KRAS靶向研究:从分子开关机制到共价抑制剂与降解策略

KRAS小GTP酶G12C抑制剂
于 2026-10-29 03:39:03 修改
·本内容遵循CC 4.0 BY-SA版权协议

KRAS这个名字,对很多不搞肿瘤研究的人来说可能有点陌生,但它几乎是所有癌症驱动基因里曝光率最高、也最难对付的那一类。作为RAS家族中被研究得最透的一类小GTP酶,KRAS平时在细胞里就像一个精确的分子开关,负责把生长信号从细胞膜一路传进细胞核,调节细胞增殖、分化和存活。可一旦它发生点突变,这个开关就卡在“开”的状态再也关不上,细胞里的增殖信号停不下来——超过九成的胰腺癌、三成多的结直肠癌,以及四分之一的肺腺癌,背后都有KRAS突变的身影。这篇文章我想从蛋白机制、突变后果、“不可成药”的来龙去脉,以及现在最前沿的研究范式几个层面,把KRAS这个核心调控因子完整拆一遍。适合正在做相关课题的学生、想了解靶向药研发逻辑的科研人员,以及所有对肿瘤生物学最新进展感兴趣的朋友。

1. 从分子开关说起:小GTP酶的GDP/GTP循环

1.1 RAS家族与KRAS蛋白的基本结构

要理解KRAS为什么难打,先得把它的“身体构造”看清楚。RAS家族包括HRAS、NRAS和KRAS,它们都编码大约189个氨基酸的小G蛋白,KRAS本身还有KRAS4A和KRAS4B两个剪接变体,其中KRAS4B是绝大多数细胞里的主要形式。蛋白整体分成两大块:前面大约165个氨基酸是G结构域,负责结合核苷酸并执行催化功能;后面约24个氨基酸是高度可变的C端超变区,末端有一个CAAX盒序列,翻译后会被加上脂质修饰,把蛋白锚定在细胞膜内叶上——膜定位是KRAS正常干活的前提。

G结构域里面有两个柔性环,分别叫Switch I和Switch II,这两个区域在不同核苷酸结合状态下会呈现出明显不同的构象。它们不是装饰品,而是KRAS和上游调节蛋白、下游效应蛋白相互作用的关键界面。可以说,KRAS在细胞里是“同时摆弄几副牌”的选手:左手握着核苷酸,右手通过Switch区域和几十种蛋白互动。这也是为什么后来开发变构抑制剂时,大家会盯着Switch II附近的口袋做文章。

1.2 开关为何能开合:GEF、GAP与核苷酸交换

KRAS的开关本质是核苷酸的状态切换。静息状态下,KRAS结合的是GDP,处于“关机”构象;当细胞接收到生长因子信号,鸟苷酸交换因子(GEF,最重要的是SOS)被招募到细胞膜,它会促使KRAS释放GDP。因为细胞内游离GTP的浓度比GDP高一个数量级,释放了GDP的KRAS几乎必然结合GTP,蛋白构象随之切换到“开机”状态,暴露出可以和下游RAF、PI3K等效应蛋白结合的界面。

但“开机”不能是永久的,否则细胞就疯了。负责“关机”的是GTP酶激活蛋白(GAP),它们能大大加速KRAS把GTP水解回GDP的速度。这一步很关键:KRAS自己也有微弱的GTP水解能力,但慢得可怜,GAP能把反应速度提高大约10万倍。所以细胞里同时配了油门(GEF)和刹车(GAP),才能对生长信号做出快而准的反应。

这里插一句常被忽略的细节:KRAS对GTP和GDP的亲和力都极高,达到皮摩尔级别,在没有GEF的情况下,GDP几乎是“焊死”在结合位点里的,核苷酸根本不会自动掉下来。这个特性后来成了KRAS药物研发的噩梦——你很难用一个小分子去和皮摩尔亲和力的天然底物抢同一个结合位点。我最早做KRAS相关生化实验时,对这点体会特别深,用荧光核苷酸做交换实验,如果体系中漏加了GEF,曲线就像一条直线,半天没有动静。

1.3 开关失灵等于信号失控

把开关机制讲清楚,再回头看疾病就顺理成章了。KRAS的“开机”状态会激活RAF-MEK-ERK这条MAPK通路,以及PI3K-AKT等生存通路,直接影响细胞增殖、代谢重编程和凋亡抑制。正常细胞里,ERK激活后会反过来负反馈磷酸化SOS和RAF,抑制上游信号,形成一个自我调节的闭环。可一旦KRAS发生致癌突变,这个负反馈就很难再把信号按住,因为突变的KRAS始终处于GTP结合状态,MAPK通路持续冒火,细胞分裂指令连绵不绝。

