显微镜知识库

徕卡显微系统的知识库提供有关显微镜学科的科学研究和教学材料。内容旨在对显微镜初学者、有经验的显微镜操作实践者和使用显微镜的科学家在他们的日常工作和实验有所帮助。这里有探索交互式教程和应用笔记，你可以找到你需要的显微镜的基础知识以及前沿技术——快来加入徕卡显微知识社区，分享您的专业知识！

这些图像说明，要捕捉特定细胞中的所有 gH2Ax 病灶并进行精确计数，用多个三维光切片方法实现。

罕见疾病 CRISPR 疗法的开发与风险解除

Fyodor Urnov博士和Sadik Kassim博士最初是在ASGCT 2025会议上作这一按需演讲的，演讲的重点是遗传医学中的一个关键挑战：如何将CRISPR疗法从单一疾病解决方案扩展到平台方法，特别是针对罕见的儿科遗传疾病。Urnov 博士展示了由 Matthew Kan 博士领导的创新基因组研究所的工作，这是 IGI-Danaher Beacon for CRISPR Cures…

Trichomonas parasite in mouse gut, rOTO Embedding and serial sections for array tomography imaging. Sample courtesy Isabelle Guerin-Bonne, Low Kay En, Electron Microscopy Unit, Yong loo Lin School of Medicine, National University of Singapore

用于三维生物成像的集成连续切片与冷冻电镜工作流程

本场网络研讨会探讨了集成化工具如何支持从样品制备到图像分析的电子显微镜全流程。专家Andreia Pinto博士、Adrian Boey博士与Hoyin Lai博士将介绍UC Enuity超薄切片机和Aivia图像分析平台，并演示这些工具如何同时适用于常温与低温实验环境。会议内容包含阵列断层成像、基于深度学习的图像分割、以及生物成像中cryo-lift-out工作流程的实际案例解析。

Cell DIVE multiplexed image of FFPE tissue section from human colon adenocarcinoma tissue.

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。

Cell DIVE multiplexed image of FFPE tissue section from human invasive ductal carcinoma (IDC)

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。

用 GFAP-A647 免疫染色并使用Thunder成像仪组织成像的小鼠脑片。美国费城宾夕法尼亚大学 H. Xu 提供。

神经科学研究指南

神经科学通常需要研究具有挑战性的样本，以便更好地了解神经系统和疾病。徕卡显微镜可帮助神经科学家深入了解神经元的功能。

3D high-plex imaging in cancer immunology. Overview of a pancreatic tumor section in mouse model, labeled with 15 markers and imaged in one go using STELLARIS with SpectraPlex. (https://www.nature.com/articles/d42473-024-00260-7)

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。

Pancreatic Ductal Adenocarcinoma with 11 Apoptosis biomarkers shown – BAK, BAX, BCL2, BCLXL, Caspase9, CIAP1, NaKATPase, PCK26, SMAC, Vimentin, and XIAP.

Transforming Research with Spatial Proteomics Workflows

Spatial Proteomics, Nature Methods 2024 Method of the Year, is driving research advancements in cancer, immunology, and beyond. By combining positional data with high throughput imaging of proteins in…

Large volume computational clearing processed Thunder image of human pancreatic islet organoid. Cells segmented using Segment By Example tool, automatically phenotyped, and color-coded based on phenotypes in Aivia. Image courtesy of the Matthias von Herrath Lab, La Jolla Institute of Immunology, La Jolla, CA.

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。

Image: Human stem cell-derived mid brain organoids. Courtesy of Dr Tanya Singh, University of Oxford.

揭开类器官模型在生物医学研究中的秘密

准备深入了解类器官和3D培养物的世界，它们是促进我们了解人类健康的重要工具。浏览这些复杂的结构并获取清晰的图像进行分析是一项挑战。在本次活动中，来自牛津大学和伦敦大学学院的研究人员将与我们一起展示Thunder Imager Cell转盘共聚焦系统如何提供更有说服力的高质量数据，以便深入了解各种模型。