1. specificity，病毒为什么会破坏动物身体？
病毒为什么会破坏身体？这需要我们来对病毒的生命周期进行一个了解，希望能够解答你的疑惑。
自然界中有数不清的病毒，虽然他们生物学特性有的差异很大有的差异很小，但是他们具有相同的特性：不能单独存活，必须依赖宿主。而宿主并非指的是人体，而是组成人体的细胞，病毒通过入侵宿主细胞，并且在宿主细胞里面完成自身的增殖，然后裂解宿主细胞释放大量新生病毒粒子进行下一轮感染过程，如此累加就会对动物身体造成严重的破坏，甚至死亡。
我以流感病毒举例，说明一下其生命过程。病毒的生命周期模式图如下所示（引自
Shi Y, Wu Y, Zhang W, Qi J, Gao G F. Enabling the 'host jump': structural determinants of receptor-binding specificity in influenza A viruses. Nature reviews Microbiology, 2014, 12(12): 822-31）。
流感病毒粒子表面有突起，其中一个表面蛋白HA，称为血凝素，它能够识别宿主细胞表面的唾液酸受体从而结合到细胞表面，这也是为什么病毒能够感染动物或者人类。就好比病毒有了进入我们细胞的钥匙，一旦相遇，就会打开细胞的门户进入细胞，而且会像强盗一样肆意妄为，在你的房子里生大量的孩子。一旦病毒结合到细胞表面，他就会很多种方式进入细胞，这个过程称为内吞，我想和大家解释一下，为什么病毒那么轻易的就可以内吞进去，因为病毒的包膜就是利用宿主细胞合成的，前面我提到过病毒粒子不能单独存活，必须依赖于宿主细胞，那么新合成病毒粒子的所有原件，也是来源于宿主细胞，这让细胞感觉都是一家人，就主动打开门放进来了，因为病毒提交的密码也正确。进入细胞还不算完，它会经过酸化、膜融合、脱衣壳后然后进入细胞核，细胞核是一个细胞的核心，一旦细胞核沦陷，细胞就相当于敌人的俘虏。病毒进入细胞核以后，就用用你家的饭喂自己的孩子，等都吃饱了，就离开细胞核，在细胞质里面穿的干干净净的，成为新的病毒粒子，就自己在你家随便找个地方再开一个门出去，你想想，一般一个屋子就一个门，如果一个屋子开了100个或者1000个门，这个屋子还能叫做屋子呢，病毒不管这些，开门走了，细胞也就完蛋了，他们却又能找到新的细胞重新开门进去，不断重复生孩子的神操作。
结果就是，动物被拖累，非死即伤。
2. tsq是什么的简称？
TSQ的简称可能有多种解释，以下是其中一些可能的含义：1. TSQL（Transact-SQL）：这是一种用于Microsoft SQL Server和Sybase数据库系统的SQL方言。2. TSQ（Transactional Synchronous Queueing）：这是一种通信协议，用于实现IBM z/OS操作系统中的事务同步队列。3. TSQ（Topological Specificity Quotient）：这是一种用于描述分子拓扑特异性的化学指标。4. TSQ（Thermo-Scientific Quadrupole）：这是Thermo Scientific推出的一种质谱仪。请根据上下文提供更多信息，以便我们可以给出更准确的答案。
3. 如何在spss用ROC曲线法筛选cut？
ROC(Receiver Operating Characteristic)曲线,用于二分类判别效果的分析与评价.一般自变量为连续变量,因变量为二分类变量.基本原理是:通过判断点(cutoff point/cutoff value)的移动,获得多对灵敏度(sensitivity)和误判率(1-Specificity(特异度)),以灵敏度为纵轴,以误判率为横轴,连接各点绘制曲线,然后计算曲线下的面积,面积越大,判断价值越高.灵敏度:就是把实际为真值的判断为真值的概率.特异度:就是把实际为假值的判断为假值的概率.误判率:就是把实际为假值的判断为真值的概率,其值等于1-特异度.将绘成的曲线与斜45度的直线对比,若差不多重合,说明自变量对因变量的判断价值很差,若越远离斜45度的直线即曲线下的面积越大,说明自变量对因变量的判断价值越好,即根据自变量可以较为正确的判断因变量.使用SPSS的操作过程如下:Graphs/ROC Curve:Test variable选自变量(连续型变量),state varibale选因变量(二分类变量)display的选项一般全选.运行结果:1.ROC曲线,可直观地看到曲线形状.2.Area under the curve:曲线下方的面积,包括面积值,显著性分析,置信区间.3.Coordinates of the curve:ROC曲线各点对应的灵敏度和误判率.