我见过不少刚入门的同学把KRAS简单理解成“一个蛋白突变→癌症”,实际上它是整条信号级联的枢纽节点。理解了这个枢纽地位,后面讲靶向药、联合治疗为什么这么复杂、这么讲究,才会有根基。

2. 突变如何“锁死”开关:从热点密码子到肿瘤谱系

2.1 G12、G13、Q61:热点突变到底改变了什么

KRAS的致癌突变高度集中在几个热点密码子上:G12、G13和Q61,加起来占了临床标本里绝大多数突变。G12和G13位于磷酸结合环(P-loop)附近,这个区域负责固定核苷酸的磷酸基团,也参与催化GTP水解。突变后主要后果有两类:一是直接堵住GAP催化的水解通道,让KRAS难以回到GDP状态;二是改变核苷酸交换速率,让GEF更容易撬开GDP。G12D和G12V是最常见的两种,在胰腺癌里尤其热闹。G12C因为半胱氨酸亲核性强,后来成了共价药物的突破口。Q61位于Switch II区域,它的侧链负责给催化水分子“定位”,突变后水解效率大跌,同样把KRAS锁在GTP结合构象。

值得注意的是,不同突变类型的“坏法”并不完全一样。G12C突变除了让开关卡住,还额外提供了一个可共价修饰的巯基——这本来是坏事里的坏事,结果却成了二十年后精准药物的重要抓手。科研这条路有时候真的像开盲盒,谁能想到当年最让化学家头疼的“额外半胱氨酸”,后来成了共价抑制剂的关键密码。

2.2 突变型KRAS与肿瘤谱系的现实对应

从临床流行病学看,KRAS突变在不同癌种里的分布很有规律:胰腺导管腺癌中KRAS突变率高达90%左右,其中G12D最常见;结直肠癌中约40%存在KRAS突变,G12D和G12V多;非小细胞肺癌的肺腺癌类型里,约25%到30%有KRAS突变,而G12C在其中占比很高,尤其在吸烟相关肿瘤里更常见。不同突变位点在不同癌种的偏好,背后涉及组织特异的代谢环境、DNA损伤类型和修复机制差异,这些机制目前还没有完全研究透,但作为药物开发的基本盘已经足够说明问题。

这里还必须提一句:KRAS突变的肿瘤往往预后更差、对常规靶向治疗更容易耐药。比如结直肠癌里KRAS突变的患者基本无缘EGFR单抗治疗,因为下游信号一直在激活,你堵住EGFR这个上游开关,KRAS自己照样把信号传到下面。这个“下游突变导致上游药物失效”的逻辑,很多临床医生和科研人员都深有体会。

2.3 “成瘾”概念:为什么肿瘤离不开突变KRAS

肿瘤虽然携带大量基因突变,但并非每个突变都维持着肿瘤表型。所谓“癌基因成瘾”,指的是肿瘤细胞对某一个特定驱动基因产生了病态的、持续的依赖,撤掉这个基因的功能,细胞会死亡或衰老。KRAS就是最典型的上瘾源之一。在分子水平上,突变KRAS不仅持续激活生存信号,还重塑了代谢模式,让肿瘤细胞更倾向于有氧糖酵解,同时增强自噬耐受,甚至调节肿瘤微环境帮助免疫逃逸。

这种成瘾关系给了科学家一个希望:如果有一种药能把突变KRAS“按住”,哪怕突变的KRAS只是众多异常中的一个,肿瘤也可能会因为失去核心支撑而崩盘。从最早的RNA干扰筛选、转基因小鼠模型,到后来的小分子抑制剂临床成功,都不断验证着这个逻辑。不过成瘾也意味着耐药后会有代偿通路跳出来顶班,这一点我们在后面讨论联合治疗时再展开。

3. 被称“不可成药”的三十年:难在哪,又是怎么被突破的

3.1 光滑的球面和皮摩尔亲和力:技术上有多难

在激酶抑制剂大获成功的年代,KRAS却长期被贴着一个冷冰冰的标签“不可成药”。原因不难理解。激酶有一个高度保守的ATP结合口袋,小分子药物很容易竞争性地坐进去;可KRAS表面几乎没有一个这样现成的深口袋,它更像一颗光滑的鹅卵石,Switch区域伸出来和蛋白伙伴贴合,但小分子很难在上头找到一个高亲和力的“抓手”。

更要命的是前面提过的核苷酸亲和力问题。KRAS结合GTP和GDP的亲和力都在皮摩尔级别,这意味着绝大部分时间结合位点都被牢牢占据。你设计一个小分子去模仿核苷酸?难;你设计一个分子去抢占核苷酸位点?要在皮摩尔级别的天然配体面前竞争,需要极高的亲和力和选择性,这在成药空间里几乎不现实。再加上KRAS在GDP结合态和GTP结合态之间持续构象摆动,早期大家连稳定捕捉其中一个构象来做核磁或共晶都比较头大。

