薛嵩的个人主页 – 博客

SARS-CoV-2 Spike 假病毒中和实验（包装、活力标定与中和）

Thu, 03 Sep 2026 00:00:00 +0000

本文整理了一份基于 HIV 骨架的 Spike 假病毒（pseudotyped lentivirus）定量抗体中和活性的完整流程，包括三部分：(1) 在 HEK293T 中包装携带萤火虫荧光素酶（firefly luciferase）报告基因的 SARS-CoV-2 Spike 假病毒；(2) 在 Huh7 细胞上测定感染活力并将不同病毒株标定到相近剂量；(3) 抗体梯度稀释后的体外中和实验与数据拟合。

假病毒系统把 SARS-CoV-2 的 Spike（S）蛋白作为包膜展示在复制缺陷的病毒颗粒表面，因此中和实验可在 BSL-2 条件下进行。

🦠

生物安全：本系统为单轮感染、复制缺陷的假病毒（基于 HIV-1 载体），但涉及重组慢病毒与含荧光素酶报告质粒的操作。请遵守你所在机构对生物安全的要求：生物安全柜内操作、含病毒废液用消毒剂（如含氯消毒液/次氯酸盐）处理后方可废弃。

一、实验原理

假病毒颗粒：将编码 S 蛋白的包膜表达质粒与携带 Gag/Pol 与萤火虫荧光素酶报告基因的骨架质粒（本组所用 pNL4-3.Luc.R-E）共转染 HEK293T。细胞表达的 S 蛋白组装到出芽病毒颗粒表面，形成单轮感染的假病毒颗粒；其基因组不编码功能性毒力因子，只报告感染事件。
感染与报告：假病毒通过 S 蛋白与宿主受体结合进入 Huh7（或其他敏感细胞），骨架基因组进入细胞后表达萤火虫荧光素酶；加入底物后发光信号（RLU）正比于被感染细胞数量。
中和：将梯度稀释的抗体与假病毒预孵育，若抗体能阻断 S 介导的感染，则加入细胞后的 RLU 随抗体浓度升高而下降。拟合剂量-反应曲线可得半数抑制浓度（IC50）。

二、材料、试剂与仪器

1. 质粒与细胞

物料	用途	说明
S 蛋白表达质粒	包膜质粒	编码 SARS-CoV-2 S（野生型或 VOCs 突变株）的真核表达质粒
骨架质粒 pNL4-3.Luc.R-E	报告骨架	提供 Gag/Pol 与 Firefly luciferase，缺失 NEF/VPR/VPU/VIF 等功能基因的单轮复制骨架
HEK293T 细胞	假病毒包装	贴壁培养，转染时 70–80% 汇合
Huh7 细胞	感染/中和靶细胞	96 孔板铺板后用于活力与中和检测
TransStbl3（或等效）感受态细胞	骨架质粒扩增	慢病毒骨架含长末端重复序列，用较低温度（约 30 ℃）培养以减少重组

2. 试剂、耗材与仪器

类别	物料	说明
培养基	DMEM 完全培养基	含10% FBS，293T/Huh7 维持
	无血清 DMEM	转染前/感染期换液与病毒稀释用
	Opti-MEM 或 PBS	转染复合物稀释用（取决于转染试剂类型）
转染	转染试剂	293T 双质粒转染（威格拉斯 VigoFect，0.4 mL/支）
消化	0.25% 胰酶-EDTA	细胞传代
病毒收获	0.22 µm 滤膜	上清过滤去碎片
检测	萤火虫荧光素酶裂解液	如 Promega E1531（Luciferase Cell Culture Lysis Reagent 5×）
	荧光素酶底物	如 Promega E1501/E1500（Luciferase Assay System）
耗材	96 孔细胞培养板	Huh7 铺板
	U 底 96 孔板	病毒/抗体梯度稀释与混合
	96 孔白板	RLU 读数（发光不透过板壁）
	10 cm 细胞培养皿	293T 包装
仪器	CO₂ 培养箱、生物安全柜	—
	多模式酶标仪/发光检测仪	读 RLU

三、假病毒包装与收获（HEK293T）

以 10 cm 细胞培养皿为一个包装单元。

1. 293T 铺板

用贴壁细胞传代法将 293T 消化成单细胞，调整密度约 6 × 10⁵ cells/mL。
每皿加入 10 mL 细胞悬液，轻晃使分布均匀。
37 ℃、5% CO₂ 培养 14–16 h，至 70–80% 汇合时转染。

2. 双质粒瞬时转染

每个 10 cm 皿（约 70–80% 汇合）用量：骨架质粒 10 µg : S 包膜质粒 20 µg（质量比 1:2）。

稀释转染试剂：取 8 µL VigoFect 加至 500 µL PBS ，混匀静置约 5 min。
稀释质粒：将 S 包膜质粒与骨架质粒加入同一管 500 µL 稀释液中，混匀静置约 5 min。
复合物：将转染试剂稀释液逐滴加入质粒稀释液，轻弹混匀，室温静置约 15 min，形成 DNA-转染试剂复合物。
转染：先将 293T 培养基换成新鲜无血清培养基（10 mL）；随后将复合物沿皿壁/四周画圈逐滴加入，轻晃均匀。
转染后 6 h 换回完全培养基，继续培养 48 h。

3. 病毒收获与储存

48 h 后收集细胞上清。
0.22 µm 滤膜过滤以去除细胞碎片。
将假病毒上清分装（如 15 mL 管，或按实验用量小份分装），标记名称与日期，−80 ℃ 保存（避免反复冻融）。

四、病毒感染活力检测与剂量标定

包装后的假病毒在用于中和实验前需验证感染活力，并把不同病毒株/批次标定到相近的感染剂量（否则测得的中和效力会随病毒输入量漂移）。

1. Huh7 铺板（活力检测）

96 孔细胞培养板的外周一圈：即 A1–A12、H1–H12、B1–G1、B12–G12 孔中加入 150 µL/孔的 PBS。
用 DMEM 完全培养基将状态良好的 Huh7 稀释至 1 × 10⁵ cells/mL，取 100 µL/孔 加入 96 孔细胞培养板中间的 60 个孔。
37 ℃ 培养 7–8 h 后用于感染。

2. 病毒稀释与感染

在 U 底 96 孔板中用无血清 DMEM 将病毒做四个梯度：原液、2 倍、4 倍、8 倍稀释。
每孔直接加入 100 µL 病毒稀释液（不弃原有细胞培养基），37 ℃ 感染 24 h。
感染 24 h 后换回完全培养基，继续 36 h（共约 60 h 后检测）。

3. 萤火虫荧光素酶检测

弃去孔内上清。
每孔加入 50 µL 1× 细胞裂解液（将 5× 储液用去离子水稀释至 1×），摇床室温振荡裂解约 40 min。
取 40 µL 裂解液转移至 96 孔白板，加入等体积（40 µL）荧光素酶底物。
立即用酶标仪读取发光信号（RLU）。RLU 越高表示病毒感染活力越强。

4. 中和用剂量标定

用无血清 DMEM 调整各病毒株/批次，使设定体积内产生的感染信号落在同一区间（本记录将中和输入病毒校正到约 10 × 10⁴ RLU），后续中和实验的病毒量即以此确认。

五、中和实验

1. Huh7 铺板

同第四部分：DMEM 完全培养基铺 Huh7，100 µL/孔，37 ℃ 7–8 h。

2. 病毒输入

用无血清 DMEM 将各病毒株稀释至标定的感染剂量（见四.4），备用。

3. 抗体稀释与抗体-病毒孵育

将待测单抗预调至 0.5 mg/mL（工作储液浓度）。
在 U 底 96 孔板中按下表做梯度：

孔位	操作	混合后抗体终浓度（µg/mL）
第 1 孔	196 µL 病毒 + 4 µL 抗体（0.5 mg/mL），吹打混匀	10.000
第 2–9 孔	各 120 µL 病毒	—
第 2 孔	从第 1 孔取 60 µL 加入，混匀	3.333
第 3 孔	从第 2 孔取 60 µL 加入，混匀	1.111
第 4 孔	依次 60 µL 3 倍转移	0.370
第 5–9 孔	依次 3 倍转移	0.123 / 0.041 / 0.014 / 0.005 / 0.002

（即 9 个浓度、3 倍倍比，覆盖 10 → 0.002 µg/mL。中间 60 孔设为实验孔，每浓度两重复；第 10 孔作为仅病毒对照孔。）

混合完成后，将 U 底板放入 37 ℃ 培养箱孵育 30 min（抗体与病毒预结合）。

4. 感染

每孔直接加入 100 µL 抗体-病毒混合液（不弃原有细胞培养基，孔内总体积约 200 µL），37 ℃ 感染。
24 h 后换回完全培养基，继续 36 h培养。

Note

抗体-病毒混合液直接加在原有细胞培养上（不弃旧培养基）；表中"混合后终浓度"为混合液内浓度，实际孵育时孔内总体积约 200 µL，抗体浓度需再除以约 2。

5. 读出

同四.3（弃上清 → 50 µL 1× 裂解液室温 40 min → 40 µL + 等体积底物 → 读 RLU）。

六、数据记录与结果计算

1. 对照

对照	含义	处理
病毒对照（仅病毒，无抗体）	0% 中和（100% 感染信号）	应给出最高 RLU
细胞对照（仅细胞，无病毒）	本底	从所有读值中扣除
（可选）已知中和抗体	阳性对照	监控批间一致性

2. 中和率计算

以 mAb 为例（测血清时把"浓度"换成"稀释度"即可）：

中和率（%）= (1 − (RLU(样本) − RLU(本底)) / (RLU(病毒对照) − RLU(本底))) × 100%

对每个抗体浓度计算中和率，两重复取均值。
以抗体浓度（log10）为横轴、中和率（%）为纵轴作图，得到 S 形剂量-反应曲线。
用四参数 logistic（4PL）非线性回归拟合（如 GraphPad Prism 的 “log(inhibitor) vs. normalized response — Variable slope”），取抑制 50% 感染信号对应的抗体浓度作为 IC50。

Note

“减本底归一化 + 四参数变斜率拟合求 IC50” 是假病毒中和数据的标准分析流程（见文末参考：Ferrara & Temperton, 2018）。若测血清并按稀释度报告，可定义 NT50 为使 RLU 相对（仅病毒孔 − 仅细胞孔）差值下降 50% 的血清稀释度（Zhang 等, STAR Protocols, 2025）。

