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。
激光显微切割技术导论
组织学和生物学样本的异质性通常要求在分子生物学分析前从周围组织中分离出特定的单个细胞或细胞群。激光显微切割（LMD）是一种高效选择性收集用于制备DNA、RNA、蛋白质或其他生物材料样本以供分析的方法。这是一种显微镜控制的操纵技术，利用聚焦激光束精确分离样本、细胞和组织。本文阐述了LMD的基本原理。
揭示神经元迁移的分子奥秘
研究发育中大脑神经元向生态位迁移可采用多种方法。在本场研讨会中，牛津大学的专家们将展示他们用于阐明神经发育期间神经元向皮层功能层迁移的分子机制的显微技术与实验方法。理解这些过程将有助于更深入地认识健康大脑的发育机制，并可能为神经发育障碍提供更优治疗方案。
激光微切割（LMD）促进的分子生物学分析
使用激光微切割（LMD）提取生物分子、蛋白质、核酸、脂质和染色体，以及提取和操作细胞和组织，可以深入了解基因和蛋白质的功能。它在神经生物学、免疫学、发育生物学、细胞生物学和法医学等多个领域有广泛应用，例如癌症和疾病研究、基因改造、分子病理学和生物学。LMD 也有助于研究蛋白质功能、分子机制及其在转导途径中的相互作用。
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。