3.2 FTI的教训:杀死KRAS不只一条路,但没有一条走通

在直接靶向KRAS蛋白很难推进的背景下,早期策略选择了“釜底抽薪”——阻止KRAS去膜上干活。KRAS要锚定在细胞膜内叶,需要经过法尼基转移酶(FTase)的脂质修饰。于是药企开发了法尼基转移酶抑制剂(FTI),在临床前模型中表现非常好,HRAS突变的肿瘤细胞几乎一打就死。但当FTI进入临床试验后发现一个尴尬事实:只有HRAS驱动的肿瘤表现出响应,KRAS和NRAS突变的肿瘤基本无效。

原因在于蛋白翻译后的修饰途径存在代偿冗余:KRAS和NRAS在被法尼基转移酶“放弃”后,可以改走香叶基香叶基转移酶(GGTase-I)这条备用装配线,照样能上膜干活。HRAS因为没有这条代偿路线,所以对FTI敏感。这一课非常深刻——它告诉大家,要打击一个像KRAS这样的核心蛋白,光堵一条路远远不够,蛋白自身的可塑性和细胞的代偿网络,会让很多看似漂亮的策略付诸东流。后来有一个叫STK33的靶点也出现过类似情况:大规模siRNA筛选时被报道为KRAS突变细胞的合成致死靶点,多家实验室却都重复不出来,最后被学术界普遍视为假阳性。这种“现象级翻车”是整个KRAS研究史上最值得警惕的注脚。

3.3 变构口袋的发现:Shokat组那篇论文改变了什么

事情在2013年出现了实质转机。加州大学旧金山分校的Kevan Shokat团队在Nature上发表了一篇里程碑式论文,展示了一种能共价结合KRAS G12C突变蛋白的小分子。他们发现KRAS的Switch II区域附近有一个此前几乎被忽视的变构口袋,这个口袋在蛋白处于GDP结合的失活构象时才敞开。G12C突变的半胱氨酸正好位于这个口袋的边缘,于是就用丙烯酰胺弹头形成共价键,把这个口袋的“盖子”扣住,从而把KRAS锁定在非活化的GDP结合状态。

这篇论文的冲击力在于:它证明了KRAS并非绝对不可成药,只是需要换一种思路。共价抑制、变构结合、构象选择,这三个概念叠加在一起,直接把整个领域的药化范式给改写了。后来Amgen和Mirati根据同样的思路先后推进出sotorasib(AMG 510)和adagrasib(MRTX849),成为第一批真正进入临床并获批上市的KRAS G12C抑制剂。这一突破也带动了后续大量针对敏感突变亚型、泛KRAS突变和降解策略的研究。

4. 前沿研究范式:从共价锁死到降解与联合治疗

4.1 KRAS G12C抑制剂:第一款真正进临床的共价开关

sotorasib在2021年获批,adagrasib在2022年获批,两个药都指向KRAS G12C突变的晚期非小细胞肺癌。它们的作用机制是一致的:在KRAS-GDP构象里结合Switch II口袋,与Cys12形成不可逆共价键,把KRAS锁死在失活状态,从而阻断下游MAPK信号。临床试验里,单药治疗的客观缓解率在30%到44%之间,对晚期经治患者来说这个数字相当可观,但远谈不上治愈,中位无进展生存期也就半年多。

这里我想多讲一句药理学上的“为什么”。因为G12C抑制剂只结合KRAS-GDP态,而细胞内的KRAS-GTP和KRAS-GDP是动态转化的。GTP浓度高、因突变而难以水解的KRAS会不断重新装载GTP,所以需要药物持续占据GDP态的KRAS,才能把活性信号压下去。这就解释了为什么共价药也讲究给药频率和稳态暴露,也解释了为什么单药抑制往往不能彻底清除信号——总会有一批KRAS-GTP构象躲过抓捕。

临床上还有另一个现实问题:G12C抑制剂在携带KRAS G12C突变的结直肠癌患者里,单药效果远不如肺癌。原因是结直肠癌细胞往往同时存在EGFR等受体酪氨酸激酶的高表达或反馈激活,导致即使KRAS被锁死了,上游信号也会拼命把更多的KRAS-GTP推到前台,抵消药物作用。这就是为什么后来大家很快转向联合策略,把这个瓶颈推到了聚光灯下。

4.2 向G12D和pan-KRAS进攻:分子胶与RAS(ON)抑制

G12C只占一部分,胰腺癌里最常见的KRAS突变是G12D,占了一半左右。但G12D突变没有给化学家留下一个天然半胱氨酸,共价策略直接失效,必须另辟蹊径。目前进展最快的是非共价小分子,比如Mirati的MRTX1133,选择性地结合G12D突变蛋白的Switch II口袋,以非共价方式把KRAS锁在失活构象。临床前数据让人振奋,临床试验也在推进,但要真正成为药物还需要克服口服生物利用度和毒性窗口的问题。

