CW
Chengli Wang
Author with expertise in Artificial Intelligence and Expert Systems
Achievements
Cited Author
Key Stats
Upvotes received:
0
Publications:
5
(40% Open Access)
Cited by:
303
h-index:
16
/
i10-index:
22
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Single-band upconversion nanoprobes for multiplexed simultaneous in situ molecular mapping of cancer biomarkers

Lei Zhou et al.Apr 24, 2015
Abstract The identification of potential diagnostic markers and target molecules among the plethora of tumour oncoproteins for cancer diagnosis requires facile technology that is capable of quantitatively analysing multiple biomarkers in tumour cells and tissues. Diagnostic and prognostic classifications of human tumours are currently based on the western blotting and single-colour immunohistochemical methods that are not suitable for multiplexed detection. Herein, we report a general and novel method to prepare single-band upconversion nanoparticles with different colours. The expression levels of three biomarkers in breast cancer cells were determined using single-band upconversion nanoparticles, western blotting and immunohistochemical technologies with excellent correlation. Significantly, the application of antibody-conjugated single-band upconversion nanoparticle molecular profiling technology can achieve the multiplexed simultaneous in situ biodetection of biomarkers in breast cancer cells and tissue specimens and produce more accurate results for the simultaneous quantification of proteins present at low levels compared with classical immunohistochemical technology.
0
Citation303
0
Save
0

Ontology-Based Method for Identifying Abnormal Ship Behavior: A Navigation Rule Perspective

Chunhui Zhou et al.May 26, 2024
Navigation rules are critical for regulating ship behavior, and effective water traffic management requires accurate identification of ships exhibiting abnormal behavior that violates these rules. To address this need, this paper presents an ontology-based method for identifying abnormal ship behavior. First, we analyzed navigation rules (local regulations) to extract key elements. Next, based on this extraction, we built a navigation rule ontology that categorized ship behavior into state behavior (ship behavior at a specific time point) and process behavior (ship behavior in a time interval). We then constructed an abnormal ship behavior ontology, defined using topological relationships and navigation rules. Finally, we constructed inference rules to detect abnormal ship behaviors by using SWRL (Semantic Web Rule Language) and validated the effectiveness of the method with ship instances. The experimental results demonstrate that this method can accurately infer ships’ behaviors that deviate from established navigation rules. This research has significant implications for reducing waterborne traffic accidents, improving navigational safety, and safeguarding maritime traffic.