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。
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。
激光显微切割技术如何助力神经科学研究取得开创性进展？
玛尔塔·帕特林尼博士，卡罗林斯卡学院的高级科学家，分享了她在成人人类神经发生开创性研究中使用激光显微切割（LMD）的经验，并提供了关于LMD在空间蛋白质组学和精准医学中未来应用潜力的个人见解。
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。
肿瘤空间微环境的元癌症分析
研究 TME中肿瘤、基质和免疫细胞之间的相互作用需要采用超多重免疫荧光成像方法。在这里，我们分析了一组Cell Signaling Technology（CST®）抗体，这些抗体针对肺癌、结肠癌和胰腺癌等癌症的标志物。通过Cell DIVE成像和Aivia中的聚类分析，我们确定了TME中的空间相互作用，包括组织特异性和共有的相互作用。