另一条更有意思的路线是“RAS(ON)抑制”,代表性是Revolution Medicines开发的RMC-6236一类分子胶。简单说,它把细胞里本来就有的亲环蛋白A(Cyclophilin A)招募到KRAS的Switch II区域附近,形成三元复合物,从而阻断KRAS与下游效应蛋白RAF的结合。妙就妙在这种机制不依赖某个特定突变密码子,而是广泛覆盖G12V、G12D、G12C等常见突变型,初步临床数据里也看到了泛RAS突变背景下不错的缓解信号。这种“让内源蛋白帮助我们堵住另一个蛋白”的思路,属于分子胶这个赛道的典型体现,说实话我看到这类数据时挺兴奋——它不再只盯着一个半胱氨酸,而是重建了KRAS-效应物的蛋白互作界面。

4.3 从抑制到降解:PROTAC的野望

小分子抑制剂的目标是“摁住”蛋白的功能,但蛋白分子本身还在细胞里存活,还能作为支架召集更多信号蛋白,时间长了还可能通过突变躲开药物。于是出现了“直接降解”的思路:PROTAC分子一端结合目标蛋白,另一端结合E3泛素连接酶,进而给KRAS打上“降解”标签,通过泛素-蛋白酶体系统把蛋白彻底消灭。目前文献里已经报道了靶向KRAS G12C的PROTACs,能够在纳摩尔级别诱导KRAS降解,并抑制下游信号;针对G12D和泛突变型的降解工具也在持续迭代。

PROTAC的优势很直观:蛋白都没了,所谓的耐药突变,比如某个残基突变了导致小分子结合变弱,只要PROTAC的招募臂还有足够的结合亲和力,就依然可能把突变型蛋白送去降解。不过这个技术方向还面临很多现实问题,包括口服吸收差、E3连接酶在不同组织里的表达差异、以及降解后可能引发的更强烈的代偿信号。我自己判断,短期来看真正能落地患者的还是共价抑制剂和分子胶,PROTAC更像是中长期储备。

4.4 耐药不是终点:联合用药与免疫微环境再激活

任何一种靶向药,最终都会面对耐药问题,KRAS G12C抑制剂也不例外。目前已经观察到的耐药机制包括:KRAS自身发生二次突变(比如G12C变成G12D、G12V,或者H95、Y96等口袋残基突变),导致药物结合失败;RTK旁路如EGFR、FGFR、MET重新激活,让KRAS-GTP持续再生;还有MAPK通路下游的拷贝数扩增,把信号接到KRAS下游。这些机制互相交织,恰好说明了靶向KRAS不能只盯着一根独木桥。

联合治疗因此成为焦点。一个很有说服力的组合是G12C抑制剂加SHP2抑制剂。SHP2是受体酪氨酸激酶下游通往RAS的关键磷酸酶,阻断SHP2会降低KRAS-GTP的装载比例,让更多KRAS停留在GDP态,反过来增强G12C共价药物的捕获效率。这个“把猎物的活动范围锁小,再让猎人出手”的策略,体现了构象选择药物的核心逻辑。另一个方向是联合MEK或ERK下游抑制剂,双管齐下压制MAPK通路的复发;再一个就是联合免疫检查点抑制剂,因为KRAS突变肿瘤本身存在较强的免疫抑制微环境,G12C抑制剂单药治疗后CD8 T细胞浸润增加有临床数据支持,联合PD-1抗体的早期试验提示可能提高响应率,当然也需要分清到底是协同增效还是叠加作用。

除了机制上的组合,经典的次序问题也开始被认真对待:是先给靶向药把肿瘤负荷压下来,再上免疫治疗,还是同步给药?这看起来是个临床方案的小问题,但实际上是决定联合治疗成败的关键变量。在这一点上,实验室的基础数据能给临床提供的还远远不够。

5. 在实验室里研究KRAS:模型、检测与经验沉淀

5.1 细胞模型和类器官怎么选

做KRAS功能研究,最基础也最容易被忽视的就是细胞模型。A549和H358是经典的KRAS G12C肺癌细胞系,MIA PaCa-2和PANC-1是胰腺癌方向常用的G12C/G12D模型,HCT116、SW480、LoVo则覆盖了结直肠癌的常见突变。这些细胞系的背景差异非常大,不仅突变类型不同,还在TP53、SMAD4、CDKN2A等共突变上存在巨大差异,而这些共突变恰恰会影响药物敏感性。我和不少同行交流时都会提醒一句:动手做实验前,先上cBioPortal查一下目标细胞系的拷贝数、共突变和mRNA表达谱,不要只凭一张KRAS突变表就选模型。

