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！

Spheroid stained with Cyan: Dapi nuclear countertain; Green AF488 Involucrin; Orange AF55 Phalloidin Actin; Magenta AF647 CK14.

基于人工智能的表型药物筛查解决方案

本次网络研讨会将全面介绍使用三维细胞培养进行表型药物筛选所遇到的问题、可能的解决方案及规划与执行策略。

Murine esophageal organoids (DAPI, Integrin26-AF 488, SOX2-AF568) imaged with the THUNDER Imager 3D Cell Culture. Courtesy of Dr. F.T. Arroso Martins, Tamere University, Finland.

如何深入了解类器官和细胞球模型

在本电子书中，您将了解3D细胞培养模型（如类器官和细胞球）成像的关键注意事项。探索创新型显微镜解决方案，来实时记录类器官和细胞球的动态成像过程。

Branched organoid growing in collagen where the Nuclei are labeled blue. To detect the mechanosignaling process, the YAP1 is labeled green.

检查癌症类器官的发展进程

德国慕尼黑工业大学的Andreas Bausch实验室研究细胞和生物体中不同结构和功能形成的细胞和生物物理机制。他的团队设计了新的策略、方法和分析工具，以量化微米和纳米等级的发展机制和动态过程。关键研究领域包括干细胞和类器官，从乳腺类器官到胰腺癌类器官，以更好地了解疾病模型。

Mouse cortical neurons. Transgenic GFP (green). Image courtesy of Prof. Hui Guo, School of Life Sciences, Central South University, China

显微镜如何帮助研究机械感受和突触通路

Tobi Langenhan教授使用显微镜研究突触蛋白质组合体，研究粘附性GPCR的机械感受特性，并了解蛋白质动力学及其空间相互作用。

THY1-EGFP labeled neurons in mouse brain processed using the PEGASOS 2 tissue clearing method, imaged on a Leica confocal microscope. Neurons were traced using Aivia’s 3D Neuron Analysis – FL recipe. Image credit: Hu Zhao, Chinese Institute for Brain Research.

借助人工智能，揭示复杂而密集的神经元图像中的洞察

神经元的3D形态学分析通常需要使用不同的成像模式，捕捉多种类型的神经元，并在各种密度下相连的传统Leica SP8显微镜采集多达解神经元的形态，这对许多研究人员来说仍然是一个耗时的挑战。

神经科学显微镜面临哪些挑战？

显微镜是神经科学研究领域的强大工具。不过，当涉及到对神经过程进行成像以及使用不同的样品类型（例如厚神经组织或脑类器官）时，科研人员可能会面临到很多挑战。这本30页的电子书包含众多真实的案例，以讨论我们最常见到的一些挑战，同时展示了如何使用THUNDER 成像技术克服这些挑战。

铁代谢在癌症进展中的作用

铁代谢在癌症发展和演进过程中发挥着重要作用，可以调节免疫反应了解铁离子如何影响癌症和免疫系统，有助于开发新的癌症治疗方法。

超越反卷积

宽场荧光显微镜通常用于视觉呈现生命科学样本中的结构并获取重要信息。利用荧光蛋白或染料，以高度特异性的方式标记离散的样本部分。为了充分了解某种结构，可能需要以三维方式呈现，但这会对使用显微镜带来某些挑战。

Protist Paramecium (Paramecium tetraurelia) stained to show the nucleus

使用Mica的人工智能显微镜软件进行 3D 空间分析

本期MicaCam为您提供切实的建议，教您从显微镜图像中提取可发表级别的分析结果。本期的特邀嘉宾来自徕卡显微系统的Luciano Lucas，他将为大家展示如何使用MICA的AI赋能软件进行图像分析。他将深度分析两张MICA的3D成像，探究不同可见生物元素之间的空间关系。本期的最后将会介绍如何创作高保真视频动画以及其他可用于发表文章的结果。