3. 预期结果

具有中和活性的抗体呈现典型的剂量依赖性抑制：低浓度接近 0%、高浓度接近 100%。
无中和活性的抗体各浓度中和率均接近 0（在误差范围内）。
若抗体与 RBD/受体结合阳性却不显示中和，可能因表位不阻断受体结合或病毒输入量过高（见问题排查）。

七、问题排查与注意事项

问题排查（Troubleshooting）

现象	可能原因	处理建议
整体 RLU 很低 / 无信号	包装失败、293T 汇合度过高过低、病毒反复冻融、Huh7 状态差	收液后尽快分装 −80 ℃；转染前确保细胞处于对数生长期
阳性抗体也不中和	病毒输入量过高（抗体相对不足）、mAb 表位不阻断结合	降低病毒剂量重标定；换用已知中和阳性抗体验证体系
中和曲线不完整（顶部不到 100%）	抗体最高浓度不够 / 病毒输入过高	提高起始浓度或降低病毒输入量；延长最高浓度平台
批间差异大	病毒批次间滴度漂移、细胞批次差异	每次用同一标定靶 RLU；固定铺板密度；板内设阳性对照 mAb
RLU 背景高	裂解液/底物污染、白板污染	现配底物；用洁净的枪头

注意事项（Notes）

假病毒为重组慢病毒报告系统，需按规范处理废弃物与消毒。
病毒梯度滴定用的 4 个梯度（原液/2/4/8 倍）用于初筛活力；正式中和实验将不同毒株的目标 RLU 信号调整至相似的区间。

🤖

AI 使用声明：本文由作者撰写，AI 工具（Claude）辅助完成初稿起草与格式整理。作者已审校全部内容，并对准确性承担最终责任。

八、相关方法

抗体结合是否阳性的前期筛选：间接 ELISA 检测抗 SARS-CoV-2 Spike RBD 抗体结合。
中和实验所用单克隆抗体的制备：单克隆抗体 HEK293F 瞬时表达与 Protein G 亲和纯化。

其他可参考的资料

Crawford KHD, et al. Protocol and Reagents for Pseudotyping Lentiviral Particles with SARS-CoV-2 Spike Protein for Neutralization Assays. Viruses, 2020. https://doi.org/10.3390/v12050513（PMC 全文：https://pmc.ncbi.nlm.nih.gov/articles/PMC7291041/）— 荧光/荧光素酶报告假病毒中和实验的代表性 BSL-2 方案（病毒剂量、对照与线性信号要求）。
Di Genova C, et al. Production, Titration, Neutralisation, Storage and Lyophilisation of SARS-CoV-2 Lentiviral Pseudotypes. Bio-protocol, 2021. https://doi.org/10.21769/BioProtoc.4236 — 慢病毒假病毒的生产/滴定/中和/储存全程详解。
Ferrara F, Temperton N. Pseudotype Neutralization Assays: From Laboratory Bench to Data Analysis. Methods and Protocols, 2018. https://doi.org/10.3390/mps1010008 — 中和率归一化（病毒孔 0%、细胞孔 100%）与四参数变斜率拟合求 IC50 的标准流程。
Zhang Y, et al. Protocol for evaluating humoral immune responses in mice following SARS-CoV-2 vaccination. STAR Protocols, 2025. https://doi.org/10.1016/j.xpro.2024.103548 — NT50 定义（相对 NVC/NPC 差值下降 50% 的稀释度）示例。
CDC/NIH. Biosafety in Microbiological and Biomedical Laboratories (BMBL), 6th ed. https://www.cdc.gov/labs/bmbl/index.html — 含灭活与验证的机构生物安全风险评估框架。
荧光素酶检测体系官方说明：Promega E1501 Luciferase Assay System、E1531 裂解液（5×）与 TB281 Technical Bulletin：https://www.promega.com.cn/resources/protocols/technical-bulletins/0/luciferase-assay-system-protocol/

单克隆抗体 HEK293F 瞬时表达与 Protein G 亲和纯化

Thu, 03 Sep 2026 00:00:00 +0000

本文整理一套在悬浮 HEK293F 细胞中瞬时表达重组单克隆抗体（IgG）并用 Protein G 亲和层析纯化的流程，覆盖：细胞转染与表达、上清收获与澄清、Protein G 结合与低 pH 洗脱（即时中和）、超滤浓缩与定量，以及 SDS-PAGE 质控和填料再生。

整套流程以 45 mL 摇瓶培养规模为例。

一、流程概述与关键点

重组 IgG 由两个相同重链（heavy chain, HC）与两个相同轻链（light chain, LC）组成。将编码 HC 与 LC 的表达质粒共转染悬浮 HEK293F 细胞后，细胞将装配并分泌完整 IgG 至培养基；培养数日后收获上清，经 Protein G 亲和填料（结合 IgG 的 Fc 区）一步富集，再低 pH 洗脱。由于洗脱液偏酸会使 IgG 部分变性/聚集，洗脱液必须直接滴入预先装有碱性中和液的收集管，防止局部 pH 过低。

🔧

关键成功因素：

转染时细胞活力要高（通常 > 90%）；
全程缓冲液预冷（4 ℃），避免抗体长时间处于室温；
低 pH 洗脱必须即时中和；
浓缩/换液用 30 kDa 截留超滤管，避免 IgG（约 150 kDa）损失。

二、材料、试剂与缓冲液

1. 试剂与耗材

物料	用途	规格/说明
悬浮 HEK293F 细胞	表达宿主	Gibco Expi293F（货号 A14527）
无血清悬浮培养基	细胞培养	奥浦迈 293F Hi-exp 培养基（货号 AC601501）
Optimal-MEM 减血清培养基	稀释质粒与转染试剂	美仑生物（Meilunbio）PWL041（含酚红）或 PWL042（不含酚红）
HC 表达质粒	编码抗体重链	转染级（去内毒素），A260/280 合格
LC 表达质粒	编码抗体轻链	同上
转染试剂	递送质粒入细胞	李记生物（Life-iLab）EZ Trans 细胞转染试剂（高效），货号 AC04L092（50 mL）
补料液	延长表达	奥浦迈 OPM-293 ProFeed（货号 F081918-001，1000 mL）+ 葡萄糖母液（450 g/L）
Protein G 亲和填料	捕获 IgG	GenScript Protein G Resin（货号 L00209）；20% EtOH 保存，用前预冷 PBS 清洗
重力亲和层析柱	柱层析	依上清体积选柱（如 3–6 mL 柱床）
30 kDa 超滤浓缩管	浓缩/换液	Millipore Amicon Ultra-4（Ultracel-30K），货号 UFC803024（24 支/盒）
0.45 µm 滤膜	上清澄清	或离心澄清
预染蛋白 marker、5× 上样缓冲液	SDS-PAGE	含还原剂
4–12% 预制胶	SDS-PAGE	梯度胶
考马斯亮蓝 R-250	胶染色	染色/脱色

2. 缓冲液配方

缓冲液	配方	用途
PBS（预冷）	1× PBS，pH 7.4	填料平衡、洗涤、浓缩后换液/定容
洗脱缓冲液（elution buffer）	Pierce IgG Elution Buffer（货号 21004，1 L；pH 2.8，即用型）	低 pH 洗脱 IgG
中和液	1 M Tris-HCl，pH 9.0	按预计洗脱体积的约 1/10 预置于收集管
再生/去污洗液	0.5 M Glycine，pH 2.7	Beads 再生（去除残留结合物）
PBST	PBS + 0.05%（v/v）Tween-20	Beads 再生清洗
EtOH 溶液	70%、20%（v/v）	填料消毒/保存（20% EtOH 4 ℃ 长期保存）

三、细胞准备与瞬时转染

1. 培养规模与密度

取活力 > 90% 的 293F 细胞，以约 1.5 × 10⁶ cells/mL 接种于摇瓶（45 mL 培养体积；加入转染体系后总体积约 50 mL），37 ℃、5% CO₂、约 120 rpm 振荡培养。
转染前记录细胞密度与活力，确认处于对数期。

2. 配制质粒-转染试剂复合物

取两个离心管，分别加入 Opti-MEM（见步骤 3 的体积）。
一管加入 HC 质粒，另一管加入 LC 质粒（两者摩尔数/质量比约 1:1）。
向其中一管 Opti-MEM 中加入 转染试剂，另一管加入质粒 DNA；将转染试剂稀释液与质粒稀释液合并，轻弹/轻吹混匀。
室温静置约 10 min，形成 DNA-转染试剂复合物。

⚠️

转染体系（45 mL 培养）： 2.4 mL Optimal-MEM 稀释 180 µL 转染试剂；另 2.4 mL Optimal-MEM 稀释 HC 与 LC 质粒各约 30 µg。合并后室温静置约 10 min。

3. 转染

将复合物逐滴缓慢加入摇瓶（边振荡边滴加，使复合物均匀分散）。
转染后继续培养。本记录在转染 24 h 后补加补料（2.5 mL 补料 + 0.625 mL 葡萄糖母液（450 g/L）/50 mL 体系）。
转染 72 h 后补加 2.5 mL 补料，不加葡萄糖。
第 7 天（约转染后 7 天）收获上清。

四、上清收获与澄清

将培养物分装至离心管（约 45 mL/管）。
4 ℃ 离心去细胞（4000 g、40 min、10 ℃）。
取上清，经 0.45 µm 滤膜过滤，得到澄清上清，用于 Protein G 纯化。

五、 Protein G 亲和纯化

按"填料与上清批式结合 → 重力柱洗涤与洗脱"的流程进行纯化。

1. 填料准备与结合

取 Protein G 填料。填料以 20% EtOH 保存，使用前用预冷 PBS 洗涤数次（去除 EtOH 与杂质）。
按约 600 µL 填料 / 50 mL 上清 的量取用（以填料结合载量和你目标得量为准，可适当增减）。
将填料加入澄清上清，4 ℃ 旋转/摇动结合过夜（或至少数小时，确保充分结合）。
次日将含填料的悬液小心移入重力亲和层析柱，让液体自然流下，收集/弃去流出液。

2. 洗涤

待柱内液体流尽，用预冷 PBS 加满柱床洗涤，让液体自然流下。重复洗涤至约 10 次柱体积。
柱床始终不要干涸（可留薄层液体覆盖）。

3. 洗脱与中和

准备收集管，每管预置 1 M Tris-HCl pH 9.0，体积约为计划洗脱体积的 1/10（例如预计洗脱 900 µL，则预置约 90 µL）。
向柱中加入 洗脱缓冲液（50 mL 起始体系约加 900 µL；静置 3–5 min 后再打开出口收集）。
让洗脱液自然滴入收集管，与 Tris 液即时混合，随即颠倒混匀，防止局部 pH 过低导致抗体聚集/沉淀。
可重复加洗脱缓冲液 2–3 次，合并洗脱液。