类器官是这几年进展较快的补充模型。它保留了患者肿瘤的细胞异质性和微环境信息,比二维细胞系更贴近真实肿瘤。但也别把它想得太完美——类器官培养里的基质胶批次差异、生长因子组合、甚至基质胶的蛋白浓度波动,都可能直接影响实验结果的可重复性。我第一次养患者来源的KRAS突变胰腺类器官时,就遇到过不同批次基质胶导致成球率差距特别大的情况,最后逼着我把同一次实验的所有培养孔放在同一块胶里,才勉强把基线对齐。

5.2 一套能下结论的检测组合

评价一个候选化合物或基因功能干预在KRAS通路里的效果,不能只看一个终点。我的习惯是至少同时拿到三类证据:

第一类是直接反映KRAS本身状态的生化证据,比如RAS-GTP pull-down实验,用GST融合的RAF1-RBD结构域拽住活化的KRAS-GTP,再看这个拽下来的量有没有下降。这个实验关键点是裂解液里去垢剂浓度不能太高,我通常控制NP-40在0.5%以内,太高会把弱相互作用洗掉,太低又会背景脏。

第二类是通路下游磷酸化信号,包括pMEK、pERK和pAKT,这些能反映KRAS信号是否真的传导到了下游。做这一类实验要特别注意细胞密度和血清状态,因为高密度培养的细胞基线ERK磷酸化本来就偏高,很容易掩盖抑制剂的效果。

第三类是功能终点,比如细胞增殖、3D成球、软琼脂克隆形成或凋亡比例。单看增殖会被代偿机制误导,单看通路信号又不知道表型后果,三类证据交叉验证才能形成闭环。我自己的体会是:生化检测虽然繁琐,但往往最能揭示机制差异;而功能实验在贴近临床方面更有说服力。两者组合起来,才能回答“这个化合物到底是通过抑制KRAS起效,还是因为别的脱靶毒性”。

5.3 数据解读里的五个坑

说到底,KRAS领域的实验数据并不好解读。我把自己踩过、也看过别人踩过的问题列一列:

一是血清批次的影响。胎牛血清里的生长因子含量在不同批次之间差异很大,直接决定了细胞的基线MAPK通路活性。同一批抑制剂,在两个血清批次下做出的IC50可以差出好几倍。处理办法是尽量囤同一批号的血清,或者至少在重点实验前做一次基线标定。

二是转染效率造成的假象。用siRNA或过表达载体做功能实验时,如果转染效率只有40%,你看到的通路磷酸化信号其实是“未被编辑细胞”为主体的平均值,很容易低估基因敲低的效果。做这一类的实验,最好用稳转株或慢病毒包装,保证几乎100%的细胞都带上干预。

三是共价药物的IC50会随时间漂移。G12C抑制剂是共价结合,它的表现不只取决于浓度,还取决于孵育时间。同一浓度在给药2小时和24小时测出的抑制效果可以完全不一样,所以报道IC50时一定要固定孵育时间,并给出时间依赖曲线。这个坑在不少刚入门的实验室里反复出现。

四是只看单个下游标志物会误导。KRAS突变细胞通常有MAPK和非MAPK通路的同时激活,抑制ERK后可能PI3K通路代偿性上升。因此“pERK下降了”不等于“信号全部堵住了”,最好同时看几条通路。

五是类器官和原代细胞的支原体污染和批次耐药。支原体污染会让细胞增殖曲线紊乱,导致化合物抑制效果失真的问题我真是见得太多了。建议定期做支原体检测,不要等到实验异常了才排查。

5.4 一些不会写进论文的小经验

最后分享点比较细的经验。第一,做KRAS-GTP pull-down时,样品处理一定要保持在冰上且快速,KRAS的GTP水解在裂解过程中仍可能发生,哪怕速度不快,也会给最终定量带来额外误差。如果实验目的是比较不同抑制剂对KRAS-GTP比例的影响,建议固定从“药物处理”到“裂解完”的总时间。

第二,化合物处理浓度不要照抄文献。不同实验室的细胞密度、培养基成分、孵育时间通通不一样,拿到一个新的G12C抑制剂,先做一个浓度梯度和时间梯度的小预实验,确定自己体系里的有效窗口,再铺开正式实验,这个节奏最稳。

第三,蛋白表达的亚细胞定位也值得留意。许多人在分析KRAS突变时只盯总蛋白量,却忽略了膜结合组分。如果条件允许,可以分离膜组分和胞质组分,分别检测KRAS含量。这看起来笨,但往往能解释为什么同样处理条件下,一个化合物的通路抑制很干净,另一个却只见效一半。

