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。
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。
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。
您的 3D 类器官成像和分析工作流程效率如何？
类器官模型已经改变了生命科学研究，但优化图像分析协议仍然是一个关键挑战。本次网络研讨会探讨了类器官研究的简化工作流程，首先是实时的三维细胞培养检查，接下来是高速、高分辨率的三维成像，生成清晰的图像和更纯净的数据，以便对生长速率、细胞迁移和三维细胞相互作用等参数进行准确地人工智能分割和量化，从而实现更深入的洞察。
利用AI增强的细胞计数实现精准和高效
本文描述了利用AI进行精确和高效的细胞计数。准确的细胞计数对于 2D 细胞培养的研究至关重要，例如细胞动力学、药物发现和疾病建模。精确的细胞计数对于确定细胞存活率、增殖速率和实验条件的影响至关重要。这些因素对于可靠和稳健的结果至关重要。描述了基于人工智能的方法如何显著提高细胞计数的准确性和速度，从而对细胞研究产生重大影响。
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。
通过 AI 汇合度提高 2D 细胞培养的精度
本文解释了如何利用人工智能（AI）进行高效、精确的 2D 细胞培养汇合度评估。准确评估细胞培养的汇合度，即表面积覆盖的百分比，对于可靠的细胞研究至关重要。传统方法使用视觉检查或简单算法，使结果不客观和精确，尤其是对于用于药物发现、组织工程和再生医学的复杂细胞系。利用自动化图像分析和深度学习算法的方法提供更好的精度，并可以增强实验结果。
基于人工智能的多重图像分析以探索结肠腺癌
在这项研究中，我们展示了一种利用Cell DIVE和AIVIA软件的空间生物学工作流程，以绘制结肠腺癌中的肿瘤免疫景观图。