六、浓缩、置换与定量

将洗脱液加入 30 kDa 截留超滤管（Amicon Ultra 30K）。
4 ℃、4000 ×g 离心 30 min（视浓缩目标体积调整时间，避免过度离心）。
弃去滤出液。若需换液至 PBS：加入 预冷 PBS（记录用约 4 mL）冲洗原管壁后一并加入超滤管，重复 2–3 次，将缓冲体系置换为 PBS 并同步浓缩。
收集浓缩液，测 A280 计算浓度（用抗体的消光系数），并记录 A260/280 观察核酸/杂质污染情况。
用 PBS 将抗体调至目标浓度（一般约 2 mg/mL），分装保存（短期 4 ℃，长期冻存于 -80 ℃）。

七、 SDS-PAGE 质控

样品制备：将 5 µg 抗体用 PBS 稀释至 20 µL；加入 5 µL 5× 上样缓冲液（含 DTT）。
混匀后简短离心，95 ℃ 加热 10 min。
上样：预染蛋白 marker 10 µL/孔，样品 20 µL/孔。
电泳：4–12% 梯度胶，100 V 约 90 min（或按胶厂商建议的电压/时间，以溴酚蓝前沿跑至胶底为准）。
染色：取下凝胶放入容器，加考马斯亮蓝染液浸没，摇床染色 2–3 h；倒掉染液，用脱色液或自来水摇床脱色过夜。
拍照记录。

预期条带：

条件	预期
还原	约 50 kDa（HC）+ 约 25 kDa（LC），无高分子量聚集体条带更佳

八、 Protein G 填料再生与保存

纯化后按以下顺序处理填料（记录流程）：

柱中加满 PBS，洗涤 5 次。
加入 0.5 M Glycine（pH 2.7），按填料体积的 2 倍量加，孵育约 5 min，重复 2 次（去除残留结合物）。
PBS 加满洗涤 5 次。
加满 PBST（0.05% Tween-20），孵育约 5 min 去除疏水杂质。
PBS 洗涤 5 次。
加满 70% EtOH，孵育过夜（消毒/去污，视厂商建议）。
PBS 洗涤 5 次，最后将填料转入 20% EtOH，4 ℃ 保存。

九、问题排查

问题排查（Troubleshooting）

现象	可能原因	处理建议
得量远低于预期	转染效率低、细胞密度/活力不佳、收获过早	核对细胞活力与对数期；做 GFP/报告质粒平行转染监测效率；确认收获时间与补料
洗脱峰不明显/结合差	填料未平衡好、上清 pH 或盐浓度异常、填料过期	上清澄清后调至中性；填料预冷 PBS 充分平衡；核对填料保存状态
纯化样品浑浊/沉淀	洗脱低 pH 未及时中和	加大 Tris 体积或提前混匀；必要时洗脱后立即调 pH
还原胶出现杂带/高分子量带	样品中残留宿主蛋白或聚集体	加强洗涤；结合 SEC 或进一步精纯
A260/280 偏高	核酸或缓冲液成分干扰	检查洗脱与换液是否彻底；必要时用 A280 消光系数法并扣除稀释液本底

🤖

AI 使用声明：本文由作者撰写，AI 工具（Claude）辅助完成初稿起草与格式整理。作者已审校全部内容，并对准确性承担最终责任。

十、相关方法

纯化出的抗体可进一步用于功能评价：SARS-CoV-2 Spike 假病毒中和实验与间接 ELISA 检测 RBD 抗体结合。

间接 ELISA 检测抗 SARS-CoV-2 Spike RBD 抗体的结合

Thu, 03 Sep 2026 00:00:00 +0000

本文总结了以重组 SARS-CoV-2 Spike 受体结合域（receptor-binding domain, RBD）为包被抗原的间接 ELISA 流程，该流程用于评估血清或单克隆抗体与 RBD 的结合强度与效价。

主要流程和原理为：抗原包被于 96 孔板后，依次加入封闭液、梯度稀释的一抗（血清或抗体）、HRP 标记的抗人 IgG 二抗，最后以 ABTS 底物显色并在 405 nm 读取吸光度。

Note

文中以检测人源血清 IgG 结合为例（二抗为抗人 IgG-HRP）。若一抗为鼠源或其他种属抗体，将二抗换成对应的抗种属二抗即可，其余流程不变。

一、实验原理与设计要点

间接 ELISA 通过"包被抗原 → 一抗（待测抗体）结合 → 酶标二抗识别一抗 → 底物显色"层级放大，将抗体的结合量转化为可定量的吸光度。

设计上需要特别注意三点：

包被抗原量不能过低：RBD 包被浓度不足时，即使血清效价较高，信噪比也会显著下降。本流程使用约 5 µg/mL 包被。
封闭时间对背景影响大：2% BSA 封闭 2 h 产生的背景明显低于封闭 1 h，本流程固定为室温 2 h。
血清起始浓度不能过稀：血清样本从 1:10（或 1:100）起始（PBS 稀释），再在 U 底 96 孔板中做梯度滴定后转移至检测板。

二、材料、试剂与缓冲液

1. 试剂与耗材

物料	用途	规格/说明
重组 SARS-CoV-2 S-RBD 蛋白	包被抗原	HEK293 细胞表达的可溶性 RBD
96 孔酶标板	反应板	Corning 9018
U 底 96 孔板	血清/抗体梯度稀释	Nest
抗人 IgG（H+L）-HRP 二抗	检测抗体	Thermo Fisher 31410（Goat anti-Human IgG (H+L), HRP）
ABTS 底物溶液	显色	即用型 ABTS 溶液（Thermo Fisher 002024）
封闭用 BSA	封闭液成分	高纯度 BSA，配成 2%（w/v）
封板膜/盖	防蒸发	包被过夜与各孵育步加盖
多道移液器	洗涤与加样	8/12 道
纸巾/吸水纸	拍板去液	每次洗涤后彻底拍干
酶标仪	读板	能读 405 nm 的吸光度

2. 缓冲液配方

缓冲液	配方	用途与备注
包被缓冲液（coating buffer）	PBS	常用配方
洗涤液 PBST	PBS（pH 7.2）含 0.05%（v/v）Tween-20	0.05%
封闭液	DPBS 中 2%（w/v）BSA，0.22 µm 过滤	同时用作二抗稀释液

3. 稀释液与基质

一抗/血清稀释：PBS（人血清首孔 1:10（或 1:100）起）。
二抗稀释：用封闭液（2% BSA/PBS）稀释，避免单独加 BSA。

三、操作流程

全部孵育均在湿盒/加盖条件下进行，避免边缘孔蒸发。默认每孔终体积见各步；同一板建议做重复孔。

1. 包被（4 ℃ 过夜）

用包被缓冲液将 RBD 稀释至 5 µg/mL。
向 96 孔板加入 50 µL/孔。加样后轻拍/轻晃使液面铺匀（避免边缘挂壁）。
盖上封板膜，4 ℃ 孵育过夜（约 16–18 h）。

Important

若更换抗原批次或改用截短抗原，先用 2–3 个已知阳/阴性样本做浓度梯度（如 2.5/5/10 µg/mL）预实验，确认包被浓度仍能给出足够信噪比。抗原量偏低会显著压低信噪比。

2. 洗涤（3 × 200 µL PBST）

弃去孔内液体（直接倒出或甩出）。
每孔加入 200 µL PBST，随后完全去除液体：将板倒扣在干净纸巾上拍打数次，必要时轻甩 5 次后再次拍干。
重复洗涤共 3 次。每次都要彻底拍干，残留液会抬高背景。

3. 封闭（室温 2 h）

每孔加入 200 µL 封闭液（2% BSA/DPBS）。
盖板，室温孵育 2 h。

4. 洗涤

同步骤 2（3 × 200 µL PBST，拍干）。

5. 一抗（血清/抗体）孵育（室温 1 h）

在 U 底 96 孔板中用 PBS 将待测样本梯度稀释。人血清样本从 1:10 起始（按样本类型调整）。
将稀释好的样本按 50 µL/孔转移至已封闭的检测板。
盖板，室温孵育 1 h。

Tip

每板应包含：阴性对照（如已知阴性血清/无关抗体）、空白（仅 PBS，作为本底）与（可选）阳性对照。U 底板稀释后建议立即转移，避免长时间放置。

6. 洗涤

同步骤 2。

7. 二抗孵育（室温 1 h）

用封闭液将抗人 IgG-HRP 稀释至 1:5000。
每孔加入 50 µL，盖板，室温孵育 1 h。

8. 洗涤

同步骤 2（建议最后一次洗涤后拍干更彻底）。

9. 显色

每孔加入 100 µL ABTS 底物。
室温、避光孵育。设定初始 10 min，期间不时观察显色：至阴性/空白对照仍浅、阳性孔呈明显绿色时即可终止读数；显色过快则缩短时间。
若显色不足，可延长至 15–30 min（随时间线性增长时进行多时间点读取更稳妥）。

10. 读板

在 405 nm 读取吸光度并记录。

Note

ABTS 为终点法/动力学法均可的底物；若使用同一板做多时间点（如 10/15/20/30 min）读取，可观察是否已进入平台期。

四、稀释方案与板布局

1. 96 孔板布局

每列对应一个样本，8 个稀释度沿行 A–H 纵向铺布（3 倍比）。第 1 列留作阴性血清对照、第 2 列作空白（PBS）对照，其余列放待测样本。

行	第 1 列（阴性血清）	第 2 列（空白）	第 3 列（样本 1）	第 4 列（样本 2）	…
A	1:10	PBS	D1	D1	…
B	1:30	—	D2	D2	…
C	1:90	—	D3	D3	…
D	1:270	—	D4	D4	…
E	1:810	—	D5	D5	…
F	1:2430	—	D6	D6	…
G	1:7290	—	D7	D7	…
H	1:21870	—	D8	D8	…