关于KRAS的研究范式还在快速迭代,我自己的体会是:无论上游药物怎么发展,扎实的动手实验和细致的对照设计仍然是这个领域最可靠的地基。别迷信某一个实验的单一结果,也要敢于交叉使用不同的模型系统来互相验证,这比单纯追逐热门靶点重要得多。

基于Python+Open CV的手势识别算法设计
伴随着人工智能时代的到来,人机交互的领域也逐渐成为研究的一大方向;其中,手势识别是人机交互领域的一项关键技术,自此手势识别也迎来了一波高潮,近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上,都能或多或少的见到手势识别的身影。 手势识别在设计智能高效的人机界面方面具有至关重要的作用, 目前手势识别已应用到手语识别、智能监控、到虚拟现实等各个领域,手势识别的原理都是利用各种传感器(例如红外、摄像头等)对手部的形态进行捕捉并进行建模,形成一个模型信息的序列帧,而后将这些信息序列转换为机器能够识别的相对应指令(例如打开、切换菜单、移动等)来完成控制。 采用Python的集成开发环境Pycharm进行本次课程设计,在Pycharm中进行需要库(模块)的下载,调取电脑摄像头,按帧读取摄像头采集到的头像,形态学处理,图像旋转(由于摄像头采集到的图像是镜像,需要用cv2.flip将摄像头采集到的图像进行处理),选取图片中固定位置作为手势输入,用红线画出手势识别框,基于hsv的肤色检测,进行高斯滤波,找出轮廓,求出图像中手势的凹凸点,手指间角度求取。
努力学习前端的小陈
ArcGIS Pro入门制图教程
地理信息系统 (GIS) 是一种使用地图显示和分析数据的方式。在本教程中,您将学习桌面 GIS 应用程序 ArcGIS Pro 的基础知识。新加坡的一家旅行社希望制作一款宣传册,用于向游客介绍距离市中心热门目的地最近的火车站。该宣传册将与带有文本信息的地图相结合,并在城市的自助设备中出售。您将帮助该旅行社绘制旅游景点的地图,分析其与火车站的距离以及更改地图的外观以使其在视觉上更具吸引力。在 ArcGIS Pro 中,地图和数据通常被组织在一个工程中。开始制作地图之前,您将创建一个工程。
科研online
ArcGIS Pro 布局创建与地图加载全流程解析
本文详细解析了ArcGIS Pro中布局创建与地图加载的全流程。针对从ArcMap转来的用户,重点阐述了布局与地图解耦的核心设计理念,并提供了从新建布局、设置参考比例尺、加载地图框到深度控制与精细化排版的实用技巧,帮助用户高效制作专业地图。
您的账号已被封禁
ArcGIS PRO布局视图避坑指南:地图框添加与专题图制作的5个关键步骤
本文针对ArcGIS PRO用户在布局视图中制作专题图时遇到的常见问题,提供了地图框添加与专题图制作的5个关键步骤避坑指南。从理解布局视图思维、数据框预处理、地图元素协同配置,到深化视觉层次与最终输出检查,系统讲解了如何高效产出严谨美观的专业地图,帮助用户跨越从数据分析到地图输出的最后一公里。
冰炭不同炉
ROS-CV-ImageConverter:将ROS图像转换为OpenCV(cv :: Mat)类型的图像
ROS-CV图像转换器 依存关系 cv_bridge(ROS软件包)
Willis Wang
计算机视觉图像处理-CV2与图像插值算法
用最近邻插值与双线性插值原理完成图像缩放 最近邻插值,是指将目标图像中的点,对应到源图像中后,找到最相邻的整数点,作为插值后的输。缺点:使用最近邻插值算法处理图像放大时,在图象中可能出现明显的块状效应 双线性插值,在两个方向上做三次线性插值。使用双线性插值算法处理图像放大时,在图象中可能出现马赛克 代码 import cv2 img = cv2.imread(’./xiabang.jpg’, cv2.IMREAD_UNCHANGED) #缩放比例 scale_percent = 0.3 width = int(img.shape[1] * scale_percent) height = int
weixin_38697274
基于水平集CV模型的图像分割(Matlab代码)
基于水平集CV模型的图像分割(Matlab代码),全套代码
小宇QAQ
导向滤波(guide_filter)的python实现
导向滤波(guide_filter)的python实现,可以结合暗通道;理论实现比较好的图像去噪效果。
zachzhan_g
ArcGIS Pro 如何新建布局
