周期运转调控 第二节细胞分裂 其他内外在因素在细胞周期 有丝分裂 调控中的作用 减数分裂

教学要求：掌握细胞质基质的涵义、功能、内质网、高尔基复合体、溶酶体与过氧化物酶体的结构与功能，掌握细胞内蛋白质的分选与细胞结构的装配规律。 教学内容： 第一节 细胞质基质 一、 细胞质基质的涵义 二、 细胞质基质的功能 三、 细胞质基质与胞质溶胶 第二节 内质网 一、 内质网的两种基本类型 二、 内质网的功能 三、 内质网与基因表达的调控 第三节 高尔基复合体 一、 高尔基体的形态结构 二、 高尔基体的功能 三、 高尔基体与细胞内的膜泡运输 第四节 溶酶体与过氧化物酶体 一、 溶酶体的结构类型 二、 溶酶体的功能 三、 溶酶体的发生 四、 溶酶体与过氧化物酶体 第五节 细胞内蛋白的分选与细胞结构的装配 一、 信号假说与蛋白质分选信号 二、 蛋白质分选的基本途径与类型 三、 膜泡运输 四、 细胞结构体系的装配

第一节 细胞死亡 • 细胞凋亡与细胞坏死、细胞自噬； • 动物细胞凋亡的特征、检测； • 细胞凋亡的机制及调控， • 植物细胞和酵母的凋亡。 第二节 细胞衰老 • 细胞衰老与个体衰老； • 细胞衰老的形态； • 细胞衰老的机制

1、掌握T细胞和B细胞的重要膜表面分子;T细胞和B细胞的亚群及功能;NK细胞的特性及其作用。 2、熟悉免疫器官的结构及免疫功能;免疫细胞、抗原特异性淋巴细胞的概念;免疫细胞的种类;T细胞和B细胞的来源、分化与分布;细胞因子的概念及生物学活性。 3、了解其他免疫细胞的功能;细胞因子的共同特性;细胞因子的种类

第一章 绪论 第二章 细胞基本知识概要 第三章 细胞生物学研究方法 第四章 细胞质膜与细胞表面 第五章 物质的跨膜运输与信号传递 第六章 细胞质基质与细胞内膜系统 第七章 细胞的能量转换──线粒体和叶绿体 第八章 细胞核(nucleus)与染色体(chromosome) 第九章 核糖体(ribosome) 第十章 细胞骨架(Cytoskeleton) 第十一章 细胞增殖及其调控 第十二章 细胞分化与基因表达调控 第十三章 细胞衰老与凋亡

第一章 绪论 第二章 细胞基本知识概要 第三章 细胞生物学研究方法 第四章 细胞质膜与细胞表面 第五章 物质的跨膜运输与信号传递 第六章 细胞质基质与细胞内膜系统 第七章 细胞的能量转换──线粒体和叶绿体 第八章 细胞核(nucleus)与染色体(chromosome) 第九章 核糖体(ribosome) 第十章 细胞骨架(Cytoskeleton) 第十一章 细胞增殖及其调控 第十二章 细胞分化与基因表达调控 第十三章 细胞衰老与凋亡

第一节 细胞因子检测概述 一、细胞因子的类型与作用特点 二、细胞因子检测的特点与方法 第二节 细胞因子检测的方法与原理 一、细胞因子的细胞生物学检测 二、细胞因子的免疫学检测 三、细胞因子的分子生物学检测 第三节 常用细胞因子的检测方法 一、IL-2的检测 二、IFN-γ的检测 三、TNF的检测 第四节 细胞因子受体的检测 一、细胞因子受体的类型 二、细胞因子受体的检测

第一章 绪论 第二章 细胞基本知识概要 第三章 细胞生物学研究方法 第四章 细胞质膜与细胞表面 第五章 物质的跨膜运输与信号传递 第六章 细胞质基质与细胞内膜系统 第七章 细胞的能量转换──线粒体和叶绿体 第八章 细胞核(nucleus)与染色体(chromosome) 第九章 核糖体(ribosome) 第十章 细胞骨架(Cytoskeleton) 第十一章 细胞增殖及其调控 第十二章 细胞分化与基因表达调控 第十三章 细胞衰老与凋亡

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度