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！

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

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。

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。

Transfection using the Uncommon Bio reprogramming system. Image acquired using the THUNDER Imager 3D Cell Culture with THUNDER Large Volume Computational Clearing (LVCC) applied. Image courtesy of Samuel East, Uncommon Bio.

利用新型可扩展的干细胞培养设计未来

具有远见卓识的生物技术初创企业 Uncommon Bio 正在应对世界上最大的健康挑战之一：食品可持续性。在这次网络研讨会上，干细胞科学家塞缪尔-伊斯特（Samuel East）将展示他们如何使细胞农业的干细胞培养基既安全又经济可行。了解他们如何将培养基成本降低 1000 倍，并开发出不含动物成分、食品安全的 iPSC 培养基。

Multiplexed Cell DIVE imaging of Adult Human Alzheimer’s Brain Tissue labelled with 15 antibodies targeted towards markers specific to astrocytes (GFAP, S100B), microglia (TMEM119, IBA1), and Alzheimer’s-associated markers (β-amyloid and p-Tau217).

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。

Pancreatic Ductal Adenocarcinoma with 11 Aerobic Glycolysis/Warburg Effect biomarkers shown – BCAT, Glut1, HK2, HTR2B, LDHA, NaKATPase, PCAD, PCK26, PKM2, SMA1, and Vimentin.

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。

Colon adenocarcinoma and normal colon at the tumor margin. 13 biomarkers shown including Cadherin, CD3, CD4, CD8, CD20, CD31, CD45, Collagen, Caspase 9, BCL2, Beta-Catenin, Vimentin, and Smooth Muscle Actin.

利用大数据查看器揭示结肠癌隐藏的复杂性

结直肠癌是一种的重大健康负担。虽然手术初期有效，但部分患者会发展为预后不良的复发性继发疾病，需要采用免疫疗法等先进治疗手段。利用空间生物学方法，如 Cell DIVE 多重成像技术，可为开发新型治疗方案提供关键洞见。通过 Minerva 图像查看器在浏览器中访问完整的 Cell DIVE 数据集，进一步探索这些发现。

Cell DIVE multiplexed image of FFPE tissue section from syngeneic murine cancer model, 4T1.

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。

Automated Laser Microdissection for Proteome Analysis

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。