（D1–D8 表示 8 个 3 倍比稀释度；抗体样本的纵轴单位为 µg/mL，见下表。）

2. 稀释梯度

在 U 底 96 孔板中做 3 倍比、共 8 个点的梯度稀释，再转移至检测板。

样本类型	起始浓度/稀释度	8 点梯度（3 倍比）
单克隆抗体	10 µg/mL	10、3.33、1.11、0.37、0.123、0.041、0.0137、0.0046 µg/mL
血清	1:10（或 1:100）	1:10、1:30、1:90、1:270、1:810、1:2430、1:7290、1:21870

五、数据记录与判定

1. 数据处理

以空白（仅 PBS）孔均值作为本底，从所有读值中扣除。
以稀释度为横轴（log 坐标）、OD₄₀₅ 为纵轴绘制滴定曲线。

2. 常见质控信号

若阴性对照在 1:10 已明显偏高 → 洗涤不彻底或封闭不足，见"问题排查"。
若已知阳性样本的信号整体偏低 → 检查包被抗原浓度/活性与二抗稀释度。

六、竞争 ELISA（变体方法）

同一抗原体系下，可通过改变检测读出方式扩展为竞争 ELISA，用于判断两株抗体是否识别相近表位，或待测抗体能否阻断某一参照结合事件。以下为依据实验记录整理的流程：

步骤	要点
包被	RBD/Spike 蛋白 5 µg/mL，100 µL/孔，4 ℃ 过夜
洗涤/封闭	PBST 3×200 µL → 2% BSA 200 µL/孔，室温 2 h
一抗（预结合）	待测抗体/血清梯度稀释（具体浓度需摸索），室温 2 h
竞争抗体	直接加入生物素化参照抗体（不洗涤），室温 30 min；降低其浓度可让竞争更敏感
洗涤	PBST 7 次
检测	Streptavidin-HRP 1:5000（封闭液稀释）50 µL/孔，室温 1 h
显色/读板	PBST 洗 3 次 → ABTS 100 µL/孔 → 405 nm（可 10/20/30 min 多点读取）

竞争值计算：竞争值 = OD(样本孔) / OD(PBS 孔) × 100%。OD 越低说明待测抗体与生物素化参照抗体的表位越重叠。

七、问题排查

现象	可能原因	处理建议
信噪比低、阳性信号弱	包被抗原量不足/抗原活性下降	提高包被浓度或换新抗原批次；验证抗原纯度与正确折叠
背景高（阴性也高）	洗涤不彻底、封闭不足、二抗过浓	每次拍干彻底；封闭保证室温 2 h；二抗降到 1:5000 或更低并做棋盘滴定
边缘孔读值偏高	蒸发/边缘效应	仅用中间孔加样本，外圈加 PBS 或封板
重复孔差异大	移液或洗涤不均	用多道排枪、规范拍板；样本先在 U 底板混匀

🤖

AI 使用声明：本文由作者撰写，AI 工具（Claude）辅助完成初稿起草与格式整理。作者已审校全部内容，并对准确性承担最终责任。

参考来源

Amanat F, et al. A serological assay to detect SARS-CoV-2 seroconversion in humans. Nature Medicine, 2020. https://doi.org/10.1038/s41591-020-0913-5 — 间接 ELISA 检测抗 S/RBD 抗体的代表性方法。
Stadlbauer D, et al. SARS-CoV-2 Seroconversion in Humans: A Detailed Protocol for a Serological Assay, Antigen Production, and Test Setup. Current Protocols in Microbiology, 2020. https://doi.org/10.1002/cpmc.100 — 配套的 RBD/spike 抗原生产与两段式血清 ELISA 详细方案。
Baine C, et al. An Optimised Indirect ELISA Protocol for Detection and Quantification of Anti-viral Antibodies in Human Plasma or Serum: A Case Study Using SARS-CoV-2. Bio-protocol, 2023. https://doi.org/10.21769/BioProtoc.4905 — 以 RBD/Spike 等为包被抗原、BSA 封闭的间接 ELISA 参考方案。
Goat anti-Human IgG (H+L), HRP — Thermo Fisher Scientific, 货号 31410。产品页：https://www.thermofisher.com/antibody/product/Goat-anti-Human-IgG-H-L-Secondary-Antibody-Polyclonal/31410
ABTS, solution — Thermo Fisher/Invitrogen, 货号 002024。产品页：https://www.thermofisher.com/order/catalog/product/002024
Thermo Fisher ABTS 使用说明：https://assets.thermofisher.cn/TFS-Assets/LSG/manuals/MAN0011191_ABTS_UG.pdf

Hextra 主题 Shortcodes 速查：让你的 Hugo 博客更生动

Wed, 17 Jun 2026 00:00:00 +0000

Hextra 是一个基于 Hugo 的现代化文档/博客主题，除了标准 Markdown 语法外，还提供了丰富的 Shortcodes 来增强内容表现力。本文整理了最常用的 Shortcodes，每个都附带写法和真实渲染效果，方便日常写作时快速查阅。

折叠内容 (details)

用于隐藏/展示一段内容，适合 FAQ、补充说明等场景。

默认展开

点击折叠

这是一段默认展开的内容，支持 Markdown 格式，包括 代码、链接、列表等。

{{% details title="点击折叠" %}}
这是一段默认展开的内容，支持 **Markdown** 格式。
{{% /details %}}

默认折叠

点击展开查看

这是一段默认折叠的内容，需要点击标题才能看到。

{{% details title="点击展开查看" closed="true" %}}
这是一段默认折叠的内容。
{{% /details %}}

Note

必须使用 {{% %}} 分隔符（百分号），否则内部 Markdown 不会被渲染。

提示框 (callout)

用于在正文中插入醒目的提示信息。

默认（橙色）

这是一个默认样式的提示框。

{{< callout >}}
  这是一个默认样式的提示框。
{{< /callout >}}

信息（蓝色）

ℹ️

这是一个信息提示框，用于补充说明。

{{< callout type="info" >}}
  这是一个信息提示框，用于补充说明。
{{< /callout >}}

警告（黄色）

⚠️

这是一个警告提示框，请注意。

{{< callout type="warning" >}}
  这是一个警告提示框，请注意。
{{< /callout >}}

错误（红色）

🚫

这是一个错误提示框，危险操作。

{{< callout type="error" >}}
  这是一个错误提示框，危险操作。
{{< /callout >}}

自定义 emoji

👾

可以用任意 emoji 作为图标。

{{< callout emoji="👾" >}}
  可以用任意 emoji 作为图标。
{{< /callout >}}

GitHub 风格 Alerts

和 callout 类似，但语法更轻量，不需要 shortcode 标签。

Note

补充说明信息（蓝色）。

Tip

有用的建议（绿色）。

Important

重要信息（紫色）。

Warning

需要注意（琥珀色）。

Caution

危险操作（红色）。

> [!NOTE]
> 补充说明信息（蓝色）。

> [!TIP]
> 有用的建议（绿色）。

选择建议： 需要自定义 emoji → 用 callout；简单标注 → 用 Alerts。

标签页 (tabs)

用于并列展示多组内容，如多语言代码对比、多平台安装步骤。

{ "hello": "world" }

hello: world

hello = "world"

{{< tabs items="JSON,YAML,TOML" >}}
  {{< tab >}}
  ```json
  { "hello": "world" }
  ```
  {{< /tab >}}
  {{< tab >}}
  ```yaml
  hello: world
  ```
  {{< /tab >}}
  {{< tab >}}
  ```toml
  hello = "world"
  ```
  {{< /tab >}}
{{< /tabs >}}

默认选中第一个标签，可通过 defaultIndex="1" 改为默认选中第二个。

卡片网格 (cards + card)

用于展示文章推荐、资源列表等，支持图标、图片和标签。

访问博客

查看所有文章

关于我

了解更多

{{< cards cols="2" >}}
  {{< card link="/blog" title="访问博客" icon="pencil" subtitle="查看所有文章" >}}
  {{< card link="/about" title="关于我" icon="user" subtitle="了解更多" >}}
{{< /cards >}}

带标签的卡片：

带标签

新

警告标签

注意

{{< card link="/blog" title="带标签" tag="新" tagType="info" >}}
{{< card link="/blog" title="警告标签" tag="注意" tagType="warning" >}}

步骤流程 (steps)

用于展示教程、操作指南等按步骤排列的内容。

第一步

安装 Hugo：brew install hugo（macOS）或 choco install hugo（Windows）。

第二步

创建站点：hugo new site myblog

第三步

选择主题并部署上线。

{{% steps %}}
### 第一步
安装 Hugo：`brew install hugo`（macOS）或 `choco install hugo`（Windows）。

### 第二步
创建站点：`hugo new site myblog`

### 第三步
选择主题并部署上线。
{{% /steps %}}

Note

每一步必须是 ###（H3）标题。使用 {{% %}} 分隔符。

代码块增强

在代码块的语言标记后加 {filename="文件名"} 可显示文件名标签。

app.py

def hello():
    print("Hello, world!")

```python {filename="app.py"}
def hello():
    print("Hello, world!")
```

Mermaid 图表

直接在代码块中写 Mermaid 语法即可渲染为 SVG 图表。

graph LR
    A[开始] --> B[处理]
    B --> C[结束]

```mermaid
graph LR
    A[开始] --> B[处理]
    B --> C[结束]
```

文件树 (filetree)

用于展示目录结构，文件夹可展开/折叠。

_index.md
- post1.md
- post2.md

{{< filetree/container >}}
  {{< filetree/folder name="content" state="open" >}}
    {{< filetree/file name="_index.md" >}}
    {{< filetree/folder name="blog" state="open" >}}
      {{< filetree/file name="post1.md" >}}
    {{< /filetree/folder >}}
  {{< /filetree/folder >}}
{{< /filetree/container >}}

state 参数："open"（默认展开）或 "closed"（默认折叠）。

行内徽章 (badge)

用于行内小标签，支持 4 种颜色。

默认：

默认

信息：

信息

警告：

警告

错误：

错误

{{< badge content="默认" >}}
{{< badge content="信息" type="info" >}}
{{< badge content="警告" type="warning" >}}
{{< badge content="错误" type="error" >}}

带链接和图标：

GitHub

{{< badge content="GitHub" link="https://github.com" icon="github" >}}

行内图标 (icon)

