如何形成清晰的图像
在显微镜检查中，景深常被看做经验参数。在实际操作中，会根据数值孔径、分辨率和放大率之间的相关性确定该参数。为了获得最佳视觉效果，现代显微镜的调节设备在景深和分辨率之间实现了最佳平衡，这两个参数在理论上呈负相关。
用大数据视角深入了解胰腺癌研究
胰腺癌由于其靠近主要器官难以分辨和难治疗，死亡率接近 40%，。这个研究探讨了胰腺导管腺癌（PDAC）的复杂生物学机制，研究了代谢、凋亡和免疫中肿瘤侵袭性的相关分子结构和空间决定因素。可以访问您的浏览器中的完整 Cell DIVE 数据集，以深入了解这些发现。
利用大数据查看器揭示结肠癌隐藏的复杂性
结直肠癌是一种的重大健康负担。虽然手术初期有效，但部分患者会发展为预后不良的复发性继发疾病，需要采用免疫疗法等先进治疗手段。利用空间生物学方法，如 Cell DIVE 多重成像技术，可为开发新型治疗方案提供关键洞见。通过 Minerva 图像查看器在浏览器中访问完整的 Cell DIVE 数据集，进一步探索这些发现。
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。
利用人工智能驱动的空间蛋白质组学绘制肿瘤免疫图谱
未经治疗肿瘤的空间图谱分析可呈现肿瘤免疫结构的整体特征，有助于理解治疗反应。具有免疫活性的小鼠模型对于识别肿瘤发生发展过程中免疫依赖性事件至关重要。要表征这些具有完整免疫系统及相互作用细胞组分的模型，需要采用多重标记分析技术。我们展示了一种基于人工智能的空间蛋白质组学方法，用于研究小鼠癌组织中的肿瘤-免疫互作机制。
深度视觉蛋白质组学提供精确的空间蛋白质组信息
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。
阿尔茨海默病神经免疫相互作用的空间分析
阿尔茨海默病（AD）是一种复杂的神经退行性疾病，以神经原纤维缠结、β-淀粉样斑块和神经炎症为特征。这些功能障碍由局部免疫反应触发或加剧。因此，在空间背景下理解神经免疫相互作用对于阐明 AD 发病机制至关重要。本研究采用 Cell DIVE 多重成像技术和 Aivia 人工智能辅助空间分析工具，探究 AD 病理标志物周围免疫细胞的特征。
偏振光显微观察
偏光显微镜通常应用于材料科学和地质学领域，根据矿物的折射特性和颜色来识别矿物。在生物学中，偏光显微镜通常用于晶体等双折射结构的识别或成像，或用于植物细胞壁中纤维素和淀粉粒的成像。
空间生物学指南
什么是空间生物学，研究人员如何利用其工具来满足后组学时代日益增长的生物学问题需求？这篇概述文章简要介绍了空间生物学及其技术，以及这一动态领域中的关键研究问题。
