3D组织成像：快速预览到高分辨率成像的一键切换
3D组织成像广泛应用于生命科学领域。研究人员利用它来揭示组织组成和完整性的详细信息，或从实验操作中得出结论，或比较健康与不健康的样本。本文介绍了MICA如何帮助研究人员进行3D组织成像。
如何实现快速、稳定的多色活细胞成像
研究人员在活细胞成像技术的帮助下，可以深入了解活细胞甚至完整生物体的动态过程，这包括细胞内和细胞外活动。一些代表性的示例包括蛋白质或脂质转运、免疫细胞迁移，类器官的细胞组织等。活细胞成像要求样本和显微镜系统具备特定的属性。在这篇文章中，我们描述了MICA对这些先决条件的具体调整，并提供了合适的示例。
从概览中查找相关样本细节
在从图像到图像的搜索中切换到快速查看整个样本概览，并即刻识别重要的样本细节。利用这些知识，使用载玻片、培养皿和多孔板的模板自动设置高分辨率图像采集。LAS X Navigator软件像是样本细胞的GPS，总能为用户指明通向高质量数据的清晰路径，这是生命科学平台STELLARIS和THUNDER成像仪上的一款强大的导航工具。LAS X Navigator支持将宽场、立体或共聚焦实验与舞台应用相结合。
简化复杂的荧光多孔板检测方法
细胞凋亡或程序性细胞死亡发生在生物体胚胎发育过程中以消除不需要的细胞，或者发生在成年人的愈合过程中，以消除身体的受损细胞，帮助预防癌症。用多孔板进行的Caspase检测实验使研究人员能够研究细胞凋亡的早期阶段。在这篇文章中，我们展示了MICA如何与荧光多孔板测定一起应用，以提供100%时空相关性的数据，并将串扰降至最低。
高效的长期延时拍摄技术
当对球状体做延时拍摄技术时，会出现某些挑战。由于实验可能持续数天，必须实现长时间的样本存活，这就需要确保接近生理条件。本文描述的长期延时研究使用了全场景显微成像分析平台MICA来研究U343和MDCK细胞球形成。细胞球生长需要最佳条件，以确保细胞周期和增殖不受干扰。
人工智能驱动的像素分类器
通过人工操作获得可重复的结果需要具备专业知识，而且工作冗长乏味。但是，现在有一种方法可以克服这些挑战，通过加快这种分析来提取图像的真正价值并获得深入的认识。人工智能驱动的像素分类器可快速提供可重复的分割结果，克服了人工操作问题。与基于功能的传统自动化相比，它可以提供更可靠的结果。
在显微成像和图像分析中运用人工智能和机器学习技术
Emma Lundberg 教授是瑞典 KTH 皇家理工学院细胞生物学蛋白质组学教授。她还是细胞图谱项目的总监，该项目是瑞典人类蛋白质图谱(HPA)项目不可或缺的组成部分，后者是用于研究人类蛋白质组的开源资源。细胞图谱项目是 HPA 的一部分，提供人类细胞系中 RNA 和蛋白质的表达及时空分布的高分辨率图像。Lundberg…
在显微图像分析中运用机器学习技术
显微成像技术最近取得了令人振奋的进展，因此，在生物医学研究中采集的图像数据无论质量还是数量都呈指数级增长。但是，分析日益复杂的大型图像数据集以提取有意义的信息可能是一个既枯燥又耗时的过程，而且容易出现人为误差和偏差，这经常给许多研究人员造成生产效率瓶颈。
便捷高效的多色成像新方法
之所以开发将高光谱拆分与相量分析相结合的技术，是为了简化从用多个荧光团标记的样本中采集图像的过程。这种组合方法可消除多通道成像中常见的障碍，例如荧光团串扰和低效的每种信号依次成像（这两种情况都可能导致丢失信息）。此外，它还有助于改进图像采集和数据生成，从而提高实验效率。