在文字中插入 Heroicons 图标。

GitHub、学术、编辑

{{< icon "github" >}} GitHub、{{< icon "academic-cap" >}} 学术

Note

需在站点配置中启用 enableInlineShortcodes: true。

PDF 嵌入

以 iframe 形式嵌入 PDF 阅读器。

{{< pdf "path/to/file.pdf" >}}

支持远程 URL 和本地文件路径（放在 page bundle 中）。

Jupyter Notebook

直接渲染 .ipynb 文件，支持代码单元格（带语法高亮）、Markdown 单元格和图片输出。

{{% jupyter "notebook.ipynb" %}}

使用 {{% %}} 分隔符，支持远程 URL。

快速对照表

需求	Shortcode	分隔符
可折叠文本	`details`	`{{% %}}`
提示框	`callout`	`{{< >}}`
标签页	`tabs` + `tab`	`{{< >}}`
步骤流程	`steps`	`{{% %}}`
卡片网格	`cards` + `card`	`{{< >}}`
文件目录树	`filetree/*`	`{{< >}}`
嵌入 PDF	`pdf`	`{{< >}}`
嵌入 Notebook	`jupyter`	`{{% %}}`
行内图标	`icon`	`{{< >}}`
徽章标签	`badge`	`{{< >}}`
流程图/图表	Mermaid	```mermaid
带文件名代码	代码块属性	```lang {filename="..."}

完整参数文档可参考 Hextra 官方 Shortcodes 文档。

🤖

AI 使用声明：本文由作者撰写，AI 工具（Claude）辅助完成初稿起草、中英互译与格式整理。作者已审校全部内容，并对准确性承担最终责任。

Claude Code 接入 MIMO 模型：通过 PreToolUse Hook 解决多媒体识别问题

Wed, 03 Jun 2026 00:00:00 +0000

🙏

致谢：本教程基于 congxxx 开发的 mimo-media-recognition-mcp 项目。原作者的文章

原项目地址：https://github.com/congxxx/mimo-media-recognition-mcp

本文在原方案基础上，补充了 PreToolUse Hook 机制，解决了 Agent 在长任务推理中直接读取多媒体文件导致报错的问题。

一、问题背景

1. 核心矛盾

书接上文Claude Code 配置教程，在将 DeepSeek 接入 Claude Code 后，出现了一个新的问题：DeepSeek V4pro 并不是多模态模型，这意味着其无法原生支持多媒体内容——比如图片、音频或视频的读取。

2. 原作者的解决方案

通过联网搜索，我看到congxxx 提出了一个优雅的架构：

Claude Code (mimo-v2.5-pro)       ← 主对话，推理能力强
    ↓ 发现需要识图/音频/视频
    ↓ 调用 MCP
MIMO Media Recognition MCP        ← 专职多媒体识别
    ↓ 调用 MIMO API (mimo-v2-omni)
    ↓ 返回识别结果（文本）
Claude Code 继续对话               ← 上下文不中断

通过 MCP 协议，主模型（原方案中是小米的 mimo-v2.5-pro）保持 pro 版本的推理能力，多媒体识别交给 omni 模型，两者各司其职。听上去很棒，我因地制宜做了一些改动后，将其部署在本地。

在显式指定调用 MCP 来理解图片时，这套方案的表现很好。比如，我让 Agent 查看 MIMO 官网的这张模型优势概览图：

Agent 调用了 mcp__mimo-media__understand_image，返回了详细的文字描述：页面结构（含导航栏和标题）、四张优势卡片的内容（原生全模态感知、1M 上下文、全模态代理能力、性能效率兼具）、以及右侧 8 个性能基准柱状图的具体数值（Image Understanding、Multimodal Agent、Video Understanding 三个维度，MiMo-V2.5 与竞品的对比数据）。

整个过程无需我手动截图说明，Agent 直接基于 MCP 返回的文本完成了后续推理。

3. 遗留问题：Agent 的"自作主张"

但在实际的长任务推理中，出现了一个棘手的问题：

⚠️

Agent 会"自作主张"

当 Agent 在多步骤任务中遇到图片/音频/视频文件时，它倾向于直接使用 Read 工具读取文件内容——而不是调用 MCP 工具。

由于主模型是纯文本模型，Read 返回的二进制数据无法被理解，导致：

报错：模型无法处理图片输入
信息丢失：Agent 跳过多媒体内容继续推理
结果不完整：关键的视觉/音频信息被忽略

问题根源：Claude Code 的 Agent 默认会尝试用内置的 Read 工具处理所有文件，它并不"知道"当前模型不支持多媒体输入。

二、解决思路：双层防御

第一层：CLAUDE.md 软指令

在全局指令文件中明确告诉模型：

遇到哪些文件类型必须用 MCP
禁止用 Read 打开多媒体文件
给出正确的调用示例

局限：依赖模型"记住"指令，在复杂推理链中可能被忽略。

第二层：PreToolUse Hook 硬拦截

在 settings.json 中配置 Hook：

拦截所有 Read 工具调用
检查目标文件是否为多媒体格式
如果是 → 阻止调用（exit 2）并返回错误信息
错误信息中包含正确的 MCP 工具名称

优势：系统级拦截，不依赖模型的"自觉性"。

工作流程图

Agent 遇到图片路径 "screenshot.png"
    │
    ├─ 第一层：CLAUDE.md 指令引导
    │   "应该用 mcp__mimo-media__understand_image"
    │
    ├─ 如果 Agent 仍然尝试 Read("screenshot.png")
    │
    └─ 第二层：PreToolUse Hook 拦截
        │
        ├── 检测到 .png 扩展名
        ├── exit 2（阻止调用）
        └── stderr: "BLOCKED: Use mcp__mimo-media__understand_image"
                │
                └── Agent 看到反馈 → 改用 MCP 工具
                    │
                    └── MCP 返回文本描述 → 继续推理

三、完整配置步骤

1. 前置条件

# 检查 Claude Code
claude --version

# 检查 Python
python --version

# 检查 Git
git --version

2. 安装 MCP Server（同原方案）

# 1. 克隆项目
git clone https://github.com/congxxx/mimo-media-recognition-mcp.git
cd mimo-media-recognition-mcp

# 2. 安装依赖
pip install uv
uv venv .venv
uv pip install -e .

3. 注册 MCP Server

claude mcp add mimo-media \
  --scope user \
  --env MIMO_API_KEY="你的API密钥" \
  --env MIMO_API_BASE="https://token-plan-cn.xiaomimimo.com/v1" \
  --env MIMO_MODEL="mimo-v2.5" \
  -- "你的python解释器路径" \
  -m mimo_media_recognition_mcp.server

# 可选：如需对短音频使用专用 ASR 模型（实时转写），添加以下环境变量：
# --env MIMO_ASR_MODEL="mimo-v2.5-asr" \
# --env MIMO_ASR_LANGUAGE="zh"

💡

模型选择说明：

MIMO_MODEL 设为 mimo-v2.5（通用多模态理解，默认用于音频转写）
mimo-v2.5 通过思维链推理产生高质量完整转写，适合长录音、会议记录等场景
不建议默认开启 ASR 模式：mimo-v2.5-asr 在长音频（>2 分钟）上容易产生重复循环
仅在需要短音频实时转写时，才配置 MIMO_ASR_MODEL 和 MIMO_ASR_LANGUAGE

验证安装：

claude mcp get mimo-media
# 应显示：Status: ✓ Connected

4. 创建 PreToolUse Hook（本方案新增）

3.4.1 创建 Hook 脚本

在 ~/.claude/hooks/ 目录下创建 block_media_read.py：

"""
PreToolUse hook: Block Read tool on multimedia files.

When the agent tries to Read an image/audio/video file, this hook
blocks the call (exit 2) and instructs the model to use the
mimo-media MCP tools instead.
"""
import sys, json

MEDIA_MAP = {
    ".png": ("image", "understand_image"),
    ".jpg": ("image", "understand_image"),
    ".jpeg": ("image", "understand_image"),
    ".gif": ("image", "understand_image"),
    ".bmp": ("image", "understand_image"),
    ".webp": ("image", "understand_image"),
    ".svg": ("image", "understand_image"),
    ".mp3": ("audio", "understand_audio"),
    ".wav": ("audio", "understand_audio"),
    ".m4a": ("audio", "understand_audio"),
    ".ogg": ("audio", "understand_audio"),
    ".flac": ("audio", "understand_audio"),
    ".aac": ("audio", "understand_audio"),
    ".mp4": ("video", "understand_video"),
    ".mov": ("video", "understand_video"),
    ".avi": ("video", "understand_video"),
    ".mkv": ("video", "understand_video"),
    ".webm": ("video", "understand_video"),
    ".flv": ("video", "understand_video"),
}

try:
    data = json.load(sys.stdin)
except Exception:
    sys.exit(0)

tool_input = data.get("tool_input", {})
file_path = tool_input.get("file_path", "") or tool_input.get("path", "")
if not file_path:
    sys.exit(0)

ext = ""
if "." in file_path:
    ext = "." + file_path.rsplit(".", 1)[-1].lower()

if ext in MEDIA_MAP:
    media_type, mcp_tool = MEDIA_MAP[ext]
    print(
        f"BLOCKED: The Read tool cannot process {media_type} files. "
        f"Use the MCP tool `mcp__mimo-media__{mcp_tool}` instead. "
        f"Example: call mcp__mimo-media__{mcp_tool} with "
        f'{{"prompt": "describe this {media_type}", "{media_type}_path": "{file_path}"}}',
        file=sys.stderr
    )
    sys.exit(2)

sys.exit(0)

3.4.2 注册 Hook

编辑 ~/.claude/settings.json，添加 hooks 字段：

{
  "hooks": {
    "PreToolUse": [
      {
        "matcher": "Read",
        "hooks": [
          {
            "type": "command",
            "command": "python ~/.claude/hooks/block_media_read.py",
            "timeout": 5
          }
        ]
      }
    ]
  }
}

💡

Hook 工作原理：

matcher: "Read" — 匹配所有 Read 工具的调用
Hook 脚本通过 stdin 接收工具输入的 JSON
检查 file_path 的扩展名是否命中多媒体格式
命中 → exit 2（阻止调用）+ stderr 输出引导信息
未命中 → exit 0（正常放行）

当 Hook 返回 exit 2 时，Agent 会看到：

BLOCKED: The Read tool cannot process image files. Use the MCP tool mcp__mimo-media__understand_image instead.

