Leica Microsystems: 显微镜科学与教学知识中心

显微镜科学与教学知识中心

徕卡显微系统的知识库提供有关显微镜学科的科学研究和教学材料。内容旨在对显微镜初学者、有经验的显微镜操作实践者和使用显微镜的科学家在他们的日常工作和实验有所帮助。这里有探索交互式教程和应用笔记，你可以找到你需要的显微镜的基础知识以及前沿技术——快来加入徕卡显微知识社区，分享您的专业知识！

Molecular Biology Analysis facilitated with Laser Microdissection (LMD)

Extracting biomolecules, proteins, nucleic acids, lipids, and chromosomes, as well as extracting and manipulating cells and tissues with laser microdissection (LMD) enables insights to be gained into…

Brightfield image of a pig liver stained with hematoxylin-eosin (HE).

Spatial Metabolomics: Exploring Tumor Complexity and Therapeutic Insights

In cancer research, it is vital to understand the interaction between tumor cells and their microenvironment, as the tumor microenvironment influences tumor progression significantly. Spatial…

Mosaic scan of a Masson-Goldner stained cat brain. Magnification: 20x.

Lipidomics Analysis of Sparse Cells based on Laser Microdissection

Delve into cellular intricacies with high-coverage targeted lipidomics analysis of sparse cells. This advanced method, integrating Laser Microdissection (LMD) and Liquid Chromatography-Mass…

[Translate to chinese:] Image of murine dopaminergic neurons which have been marked for laser microdissection (LMD).

利用激光显微切割（LMD）在空间背景下分离神经元

在阿尔茨海默病之后，帕金森病是第二常见的进行性神经退行性疾病。在首发症状出现之前，中脑中高达70%的多巴胺释放神经元已经死亡。本文描述了如何使用现代激光显微切割（LMD）方法帮助解决帕金森病之谜。研究涉及在空间背景下分离和分析神经元。这些细胞来自帕金森病患者的死后黑质组织样本，以便深入了解该病的分子机制。

激光显微切割技术如何助力神经科学研究取得开创性进展？

玛尔塔·帕特林尼博士，卡罗林斯卡学院的高级科学家，分享了她在成人人类神经发生开创性研究中使用激光显微切割（LMD）的经验，并提供了关于LMD在空间蛋白质组学和精准医学中未来应用潜力的个人见解。

激光显微切割技术用于组织和细胞分离的协议 - 免费下载电子书

激光显微切割（LMD，也称为激光捕获显微切割或LCM）使用户能够分离特定的单个细胞或整个组织区域，甚至亚细胞结构如染色体。纯化的组织和细胞可用于下游的RNA、DNA和蛋白质组工作流程。

[Translate to chinese:] Single cell datasets

利用 SPARCS 探索亚细胞空间表型

功能日益强大的显微镜可提供信息丰富的各种细胞表型数据。如果与深度学习的最新进展相结合，这将成为在基因筛选中读出感兴趣的生物表型的理想技术。在本网络讲座中，您将了解到空间分辨 CRISPR 筛选 (SPARCS)，这是一种利用自动化高速激光显微切割技术在人类基因组尺度上揭示各种亚细胞空间表型的平台。

[Translate to chinese:] How is microscopy used in spatial biology - Teaserimage

显微镜如何应用在空间生物学中？一份显微镜指南

本电子书旨在探索显微镜中的关键空间生物学方法，例如多重成像技术，这个方法有助于将独立的细胞信息放入空间环境来分析。

组织中的精密空间蛋白质组学信息

尽管可使用基于成像和质谱的方法进行空间蛋白质组学研究，但是图像与单细胞分辨率蛋白丰度测量值的关联仍然是个巨大的挑战。最近引入的一种方法，深层视觉蛋白质组学（DVP），将细胞表型的人工智能图像分析与自动化的单细胞或单核激光显微切割及超高灵敏度的质谱分析结合在了一起。DVP在保留空间背景的同时，将蛋白丰度与复杂的细胞或亚细胞表型关联在一起。