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。

用 GFAP-A647 进行免疫染色并使用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标本，以更好地了解神经系统和疾病。徕卡显微镜帮助神经科学家深入了解神经元功能。

3D high-plex imaging in cancer immunology. Overview of a pancreatic tumor section in mouse model, labeled with 15 markers and imaged in one go using STELLARIS with SpectraPlex. (https://www.nature.com/articles/d42473-024-00260-7)

如何优化多标成像技术推动3D空间组学发展

本次网络研讨会上，徕卡显微系统的Julia Roberti博士与Luis Alvarez博士将介绍STELLARIS共聚焦平台的全新功能SpectraPlex，该技术可实现超多标三维空间成像。该技术旨在通过实现超多标成像且无需频繁人工干预，从而简化和增强空间生物学应用。

Pancreatic Ductal Adenocarcinoma with 11 Apoptosis biomarkers shown – BAK, BAX, BCL2, BCLXL, Caspase9, CIAP1, NaKATPase, PCK26, SMAC, Vimentin, and XIAP.

利用空间蛋白质组学工作流程改革研究工作

空间蛋白质组学是《自然-方法》2024 年度方法，正在推动癌症、免疫学等领域的研究进展。通过将定位数据与组织中蛋白质的高通量成像结合起来，研究人员可以发现疾病进展和治疗反应方面的洞察力，从而更好地了解人类生物学。在这里，您可以了解更多有关空间生物学的信息，以及徕卡显微系统的工具如何推动蛋白质生物标记的可视化和分析取得进展。

Large volume computational clearing processed Thunder image of human pancreatic islet organoid. Cells segmented using Segment By Example tool, automatically phenotyped, and color-coded based on phenotypes in Aivia. Image courtesy of the Matthias von Herrath Lab, La Jolla Institute of Immunology, La Jolla, CA.

利用人工智能图像分析工具更快、更轻松地获得洞察力

了解 Aivia 如何通过快速设置、准确的人工智能检测和简便的批量处理功能，帮助科学家简化图像分析。

Multiplexed Cell DIVE imaging of Adult Human Alzheimer’s Brain Tissue labelled with 15 antibodies targeted towards markers specific to astrocytes (GFAP, S100B), microglia (TMEM119, IBA1), and Alzheimer’s-associated markers (β-amyloid and p-Tau217).

利用大数据探索阿尔茨海默病的空间蛋白组

阿尔茨海默病是一种遗传性和散发性的神经退行性疾病，导致中晚年认知能力下降，特征为β-淀粉样蛋白斑块和 tau蛋白缠结。由于治疗选择有限，新的研究策略至关重要。Cell DIVE 多重成像解决方案可以对阿尔茨海默病脑组织进行研究，揭示，可能新的研究方向。这里我们展示了 Cell DIVE 多重成像仪的图像查看器，用户能够直接在自己的浏览器中访问完整的阿尔茨海默病多重数据集。

Pancreatic Ductal Adenocarcinoma with 11 Aerobic Glycolysis/Warburg Effect biomarkers shown – BCAT, Glut1, HK2, HTR2B, LDHA, NaKATPase, PCAD, PCK26, PKM2, SMA1, and Vimentin.

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。

Colon adenocarcinoma and normal colon at the tumor margin. 13 biomarkers shown including Cadherin, CD3, CD4, CD8, CD20, CD31, CD45, Collagen, Caspase 9, BCL2, Beta-Catenin, Vimentin, and Smooth Muscle Actin.

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。

Cell DIVE multiplexed image of FFPE tissue section from syngeneic murine cancer model, 4T1.

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。

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。