Agent 收到这个反馈后，会自动改用正确的 MCP 工具。

5. 更新 CLAUDE.md 指令（本方案新增）

在全局 ~/.claude/CLAUDE.md 末尾添加多媒体处理规则：

## 多媒体文件处理（强制）

当前推理模型是纯文本模型，**无法直接理解图片、音频、视频**。

### 铁律：遇到多媒体文件必须调用 MCP

- **图片** (.png, .jpg, .jpeg, .gif, .bmp, .webp, .svg) → 使用 `mcp__mimo-media__understand_image`
- **音频** (.mp3, .wav, .m4a, .ogg, .flac, .aac) → 使用 `mcp__mimo-media__understand_audio`
- **视频** (.mp4, .mov, .avi, .mkv, .webm, .flv) → 使用 `mcp__mimo-media__understand_video`

### 禁止行为

- **禁止**用 `Read` 工具打开上述格式的文件（会被 hook 拦截）
- **禁止**尝试自行"解读"二进制多媒体内容
- **禁止**假设图片/音频/视频的内容

### 正确流程

1. 识别到多媒体文件路径
2. 根据扩展名选择对应的 MCP 工具
3. 调用 MCP 工具获取理解结果
4. 基于 MCP 返回的文本结果继续推理

### 示例

```bash
# 错误 ❌
Read("screenshot.png")

# 正确 ✅
mcp__mimo-media__understand_image(prompt="描述这张图片", image_path="screenshot.png")
```

6. 验证配置

# 验证 MCP 连接
claude mcp get mimo-media

# 测试 Hook 脚本
echo '{"tool_name": "Read", "tool_input": {"file_path": "test.png"}}' | \
  python ~/.claude/hooks/block_media_read.py 2>&1
# 预期输出：BLOCKED: The Read tool cannot process image files...
# 预期退出码：2

# 测试普通文件不受影响
echo '{"tool_name": "Read", "tool_input": {"file_path": "readme.md"}}' | \
  python ~/.claude/hooks/block_media_read.py 2>&1
# 预期输出：（空）
# 预期退出码：0

四、与原方案的对比

维度	原方案（congxxx）	本方案（补充 Hook）
MCP Server	✅ 已配置	✅ 已配置（同原方案）
显式调用 MCP	✅ 正常工作	✅ 正常工作
CLAUDE.md 指令	—	✅ 新增，引导 Agent 主动选择 MCP
PreToolUse Hook	—	✅ 新增，系统级拦截错误的 Read 调用
长任务中的多媒体处理	⚠️ Agent 可能绕过 MCP	✅ 双层防御，确保走 MCP
配置复杂度	低	中（多一个 Hook 脚本 + CLAUDE.md 配置）

五、踩坑记录

1. Hook 脚本中的路径问题

现象：Hook 脚本在 Windows 上运行时，路径分隔符不一致

原因：Claude Code 在 Windows 上通过 Git Bash 执行 Hook，路径可能是 /c/Users/... 格式

解决：Hook 脚本中只检查文件扩展名，不依赖路径格式，因此不受影响

2. Hook 不生效

现象：配置了 Hook 但 Agent 仍然直接 Read 图片

排查步骤：

确认 settings.json 中 hooks 字段格式正确
确认 Hook 脚本路径可被 Python 访问
重启 Claude Code 会话（Hook 配置需要重新加载）

3. Audio 转写返回无关内容（2026-07-06 更新）

现象：调用 understand_audio 转写中文录音，每次都返回无意义的英文回复（如"咖啡店点单对话"、“我无法处理音频"等），与实际录音内容完全无关。

排查过程：

确认文件存在且格式正确（2.1MB，MP3，约 9 分钟通话录音）
通过 MCP 配置资源 mimo://config 确认 API 连通性正常
直接阅读 MCP Server 源码（server.py），发现 两个关键问题：

根因 A：[:80] 截断 bug

# server.py 第 165 行（修复前）
content_blocks.append({
    "type": "text",
    "text": f"[Audio file: {media_url[:80]}...]",  # ← 只取了前 80 字符！
})

2.1MB MP3 → base64 编码后约 3MB，但 [:80] 只发送了 80 字符的 data URL 前缀： data:audio/mpeg;base64,//uQxAAA... — 模型收到的只有一个文本标记，没有真正的音频数据。

根因 B：API 格式错误

查阅 MIMO 官方文档后发现，MIMO 的 Anthropic API（/anthropic/v1/messages）只支持 text 和 image 两种 content block，不直接支持音频输入。

正确做法是使用 OpenAI 兼容端点（/v1/chat/completions）的 input_audio content block：

// ❌ MCP Server 旧格式（text 包装，走 Anthropic endpoint）
{"type": "text", "text": "[Audio file: data:audio/mpeg;base64,<截断>]"}
// API 返回：模型无法理解音频

// ✅ MIMO 官方格式（input_audio，走 OpenAI endpoint）
{"type": "input_audio", "input_audio": {"data": "data:audio/mpeg;base64,<完整base64>"}}
// API 返回：正确的转写文字

修复：

对 server.py 进行了架构级重写：

组件	修复前	修复后
图片	Anthropic endpoint（正常）	不变
音频/视频	Anthropic endpoint + `type: "text"` + `[:80]` 截断	OpenAI endpoint + `type: "input_audio"/"input_video"` + 完整 base64
ASR 支持	无	通过 `MIMO_ASR_MODEL` 和 `MIMO_ASR_LANGUAGE` 环境变量控制
超时	120s	300s（大音频文件需要更长时间）

附：ASR 模型的适用场景

经过实测对比，mimo-v2.5-asr 和 mimo-v2.5 在转写任务上的表现差异显著：

维度	`mimo-v2.5-asr`	`mimo-v2.5`
长音频（>2min）	❌ 严重重复循环	✅ 完整准确
短音频（<2min）	✅ 快速实时	✅ 效果相当
转写方式	端到端序列解码	思维链推理辅助
输出控制	弱（无 prompt 约束）	强（prompt 可控）

建议：默认关闭 MIMO_ASR_MODEL，让 understand_audio 使用 mimo-v2.5 的思维链转写。仅在对短音频有实时性需求时才开启 ASR 模式。

六、配置文件速查

文件清单

文件	作用
`~/.claude/settings.json`	Hook 注册 + 全局设置
`~/.claude/CLAUDE.md`	全局指令（含多媒体规则）
`~/.claude/hooks/block_media_read.py`	Hook 脚本
MCP Server 项目目录	mimo-media-recognition-mcp

七、总结

🎯

核心思路：将多媒体识别能力从"模型内置"转变为"工具调用"，通过 MCP 协议实现能力解耦。

关键创新：在原作者 MCP 方案的基础上，增加 PreToolUse Hook 作为系统级的安全网，确保 Agent 在任何场景下都不会绕过 MCP 直接处理多媒体文件。

两层防御：

软指令（CLAUDE.md）— 引导 Agent 主动选择正确工具
硬拦截（PreToolUse Hook）— 兜底，阻止错误的工具调用

这种"软引导 + 硬拦截"的模式，不仅适用于多媒体场景，也可以推广到其他需要强制工具路由的场景。

🤖

AI 使用声明：本文由作者撰写，AI 工具（Claude）辅助完成初稿起草、中英互译与格式整理。作者已审校全部内容，并对准确性承担最终责任。

参考链接

🔗 GitHub（原 MCP Server）：https://github.com/congxxx/mimo-media-recognition-mcp
🔗 GitHub（本方案 Hook）：https://github.com/SongXue-J/claude-code-multimedia-hook
📝 原作者博客：解决 Claude Code 接入 MIMO 模型后无法识别图片、音频、视频的问题
📖 MCP 官方文档：https://modelcontextprotocol.io
📖 Claude Code Hooks 文档：https://docs.anthropic.com/en/docs/claude-code/hooks

Claude Code + CC Switch + DeepSeek AI Agent 全流程配置教程

Tue, 26 May 2026 00:00:00 +0000

一、概述：为什么需要这套方案？

首先是因为 Anthropic 对中国大陆账号愈发严格的禁用管控，其次是因为高昂的订阅费用（尽管由于繁琐的订阅流程，我并没有实际订阅过）。

在这份教程中，通过 CC Switch + DeepSeek 的组合，可以得到便宜、稳定且功能相近的 AI Agent，我认为这对于刚刚接触这部分工作流的新手（包括曾经的我）来说，这会是有帮助的。

💡

核心架构：Positron IDE → Claude Code CLI → CC Switch 代理 → DeepSeek API（Anthropic 兼容端点）

组件	角色	费用
Positron IDE	IDE 前端，运行 Claude Code 终端 & VS Code 扩展	免费开源
Claude Code CLI	Anthropic 官方 AI 编程助手	免费（API 按量计费）
CC Switch	供应商切换 GUI 工具，将 API 调用路由到第三方模型	免费开源
DeepSeek API	第三方大模型 API，提供 Anthropic 兼容端点	~¥2/百万 token（缓存命中）

为什么选择 Positron

我此前接触的主要是基于 R Studio 的 R 语言工作环境，但其对 AI Agent 的插件支持并不成熟。尽管有类似 aisdk 等支持在 R Studio 中调用大模型的 R 包，其社区生态与 Claude Code 相比还并不完善。

这时，Positron 带着原生对 R/Python 的支持和 Claude Code 插件来到了我的面前。尽管其 GUI 和部分快捷键操作与我习惯的 R Studio 并不相同，但考虑到能够在工作流中丝滑接入 Claude，这种代价是完全可以接受的。

二、架构总览

┌──────────────────────────────────────────────────┐
│              Positron IDE (VS Code Fork)          │
│  ┌─────────────┐  ┌──────────────────────────┐   │
│  │ VS Code 扩展 │  │  内置终端 (claude 命令)  │   │
│  └──────┬──────┘  └───────────┬──────────────┘   │
└─────────┼─────────────────────┼──────────────────┘
          │                     │
          ▼                     ▼
┌──────────────────────────────────────────────────┐
│        Claude Code CLI (@anthropic-ai/claude-code)│
│        读取 ~/.claude/settings.json 中的 env 配置  │
│        ANTHROPIC_BASE_URL → 路由到 DeepSeek       │
└──────────────────────┬───────────────────────────┘
                       │
                       ▼
┌──────────────────────────────────────────────────┐
│            CC Switch Desktop App (v3.14+)         │
│   • 管理多个供应商配置（DeepSeek/GLM/小米等）      │
│   • 自动写入 ~/.claude/settings.json              │
│   • 余额查询、模型切换、本地路由代理                │
└──────────────────────┬───────────────────────────┘
                       │
                       ▼
┌──────────────────────────────────────────────────┐
│     DeepSeek API (api.deepseek.com/anthropic)     │
│   • Anthropic Messages API 兼容端点               │
│   • 模型：deepseek-v4-pro (1M上下文)              │
│   • 模型：deepseek-v4-flash (快速响应)             │
└──────────────────────────────────────────────────┘