4. ROC曲线P值意义？
ROC 曲线简要解释
阳性 (P, positive)
阴性 (N, Negative)
真阳性 (TP, true positive):正确的肯定。又称：命中 (hit)
真阴性 (TN, true negative):正确的否定。又称：正确拒绝 (correct rejection)
伪阳性 (FP, false positive):错误的肯定，又称：假警报 (false alarm)，第一型错误
伪阴性 (FN, false negative):错误的否定，又称：未命中 (miss)，第二型错误
真阳性率 (TPR, true positive rate)又称：命中率 (hit rate/recall):TPR = TP / P = TP / (TP+FN)
伪阳性率(FPR, false positive rate)又称：错误命中率，假警报率 (false alarm rate):FPR = FP / N = FP / (FP + TN)
准确度 (ACC, accuracy):ACC = (TP + TN) / (P + N)即：(真阳性+真阴性) / 总样本数
真阴性率 (TNR)又称：特异度 (SPC, specificity):SPC = TN / N = TN / (FP + TN) = 1 - FPR
阳性预测值 (PPV),又称precision:PPV = TP / (TP + FP)
阴性预测值 (NPV):NPV = TN / (TN + FN)
假发现率 (FDR):FDR = FP / (FP + TP)
Matthews相关系数 (MCC)，即 Phi相关系数:MCC = (TP*TN - FP*FN) / \sqrt{P N P' N'}
F1评分:F1 = 2TP/(P+P')
5. 如何计算特异度？
回答如下：特异度是指在所有无病状态的人中，测试结果呈阴性的比例。计算特异度的公式为：
特异度 = 真阴性数 / （真阴性数 + 假阳性数）
其中，真阴性数指无病状态下测试结果为阴性的人数，假阳性数指无病状态下测试结果为阳性的人数。
例如，某种疾病的诊断测试在100个无病状态下的人群中进行，其中80人的测试结果为阴性，20人的测试结果为阳性。在这100人中，实际上有90人是无病状态，10人是有病状态。在这90个无病状态的人中，80人测试结果为阴性，10人测试结果为阳性。因此，真阴性数为80，假阳性数为10。则该疾病的特异度为80%。
6. FDA批准的基于CRISPR的COVID？
美国食品和药物管理局（FDA）已经授权了一项使用CRISPR基因编辑技术的COVID-19检测方法，并在大约一小时内出结果。虽然该检测方法仅被授权用于紧急使用，但这标志着FDA首次允许将基于CRISPR的工具用于患者身上。CRISPR技术可以快速找到并连接到标本中的任何基因序列。
这项由生物技术公司Sherlock Biosciences创建的新测试方法，使用一种分子来寻找患者样本中的病毒基因。然后，如果该分子找到了该基因，它就会释放出系统可以检测到的信号。
用于COVID-19检测的标准方法，称为PCR，也是寻找病毒基因的微小片段。然而，这种方法速度很慢，需要专门的设备来运行。最近批准的雅培公司的检测方法在几分钟内就能给出结果，但只能在该公司的平台上运行。而基于CRISPR的技术则相对较快，只需要在大多数实验室中找到的基本设备即可。
专家表示，美国每天需要多进行数十万次检测，才能控制住大流行病。快速、简单的检测可以帮助达到这一规模。
Sherlock Biosciences公司在一份新闻稿中说，它正在努力生产和发放检测试剂盒。猛犸生物科学公司和麻省理工学院的另外两个小组也在研究基于CRISPR的测试。
7. 特异度怎么算？
特异度(specificity，SPE)，又称为真阴性率(TNR)，即实际无病按该诊断标准正确地判为无病的百分比。
即真阴性人数/(真阴性人数+假阳性人数)*100%。
例如，某项胃癌诊断试验，受试人数100人，实际患癌10人，无病90人，以该诊断方法测试患癌15人，无病85人，真阴性人数90，假阳性人数5人，特异度为：90/(90+5)*100%=94.74%。
