生命科学研究

生命科学研究

生命科学研究

在生命科学研究中心,您可以掌握最新的关于先进显微镜、成像技术、电镜样品制备和图像分析的前沿应用和创新,涵盖的主题包括细胞生物学、神经科学和癌症研究。希望在这里可以帮助您提升研究能力和精进显微镜在各个科学领域实际应用,并了解徕卡如何通过精确的可视化、图像解读和推进研究进展来赋能您的工作。

空间蛋白质组学的突破如何拯救生命

中毒性表皮坏死溶解症(TEN)是一种罕见的、但对抗生素或痛风治疗等常见药物的破坏性反应。这种疾病开始时并无大碍,通常只是皮疹,但会迅速升级为大面积皮肤脱落,类似于严重烧伤。尽管 TEN病情十分严重,但其基本机制仍然难以捉摸,治疗方案也仅限于支持性护理。TEN 的死亡率高达 30%,长期以来一直是临床医生的噩梦,直到现在才有了靶向疗法。

A Novel Laser-Based Method for Studying Optic Nerve Regeneration

Optic nerve regeneration is a major challenge in neurobiology due to the limited self-repair capacity of the mammalian central nervous system (CNS) and the inconsistency of traditional injury models.…
荧光显微镜下的组织切片,显示成年大鼠趾长伸肌与腓总神经之间的界面。2 周后的再生周围神经界面(RPNI)。使用 Mica 采集的图像。细胞核(蓝色)、神经丝(绿色)和 S100B(红色)染色。图片由伦敦帝国学院生物工程系 Aaron Lee 博士(Rylie Green 博士实验室)提供。

如何为深层肌肉组织中的轴突再生成像

这项研究重点介绍了亚伦-李(Aaron Lee)博士对截肢后肌肉移植中神经再生的定位研究。肢体缺失通常会导致生活质量下降,这不仅是因为组织缺失,还因为轴突再生紊乱引起的神经性疼痛。Mica组织学成像和荧光成像可帮助了解神经再生过程中轴突的生长和分支这项研究有助于塑造未来的神经假体接口设计,改善患者的治疗效果。
用 GFAP-A647 免疫染色并使用Thunder成像仪组织成像的小鼠脑片。美国费城宾夕法尼亚大学 H. Xu 提供。

神经科学研究指南

神经科学通常需要研究具有挑战性的样本,以便更好地了解神经系统和疾病。徕卡显微镜可帮助神经科学家深入了解神经元的功能。
Zebrafish-embryo image captured using a THUNDER Imager Tissue and live instant computational clearing.

Improving Zebrafish-Embryo Screening with Fast, High-Contrast Imaging

Discover from this article how screening of transgenic zebrafish embryos is boosted with high-speed, high-contrast imaging using the DM6 B microscope, ensuring accurate targeting for developmental…
Image: Human stem cell-derived mid brain organoids. Courtesy of Dr Tanya Singh, University of Oxford.

揭开类器官模型在生物医学研究中的秘密

准备深入了解类器官和3D培养物的世界,它们是促进我们了解人类健康的重要工具。浏览这些复杂的结构并获取清晰的图像进行分析是一项挑战。在本次活动中,来自牛津大学和伦敦大学学院的研究人员将与我们一起展示Thunder Imager Cell转盘共聚焦系统 如何提供更有说服力的高质量数据,以便深入了解各种模型。
使用交叉偏振镜在 Leica 显微镜下拍摄的马尿酸球状晶体,显示所谓的马耳他十字。

偏振光显微镜指南

偏振光显微镜(POL)可增强双折射材料的对比度,在地质学、生物学和材料科学中用于研究矿物、晶体、纤维和植物细胞壁。
Area of a printed circuit board (PCB) which was imaged with extended depth of field (EDOF) using digital microscopy.

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。
Automated Laser Microdissection for Proteome Analysis

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。
Scroll to top