你是否已经习惯了在ArcGIS中数据视图和布局视图之间来回切换,到了ArcGIS Pro中却找不到二者之间切换的按钮,即使新建布局后却发现地图怎么却是一片空白。从上面的图中可以看到,虽然新建了布局,但是地图还是空白的,如果想要显示地图还需要加载一下,将地图加载进来。在新建的布局上绘制一个框,作为地图显示的范围,绘制后可以看到地图已经完成加载,如下图所示。在菜单栏上选择插入,点击新建布局下拉箭头,选择一个合适的尺寸,如下图所示。点击后完成布局的新建,新建的布局如下图所示。
水经注GIS
ArcGIS Pro数据修复与图层管理实战指南
本文是ArcGIS Pro数据修复与图层管理的实战指南。针对数据源丢失导致的“红色叹号”问题,详细讲解了一键批量修复和进阶手动修复策略,并分享了使用相对路径、打包工程等防患于未然的黄金法则。同时,深入介绍了如何利用图层组进行高效的地图内容组织、比例尺控制与批量操作,帮助用户构建清晰、智能的专业地图,大幅提升GIS项目管理效率。
Tomato
ArcGIS Pro布局设计实战:从空白页面到专业地图输出的完整工作流
本文详细解析了ArcGIS Pro中从“新建布局”开始,到输出专业地图的完整工作流。内容涵盖布局哲学、地图框深度运用、制图元素集成及视觉排版等核心环节,旨在帮助中级用户掌握项目驱动的现代化制图方法,实现从数据到出版级地图的精准转化。
AnjneyMidha
ArcGIS PRO布局视图避坑指南:地图框添加与坐标系设置的5个常见错误
本文针对ArcGIS PRO用户在布局视图中常遇的难题,重点解析了地图框添加与坐标系设置的5个常见错误。从地图框的创建逻辑、坐标系冲突的根源剖析,到地图范围控制、元素联动更新以及打印导出设置,提供了一套完整的避坑指南与实战解决方案,帮助用户高效、精准地完成地图制图与输出工作。
重离子猫猫
ArcGIS Pro布局设计避坑指南:为什么你的地图总是显示空白?
本文深入解析ArcGIS Pro布局设计中地图显示空白的常见问题,提供从基础操作到高级排错的完整解决方案。重点讲解地图框的正确使用方法、布局元素配置技巧,以及多地图框协同工作等进阶功能,帮助用户快速掌握专业地图制作的核心技术。
习翔宇
CV算法(MATLAB)
chan 和 vese 提出的经典CV模型
beastLOVE
GrabCut:使用opencv-python cv2.grabCut交互式剪切图像
GrabCut 使用opencv-python cv2.grabCut交互式剪切图像
Aaron Gary
Opencv-Python图像透视变换cv2.warpPerspective的示例
今天小编就为大家分享一篇关于Opencv-Python图像透视变换cv2.warpPerspective的示例,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
weixin_38711369
leetcodecv-Kylin:CV算法岗面经&LeetCode刷题总结
leetcode cv Kylin CV算法岗面经 & LeetCode刷题总结 不断更新中。。。。 面试&笔试经验 LeetCode
weixin_38499553
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS.pdf
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS真的很不错,
weixin_43905342
ArcGIS布局视图方向调整与优化技巧
地图布局方向是GIS制图的基础设置,直接影响空间数据的可视化效果。横向(Landscape)和竖向(Portrait)布局通过调整页面长宽比例,可优化不同地理要素的展示方式。在ArcGIS等专业制图软件中,方向设置会联动影响比例尺、图例等核心元素的自动适配逻辑。本文以A4纸张为例,详解通过页面设置、Python脚本批处理等技术手段实现布局方向的高效调整,并针对比例尺失准、图例溢出等典型问题提供工程解决方案。特别适用于带状区域地图制作等需要最大化利用版面空间的场景,可提升40%以上的图面利用率。
塞音菩光
ArcGIS Pro 3.4必学新功能:符号系统与布局视图的可见性联动(含省时技巧)
ArcGIS Pro 3.4引入了符号系统与布局视图的可见性联动功能,通过唯一值符号化和复选框控制,实现原子级要素显示/隐藏。这一创新极大提升了制图效率,支持在符号系统窗格、内容窗格和布局视图中同步操作,特别适合城市规划、环境监测等需要动态展示的场景。
t8u9v0
ArcGIS Pro 布局创建与地图加载全攻略
本文详细解析了ArcGIS Pro中布局与地图分离的设计哲学,并提供了从新建布局到加载地图的完整操作指南。重点介绍了如何通过“插入”选项卡新建布局、选择合适的页面尺寸,以及使用地图框工具将项目中的地图动态链接至布局。文章还涵盖了地图范围控制、比例尺锁定、图例添加等深度定制技巧,帮助用户高效创建专业地图并导出为高质量成果。