数据流说明

在 Positron 终端的 Claude Code 插件对话界面中输入 / 命令或自然语言指令
Claude Code CLI 读取 ~/.claude/settings.json 中的环境变量，将 API 请求发往 ANTHROPIC_BASE_URL
请求到达 DeepSeek 的 Anthropic 兼容端点，按 Anthropic Messages API 格式处理
DeepSeek 模型推理后，返回符合 Anthropic 格式的响应
Claude Code CLI 解析响应，在终端/IDE 中渲染输出

三、准备工作

1. 系统要求

项目	要求
操作系统	Windows 10+ / macOS 12+ / Linux
Node.js	v18.0.0 及以上（推荐 LTS 版本）
磁盘空间	约 1GB（Node.js + Claude Code + CC Switch）
网络	可访问 api.deepseek.com（国内网络直接连接）

2. 注册 DeepSeek 并获取 API Key

打开浏览器访问 platform.deepseek.com
注册账号并登录
进入「API Keys」页面，点击「创建 API Key」
复制生成的 sk- 开头的密钥（仅显示一次，务必保存）

⚠️

需要先充值才能使用 API。建议首次充值 ¥10-20 测试。DeepSeek 按量计费，余额不足时 API 请求会返回 401 错误。

四、正式安装

1. 安装 Claude Code

菜鸟教程有一份很详细清晰的文档在这里，分别对官方脚本安装（推荐）和 npm 安装两种途径进行的描述。

以下内容记录了我此前用 npm 安装的流程，可以参考。

1.1 安装 Node.js

Node.js 是 Claude Code CLI 的运行环境。

Windows

访问 nodejs.org，下载 LTS 版本安装包（.msi）
运行安装程序，全部默认选项即可
安装完成后重启终端验证：

node -v   # 应显示 v18.x.x 或 v20.x.x 或 v22.x.x
npm -v    # 应显示 9.x.x 或 10.x.x

macOS

# 推荐使用 Homebrew
brew install node@22
# 或从 nodejs.org 下载 .pkg 安装包

常见问题：PowerShell 执行策略

如果 Windows PowerShell 运行脚本报错：无法加载文件，因为在此系统上禁止运行脚本

Set-ExecutionPolicy -Scope CurrentUser RemoteSigned

1.2 安装 Claude Code CLI

npm install -g @anthropic-ai/claude-code

验证：

claude -v   # 显示版本号

安装后，Claude Code 的全局配置目录位于：

Windows: C:\Users\<用户名>\.claude\
macOS/Linux: ~/.claude/

关键配置文件：

settings.json — 主配置文件（环境变量、权限等）
settings.local.json — 本地覆盖（不会被同步）
CLAUDE.md — 项目或全局编码准则

2. 下载安装 CC Switch

2.1 下载

CC Switch 是开源桌面应用（GitHub: farion1231/cc-switch），用于给 Claude Code 一键切换模型供应商。

发布页面：github.com/farion1231/cc-switch/releases

平台	下载文件	安装方式
Windows	`.msi` 安装版或 `.zip` 便携版	双击 .msi 安装
macOS	`.dmg`	拖入 Applications
Linux	`.AppImage`	`chmod +x .AppImage && ./.AppImage`

2.2 配置 DeepSeek 供应商

打开 CC Switch，点击右上角 「+」 按钮添加供应商
在预设列表中选择 DeepSeek，或手动填写以下参数：

配置项	值	说明
Base URL	`https://api.deepseek.com/anthropic`	必须包含 /anthropic 路径
认证类型	ANTHROPIC_AUTH_TOKEN	使用 token 认证
API Key	`sk-xxxxxxxx`	你的 DeepSeek 密钥
API 格式	Anthropic Messages	Anthropic 兼容格式
默认模型	`deepseek-v4-pro[1m]`	主力模型，支持 1M 上下文
Haiku 模型	`deepseek-v4-flash`	快速轻量模型
Sonnet 模型	`deepseek-v4-pro`	中等任务
Opus 模型	`deepseek-v4-pro`	复杂任务

勾选 「写入通用配置」，点击 「添加」
回到主界面，选择刚添加的 DeepSeek，点击 「启用 (Enable)」

💡

CC Switch 做了什么：它将上述配置自动写入 ~/.claude/settings.json 的 env 字段，Claude Code 启动时会读取这些环境变量。

手动配置 settings.json（可选替代方案）

如果你不想用 CC Switch GUI，也可以直接手动编辑配置文件。在 ~/.claude/settings.json 中添加：

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "sk-你的DeepSeek密钥",
    "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic",
    "ANTHROPIC_MODEL": "deepseek-v4-pro[1m]",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "deepseek-v4-flash",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "deepseek-v4-pro[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "deepseek-v4-pro[1m]",
    "ANTHROPIC_REASONING_MODEL": "deepseek-v4-pro"
  }
}

3. 安装 Positron IDE

3.1 安装步骤

访问 positron.posit.co 下载对应系统的安装包
安装后启动 Positron
在侧边栏的插件页面选择 Claude Code for VS Code 插件进行安装，注意核对开发者为 Anthropic。

3.2 在 Positron 中使用 Claude Code

方式	说明	适用场景
A. 终端模式	在终端中直接输入 `claude` 启动交互会话	日常编码辅助、文件操作、项目搜索
B. VS Code 扩展模式	安装 Claude Code for VS Code 扩展，侧边栏使用	嵌入 IDE 工作流、与编辑器面板联动

A. 终端模式（推荐）

claude

启动后即可进行交互式对话：

> 帮我重构 src/utils.ts 中的 validateInput 函数，提高可读性
> /memory    # 查看和管理记忆
> /model     # 查看当前使用的模型
> /help      # 查看所有命令

五、验证配置

1. 验证 CLI 启动

claude

进入交互会话后，询问：

> 你当前使用的是什么模型？

✅

预期响应：模型为 deepseek-v4-pro，上下文窗口 1,048,576 tokens (1M)，由 DeepSeek 提供。

2. 验证 API 连通性

> 用 Python 写一个计算斐波那契数列的函数，并打印前 20 项

如果返回正确的代码和结果，说明 API 连接正常。

3. 模型选择策略

场景	推荐模型	原因
单文件脚本修复、日志分析	`deepseek-v4-flash`	响应快 (<800ms)，成本极低
多文件重构、架构设计	`deepseek-v4-pro[1m]`	1M 上下文，可理解 50+ 文件
复杂算法、深度技术分析	`deepseek-v4-pro[thinking]`	激活动态推理链
超长文档精读 + 推理	`deepseek-v4-pro[1m][thinking]`	最大上下文 + 深度推理

我在使用时发现，在侧边栏界面中用 /model 切换模型并不靠谱，在 CC Switch 中编辑模型名称/更改供应商是更有效的选择。一般在调整设置并保存后等 1-2 分钟后即可继续使用。

六、其他功能

1. 多供应商管理

CC Switch 支持同时配置多个供应商：

供应商	端点	特点
DeepSeek	`api.deepseek.com/anthropic`	性价比最高，V4-Pro 1M 上下文
智谱 GLM	`open.bigmodel.cn/api/anthropic`	国产模型，GLM-5 综合能力强
小米 MiMo	`api.xiaomimimo.com/anthropic`	MiMo-V2.5-Pro，编码版本价格更低

在 CC Switch 中添加多个供应商后，可以随时一键切换。

2. Skills 和插件

Claude Code 支持安装 Skills（技能集）来扩展功能。关于 Skills 的使用和构建，我后续或许也会发布一篇单独的文章。

有许多使用者会发布自己编写的 Skills，但出于安全性和使用便利性的考虑，我强烈建议在下载安装 Skills 前仔细阅读其文档和大致结构。

七、常见问题排查

问题 1：`claude` 命令找不到

npm list -g --depth=0
npm bin -g  # 将此路径加入 PATH

问题 2：`401 Unauthorized`

原因：API Key 无效或余额不足。登录 platform.deepseek.com 检查。

问题 3：`Connection refused` 或 `model not found`

Base URL 缺少 /anthropic 路径 — 确保是 https://api.deepseek.com/anthropic
模型名称拼写错误 — 确认是 deepseek-v4-pro、deepseek-v4-flash

问题 4：PowerShell 运行脚本报错

Set-ExecutionPolicy -Scope CurrentUser RemoteSigned

八、安全建议

⚠️

API Key 存储在 ~/.claude/settings.json 中，切勿分享或上传到公开仓库
建议将密钥配置在 settings.local.json 而非 settings.json
定期轮换 API Key

附录：核心配置文件参考

`~/.claude/settings.json`

{
  "env": {
    "ANTHROPIC_AUTH_TOKEN": "sk-your-deepseek-api-key",
    "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic",
    "ANTHROPIC_MODEL": "deepseek-v4-pro[1m]",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "deepseek-v4-flash",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "deepseek-v4-pro[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "deepseek-v4-pro[1m]",
    "ANTHROPIC_REASONING_MODEL": "deepseek-v4-pro"
  }
}

🤖

AI 使用声明：本文由作者撰写，AI 工具（Claude）辅助完成初稿起草、中英互译与格式整理。作者已审校全部内容，并对准确性承担最终责任。

资源链接

资源	链接
Claude Code 官方文档	docs.anthropic.com/en/docs/claude-code
CC Switch GitHub	github.com/farion1231/cc-switch
DeepSeek 平台	platform.deepseek.com
Positron IDE	positron.posit.co
Node.js 下载	nodejs.org

利用pheatmap制作热图

Wed, 26 Feb 2025 00:00:00 +0000

这篇文章描述了如何合并来自不同实验的多个值以创建热图的方法。

以下步骤展示了如何从 Excel 文件中读取数据，将其合并并用于制作美观的热图。

准备 R 包

需要以下 R 包：

readxl 和 writexl 用于输入/输出数据
dplyr 和 scales 用于处理数据
pheatmap、ggplot2 和 tidyverse 用于绘图

library(readxl)
library(writexl)
library(scales)
library(pheatmap)
library(ggplot2)
library(tidyverse)

数据处理

设置输入文件或文件夹路径

input_file_path = "./serum_dataset/vaccine serum samples-wt delta omi.xlsx"
input_folder_path = "./serum_dataset"
# 替换为您的文件或文件夹路径

通常，我会将图表导出到与输入文件相同的文件夹中：

outputpath = paste0(dirname(input_file_path),"\\heatmap.pdf")

