癌症研究中显微镜的历史、发展和趋势
癌症是一种全球性疾病，2020 年全球将新增 1800 万确诊病例，1000 万人死于癌症。预计到 2040 年，病例数将增加约 55%。研究了解癌症的发生、发展以及开发新的诊断工具和治疗方法至关重要。
人工智能与深度视觉蛋白质组学 (DVP) 相结合，推进疾病研究
在这次网络研讨会上，Andreas Mund 博士将介绍深度可视蛋白质组学（DVP）--一种将人工智能驱动的组织空间分辨、非靶向蛋白质组学相结合的尖端平台。他展示了 DVP 如何从最小的、表型匹配的细胞群中识别数千种蛋白质，并在复杂的临床组织样本中生成高分辨率分子图谱，从而在细胞水平上解码疾病机制。
人工智能驱动的乳腺癌研究多重染色成像空间分析工具
乳腺癌（BC）是女性因癌症死亡的主要原因，研究查肿瘤微环境（TME）对于阐明肿瘤进展机制至关重要。利用超多标染色空间蛋白质组学技术系统地绘制肿瘤微环境图谱可以提高精准免疫肿瘤学的能力。在这里，我们将基于人工智能的高倍空间分析应用于BC组织，研究免疫细胞类型和生物标记物，从而深入了解受免疫疗法反应的TME分子机制。
多重成像揭示结肠癌的肿瘤免疫格局
由于抗药性和复发，癌症免疫疗法获益者寥寥无几，而针对癌症免疫周期多个步骤的组合治疗策略可能会改善治疗效果。这项研究表明，高通量空间蛋白质组学可用于识别细胞生物标志物之间的相互作用，并通过绘制肿瘤免疫微环境图来指导精准的组合疗法。
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。
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。
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。
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。
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。
