医疗 | 学习与分享 | 徕卡显微系统

医疗

探索专为神经外科、眼科、整形外科、耳鼻喉科和牙科 HCP 量身定制的科学和临床综合资源，包括行业洞见、临床案例研究和专题研讨会。重点突出手术显微镜的最新进展，让您了解AR荧光、三维可视化和术中OCT成像等尖端技术如何赋能复杂手术决策的信心和精准操作。

Brain organoid labeled with lamin (green) and tubulin (magenta), acquired using Viventis Deep. Courtesy of Akanksha Jain, Treutlein Lab ETH-DBSSE Basel (Switzerland).

如何深入了解类器官和细胞球模型

在本电子书中，您将了解3D细胞培养模型（如类器官和细胞球）成像的关键注意事项。探索创新型显微镜解决方案，来实时记录类器官和细胞球的动态成像过程。

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。

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。

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。

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。

Living HeLa cells stained with WGA-488 (yellow), SPY-Actin (cyan), and SiR-Tubulin (magenta). Instant Computational Clearing (ICC) was applied.

如何进行动态多色延时成像

本文将举例说明 Mica 进行动态活细胞成像的能力。活细胞成像揭示了各种细胞事件。由于其中许多事件具有快速动态性，显微镜成像系统必须足够快才能记录下每一个细节。这种成像系统的一个主要优势是能够同时捕获多个荧光成像通道，以精确地显示它们的时空相关性。