milk8
ArcGIS多图布局实战:从数据框管理到批量导出的完整指南
在地理信息系统(GIS)制图领域,将多张地图高效整合到单一版面是提升分析报告专业性与表现力的关键技术。其核心原理在于理解并运用数据框与布局视图的分离机制,通过独立的数据框承载不同区域或专题的地理数据,并在统一的布局视图中进行精确排版与视觉整合。这项技术的核心价值在于实现了制图流程的标准化与自动化,避免了传统拼图方式带来的效率低下与更新困难问题,尤其适用于区域对比、时间序列分析、综合评估报告等需要多视角、多维度展示地理信息的应用场景。本文聚焦于ArcGIS Pro平台,深入剖析了多图布局中数据框范围联动、地图
aaa1231722
monolithic-cv:CV算法的集合
单片-cv 计算机视觉算法转储
晨曦姜
改进的cv图像分割
改进的cv图像分割,对学习cv模型有帮助
a904235765
C++实现基于暗通道与导向滤波的图像去雾算法
资源下载链接为: https://pan.quark.cn/s/1bfadf00ae14 在图像处理领域,图像去雾技术用于消除大气散射导致的模糊,提升图像清晰度和视觉质量。本文将介绍一种基于暗通道和导向滤波的图像去雾算法,并探讨如何使用C++和OpenCV库实现。 暗通道理论由Jia等人于2006年提出。他们发现自然场景中存在一些低亮度像素,通常位于无直射光区域。这些像素被称为暗通道像素,可用于估计大气散射模型中的透射率。具体方法是将图像分块,在每块中找到最暗像素值作为暗通道像素。 大气散射模型是图像去雾的基础,描述了光线在大气中传播时的散射影响。模型公式为: I(x)=T(x)×J(x)+A×(1−T(x)) 其中,T(x)是透射率,J(x)是无雾图像亮度,A是全局大气光。透射率与散射程度成反比,无雾图像亮度反映物体本身色彩。 利用暗通道先验,可以近似估计透射率。假设D(x)为暗通道像素,透射率T(x)可通过迭代公式计算: T k+1 (x)= max(D)+ϵ D(x) +(1− max(D)+ϵ D(x) )×T k (x) 其中,k是迭代次数,ϵ是小常数,用于避免除零。 估计透射率后,使用导向滤波器平滑透射率图,减少噪声和边缘失真。导向滤波是一种自适应局部滤波方法,可保持图像边缘细节,同时进行平滑处理。在图像去雾中,它根据图像梯度信息指导滤波过程,更好地恢复图像清晰度。 通过大气散射模型,可得到去雾后的图像: J out (x)= T(x) I(x)−A×(1−T(x)) +A 在C++中,可借助OpenCV库处理图像数据。首先读取输入图像,然后提取暗通道,估计透射率,应用导向滤波,最终恢复无雾图像。OpenCV提供了丰富的图像处理函数,如cv::split用于分离通道,cv::min用于找最小值,cv::filter2D用于导向滤波,cv::imwrite用于保存
KaiyuanCode
cv模型图像分割matlab源程序
cv模型 matlab 图像分割源码,逻辑清晰,注释详尽。
phoenix01
CV图像分割
从pud找到的CV图像分割代码,代码的通过较少的迭代次数就可以实现图像的分割,对学习CV分割有帮助。
a904235765
ArcGIS Pro 3.0 布局视图实战:5分钟搞定专业地图的图例、比例尺与指北针
本文详细介绍了ArcGIS Pro 3.0布局视图的实战技巧,帮助用户在5分钟内高效添加图例、比例尺与指北针,打造专业地图。通过智能图例、动态比例尺和现代化指北针设计,提升制图效率与美观度,特别适合GIS初学者和从ArcMap迁移的用户。
weixin_30652491
ArcGIS Pro界面突然消失?3种恢复方法+自定义布局技巧
本文针对ArcGIS Pro用户常见的操作界面元素突然消失问题,提供了三种核心恢复方法:通过“视图”功能区一键唤回、利用“重置窗格”命令恢复默认布局,以及通过应用程序设置进行深度恢复。文章还深入讲解了如何通过停靠、分组窗格以及自定义功能区等技巧,打造高效个性化的操作界面,帮助用户从被动解决问题转向主动优化工作环境。
nnn11
从RJPG到温度地图:基于大疆TSDK的热红外数据精准处理与Pix4D拼接实战
本文详细解析了如何利用大疆TSDK将无人机拍摄的热红外RJPG图像精准转换为带有地理坐标的温度TIFF文件,并完成Pix4D拼接生成正射温度地图的全流程。文章重点阐述了辐射定标的原理、TSDK关键参数(测量距离、湿度、发射率、反射温度)的设置与微调方法,以及Pix4D处理中的常见报错解决方案,旨在帮助用户实现从原始数据到可分析温度地图的精准处理。
杠精协会主席