Abdullah Ahmed , Ph.D.

Abdullah Ahmed

Dr. Abdullah Ahmed studied at Oxford Brookes University where he pursued a joint PhD project between the University and Evotec, focusing on characterization of the mechanism of cancer signalling to provide novel targets and cures. Based at the Central Laser Facility (CLF) in Harwell Oxford, he used a variety of different microscope systems to further his research on mTOR signaling employing fixed cell and live cell imaging using advanced microscopy. He developed and used fluorescent imaging technologies to observe localisation and interactions of proteins in conjunction with FRET–FLIM (Förster resonance energy transfer measured by fluorescence lifetime imaging microscopy). After finishing his studies, he joined Leica Microsystems in 2019 as an Advanced Workflow Specialist (4 years) and as of 2023 has joined the Global Business Excellence team as the Global Business Excellence Manager for widefield microscopy.

Digital microscopy simplifies documenting cell-culture results electronically while following 21 CFR part 11 guidelines for biopharma.

细胞培养电子记录的 21 CFR 第 11 部分简介

本文介绍了 FDA 21 CFR 第 11 部分的建议，特别关注细胞培养实验室中的审计追踪和用户管理。本文旨在为负责确保电子记录和电子签名符合 21 CFR 第 11 部分的生物技术和制药行业专业人士提供指导。数字式显微镜方法，例如 Mateo FL，相较于纸质方法，提供了更一致和高效的细胞培养结果电子文档记录的优势。

Multiplexed Cell DIVE imaging to characterize the spatial landscape in Human Alzheimer’s Cortical Tissue

使用空间多重化探测人类阿尔茨海默病皮层切片

阿尔茨海默病（AD）是最常见的神经退行性疾病，其特征是认知功能的逐渐下降。对 AD 大脑的空间分析可能揭示细胞关系，从而促进对疾病病因的更好理解。本研究捕捉了 AD 皮层组织成分的全球概述，并强调了 Cell DIVE 成像的简化工作流程，从数据采集到使用 Aivia 软件的基于人工智能的分析，最终实现更快的洞察。

AI-based cell counting performed with a phase-contrast and fluorescence image using the Mateo FL microscope.

利用AI增强的细胞计数实现精准和高效

本文描述了利用AI进行精确和高效的细胞计数。准确的细胞计数对于 2D 细胞培养的研究至关重要，例如细胞动力学、药物发现和疾病建模。精确的细胞计数对于确定细胞存活率、增殖速率和实验条件的影响至关重要。这些因素对于可靠和稳健的结果至关重要。描述了基于人工智能的方法如何显著提高细胞计数的准确性和速度，从而对细胞研究产生重大影响。

AI-based transfection analysis (left) of U2OS cells which were transfected with a fluorescently labelled protein. A fluorescence image of the cells (right) is also shown. The analysis and imaging were performed with Mateo FL.

利用AI实现细胞转染的高效分析

本文探讨了AI（AI）在优化 2D 细胞培养研究中转染效率测量中的关键作用。对于理解细胞机制而言，精确可靠的 2D 细胞培养转染效率测量至关重要。靶向蛋白的高转染效率对于包括活细胞成像和蛋白纯化在内的实验至关重要。手动估计存在不一致性和不可靠性。借助AI的力量，可以实现高效可靠的转染研究。

Image of confluent cells taken with phase contrast (left) and analyzed for confluency using AI (right).

通过 AI 汇合度提高 2D 细胞培养的精度

本文解释了如何利用人工智能（AI）进行高效、精确的 2D 细胞培养汇合度评估。准确评估细胞培养的汇合度，即表面积覆盖的百分比，对于可靠的细胞研究至关重要。传统方法使用视觉检查或简单算法，使结果不客观和精确，尤其是对于用于药物发现、组织工程和再生医学的复杂细胞系。利用自动化图像分析和深度学习算法的方法提供更好的精度，并可以增强实验结果。

40x magnification of organoids cluster taken on Mateo TL.Cell type: esophageal squamous carcinoma; scale bar 15µm. Courtesy of bioGenous, China.

克服类器官三维细胞培养中的观察挑战

类器官在细胞生物学和药物发现中至关重要，因为它们能够模拟体内细胞的复杂性和结构，有助于癌症等微环境至关重要的疾病研究。类器官可根据患者的基因型进行定制，这也有助于个性化医学研究。

3D-volume-rendered light-sheet microscope image of a spheroid showing depth coding in different colors.

利用DLS对细胞球中的抗癌药物摄取进行成像

细胞球3D细胞培养模型模拟了活组织的生理和功能，使其成为研究肿瘤形态和筛选抗癌药物的有用工具。药物AZD2014是一种公认的哺乳动物雷帕霉素靶蛋白（mTOR）通路抑制剂[1]。mTOR的异常激活会促进肿瘤生长和转移，导致AZD2014进入临床试验作为抗癌分子。其具体的抗肿瘤机制尚不清楚。