此 outputpath 将命名为 “heatmap.pdf”，并保存在与输入文件相同的文件夹中：

[1] "./serum_dataset\\heatmap.pdf"

如果选择文件夹路径作为输入，则 outputpath 应与 input_folder_path 相同：

outputpath = input_folder_path
outputpath

读取数据

确保您的 Excel 文件中的数据格式如下所示：

sample	WT-1	WT-2	WT-3	WT-4	WT-5	WT-6	WT-7	WT-8	WT-9	Delta-1	Delta-2	Delta-3	Delta-4	Delta-5	Delta-6	Delta-7	Delta-8	Delta-9	Omicron-1	Omicron-2	Omicron-3	Omicron-4	Omicron-5	Omicron-6	Omicron-7	Omicron-8	Omicron-9
249	3490	3566	3701	3823	3796	3779	4106	6278	11691	2318	2265	2270	2361	2399	2625	4045	19085	42810	2688	2691	2608	2743	2742	2697	2756	3168	10036
NA	3236	3265	3310	3453	3100	2996	3179	10101	17397	2160	2154	2158	2899	2047	2424	6343	10983	41618	2550	2473	2521	2474	2317	2331	2356	3451	7322
230	2384	2528	2675	2620	2673	2764	4490	10318	18427	1879	2515	1857	1938	2726	4257	12521	23052	57013	2255	2264	2126	2276	2062	2187	2262	2363	5507
NA	2394	2296	2315	2243	2376	3073	5018	14496	18438	1852	1869	1849	1792	1907	4469	16023	23121	29738	2121	2088	2464	2183	2036	1983	1931	2320	4665
244	1958	1936	2026	2005	1976	2474	2137	4656	11394	1698	2007	1678	1796	1647	1795	3571	9030	30330	2038	1889	2044	1917	1911	2243	2243	2969	6628
NA	1832	1921	1920	1790	1854	1996	2062	3999	10572	1703	1662	1543	1523	1683	3228	3715	7058	20046	1858	1881	1799	1760	1749	1736	1984	2797	8719

Sample 列将用作合并数据的关键列。
如果您的数据格式与上述示例匹配，可以通过以下命令读取数据：

如果您的数据存储在不同的 Excel 文件中，并且每个文件仅包含一个工作表：

file_names <- list.files(input_folder_path, pattern = "\\.xlsx$|\\.xls$", full.names = TRUE)
merged.data = list()
for (i in 1:length(file_names)) {
    # 读取 Excel 文件中的数据
    data <- read_excel(file_names[i])
    colnames(data)[1] = "sample"
    # 合并数据
    merged.data[[i]] = data
}
merged_df = merged.data[[1]]

让我们看一下输出的 merged_df：

这是一个数据框：

class(merged_df)
[1] "tbl_df"     "tbl"        "data.frame"

数据处理

此 merged_df 将作为输入进行进一步处理，包括 合并批次、去除 NA 值 和 标准化。

合并批次和去除 `NA` 值

 [1] "sample"    "WT-1"      "WT-2"      "WT-3"      "WT-4"      "WT-5"     
 [7] "WT-6"      "WT-7"      "WT-8"      "WT-9"      "Delta-1"   "Delta-2"  
[13] "Delta-3"   "Delta-4"   "Delta-5"   "Delta-6"   "Delta-7"   "Delta-8"  
[19] "Delta-9"   "Omicron-1" "Omicron-2" "Omicron-3" "Omicron-4" "Omicron-5"
[25] "Omicron-6" "Omicron-7" "Omicron-8" "Omicron-9"

使用 Z-score 进行标准化

Z-score通常用于标准化。这里是其定义的详细解释。简单来说，我们使用公式 (x-μ)/σ 分别计算 Binding、Neutralization、ADE 和 Competition ELISA 实验的 Z-score。

output.data = merged_df %>% na.omit()
rownames(output.data) = output.data$sample
output.data$sample = NULL

查看 output.data：

WT-1	WT-2	WT-3	WT-4	WT-5	WT-6	WT-7	WT-8	WT-9
3490	3566	3701	3823	3796	3779	4106	6278	11691
2384	2528	2675	2620	2673	2764	4490	10318	18427

创建热图

现在您已经准备好数据来制作热图，但仍需完成一些设置。

注释列和行

注意，列注释必须与 output.data 中的顺序匹配。
因此，您可能需要仔细检查 output.data 的排列方式：

colnames(output.data)
 [1] "WT-1"      "WT-2"      "WT-3"      "WT-4"      "WT-5"      "WT-6"     
 [7] "WT-7"      "WT-8"      "WT-9"      "Delta-1"   "Delta-2"   "Delta-3"  
[13] "Delta-4"   "Delta-5"   "Delta-6"   "Delta-7"   "Delta-8"   "Delta-9"  
[19] "Omicron-1" "Omicron-2" "Omicron-3" "Omicron-4" "Omicron-5" "Omicron-6"
[25] "Omicron-7" "Omicron-8" "Omicron-9"

现在，您可以按照以下命令设置注释：

  annotation_col= data.frame(Datatype = factor(rep(c("WT","Delta","omi"),c(9,9,9))))
  rownames(annotation_col) = colnames(output.data)
  ann_colors = list(Datatype = c(WT="#3567E5",Delta="#B0E65E",omi="#91726B"))

设置图例分段

break 参数对热图的输出格式非常重要，因为它决定了数据在特定范围内的代表颜色。这里我们使用一个 bk 因子来设置它。

 bk = seq(-2,5,by = 1)

绘制热图

最后，我们到达了这一步：

 # 热图
  p1 <- pheatmap(output.data,  # 您准备好的数据
                 color = c(colorRampPalette(c('#C6DAF1','white','red'),bias = 1.7)(6)), 
                 # 设置颜色，这里我在浅蓝色和红色之间设置了 6 种颜色
                 border_color = "black",  # 设置边框颜色，NA 表示无边框
                 scale= "none", 
                 # "column" 表示对每列进行 Z-score 标准化，
                 # "row" 表示对每行进行 Z-score 标准化，
                 # "none" 表示不进行标准化，
                 # 我们选择 "none"，因为之前已经完成了标准化。
                 cluster_rows = TRUE, # 是否按行聚类
                 cluster_cols = FALSE, # 是否按列聚类
                 legend = TRUE, # 是否显示图例
                 breaks = bk, # 设置分段
                 legend_breaks = c(-2:5), # 设置图例分段
                 legend_labels = c(-2:5), # 设置图例分段的标签
                 show_rownames = FALSE, 
                 show_colnames = FALSE, 
                 display_numbers = FALSE,
                 fontsize = 10, # 设置字体大小
                 annotation_col =annotation_col,
                 annotation_colors = ann_colors,
                 angle_col = 0,
                 cutree_rows=4, # 按聚类结果分割热图
  )

我们完成了！现在享受您的热图吧！

保存热图

 ggsave(file = outputpath, plot = p1,width = 11,height = 10,dpi = 300)

🤖

AI 使用声明：本文由作者撰写，AI 工具（Claude）辅助完成初稿起草、中英互译与格式整理。作者已审校全部内容，并对准确性承担最终责任。

薛嵩的个人主页 – 博客

SARS-CoV-2 Spike 假病毒中和实验（包装、活力标定与中和）

一、 实验原理

二、 材料、试剂与仪器

1. 质粒与细胞

2. 试剂、耗材与仪器

三、 假病毒包装与收获（HEK293T）

1. 293T 铺板

2. 双质粒瞬时转染

3. 病毒收获与储存

四、 病毒感染活力检测与剂量标定

1. Huh7 铺板（活力检测）

2. 病毒稀释与感染

3. 萤火虫荧光素酶检测

4. 中和用剂量标定

五、 中和实验

1. Huh7 铺板

2. 病毒输入

3. 抗体稀释与抗体-病毒孵育

4. 感染

5. 读出

六、 数据记录与结果计算

1. 对照

2. 中和率计算

3. 预期结果

七、 问题排查与注意事项

八、 相关方法

其他可参考的资料

单克隆抗体 HEK293F 瞬时表达与 Protein G 亲和纯化

一、 流程概述与关键点

二、 材料、试剂与缓冲液

1. 试剂与耗材

2. 缓冲液配方

三、 细胞准备与瞬时转染

1. 培养规模与密度

2. 配制质粒-转染试剂复合物

3. 转染

四、 上清收获与澄清

五、 Protein G 亲和纯化

1. 填料准备与结合

2. 洗涤

3. 洗脱与中和

六、 浓缩、置换与定量

七、 SDS-PAGE 质控

八、 Protein G 填料再生与保存

九、 问题排查

十、 相关方法

间接 ELISA 检测抗 SARS-CoV-2 Spike RBD 抗体的结合

一、 实验原理与设计要点

二、 材料、试剂与缓冲液

1. 试剂与耗材

2. 缓冲液配方

3. 稀释液与基质

三、 操作流程

1. 包被（4 ℃ 过夜）

2. 洗涤（3 × 200 µL PBST）

3. 封闭（室温 2 h）

4. 洗涤

5. 一抗（血清/抗体）孵育（室温 1 h）

6. 洗涤

7. 二抗孵育（室温 1 h）

8. 洗涤

9. 显色

10. 读板

四、 稀释方案与板布局

1. 96 孔板布局

2. 稀释梯度

五、 数据记录与判定

1. 数据处理

2. 常见质控信号

六、 竞争 ELISA（变体方法）

七、 问题排查

参考来源

Hextra 主题 Shortcodes 速查：让你的 Hugo 博客更生动

折叠内容 (details)

默认展开

默认折叠

提示框 (callout)

默认（橙色）

信息（蓝色）

一、实验原理

二、材料、试剂与仪器

三、假病毒包装与收获（HEK293T）

四、病毒感染活力检测与剂量标定

五、中和实验

六、数据记录与结果计算

七、问题排查与注意事项

八、相关方法

一、流程概述与关键点

二、材料、试剂与缓冲液

三、细胞准备与瞬时转染

四、上清收获与澄清

六、浓缩、置换与定量

九、问题排查

十、相关方法

一、实验原理与设计要点

二、材料、试剂与缓冲液

三、操作流程

四、稀释方案与板布局

五、数据记录与判定

六、竞争 ELISA（变体方法）

七、问题排查

一、问题背景

二、解决思路：双层防御

三、完整配置步骤

四、与原方案的对比

五、踩坑记录

六、配置文件速查

七、总结

一、概述：为什么需要这套方案？

二、架构总览

三、准备工作

四、正式安装

五、验证配置