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！

Multiplexed Cell DIVE imaging to characterize the spatial landscape in Human Alzheimer’s Cortical Tissue

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。

Brightfield image of a pig liver stained with hematoxylin-eosin (HE).

空间代谢组学：探索肿瘤复杂性和治疗见解

在癌症研究中，理解肿瘤细胞与其微环境之间的相互作用至关重要，因为肿瘤微环境显著影响肿瘤进展。空间代谢组学是一种由研究人员开发的新方法，用于研究这一复杂性。通过揭示肿瘤微环境中的空间变化，该方法提供了对其多样化成分及其组织的宝贵见解。这些见解不仅影响临床结果，还为治疗反应提供信息，为个性化治疗策略铺平道路。

利用子宫内膜类器官推进子宫再生疗法

康教授团队致力于研究决定子宫微环境的关键因素，该环境对胚胎着床和妊娠维持至关重要。他们正为罹患阿什曼综合征等子宫内膜疾病的患者开发恢复子宫内膜功能的新型治疗策略。通过将 3D 子宫内膜类器官移植至小鼠模型，该团队揭示了子宫内膜强大的再生能力的细胞与分子机制。本次访谈将深入探讨其团队的研究内容及Mica在研究中所发挥的重要作用。

Mosaic scan of a Masson-Goldner stained cat brain. Magnification: 20x.

基于激光显微切割的稀疏细胞脂质组学分析

通过高覆盖率靶向脂质组学分析稀疏细胞，深入探讨细胞复杂性。这种先进的方法结合了激光显微切割（LMD）和液相色谱-质谱/质谱（LC-MS/MS），揭示了单细胞水平的代谢变化，阐明了糖尿病和肥胖等疾病。通过采用激光显微切割（LMD）获得无污染样本，并使用 SCIEX 7500 系统提高灵敏度，该方法成功检测到 285…

Dapi – Nucleus, GFP – Plasma Membrane, Thickness 100µm, 63x objektive, 469 Z planes, 2 channels, THUNDER Imager 3D Cell Culture. Courtesy M.Sc. Dana Krauß, Medical University of Vienna (Austria).

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。

通过自动切片改善您的超薄切片工作流程

在不断发展的电镜样品制备领域，保持领先地位至关重要。这个网络研讨会提供了关于超薄切片最新进展的重要见解，这些进展可以显著增强您实验室的能力。

AI-based cell counting performed with a phase-contrast and fluorescence image using the Mateo FL microscope.

利用AI增强的细胞计数实现精准和高效

本文描述了利用AI进行精确和高效的细胞计数。准确的细胞计数对于 2D 细胞培养的研究至关重要，例如细胞动力学、药物发现和疾病建模。精确的细胞计数对于确定细胞存活率、增殖速率和实验条件的影响至关重要。这些因素对于可靠和稳健的结果至关重要。描述了基于人工智能的方法如何显著提高细胞计数的准确性和速度，从而对细胞研究产生重大影响。

AI-based transfection analysis (left) of U2OS cells which were transfected with a fluorescently labelled protein. A fluorescence image of the cells (right) is also shown. The analysis and imaging were performed with Mateo FL.

利用AI实现细胞转染的高效分析

本文探讨了AI（AI）在优化 2D 细胞培养研究中转染效率测量中的关键作用。对于理解细胞机制而言，精确可靠的 2D 细胞培养转染效率测量至关重要。靶向蛋白的高转染效率对于包括活细胞成像和蛋白纯化在内的实验至关重要。手动估计存在不一致性和不可靠性。借助AI的力量，可以实现高效可靠的转染研究。

Image of confluent cells taken with phase contrast (left) and analyzed for confluency using AI (right).

通过 AI 汇合度提高 2D 细胞培养的精度

本文解释了如何利用人工智能（AI）进行高效、精确的 2D 细胞培养汇合度评估。准确评估细胞培养的汇合度，即表面积覆盖的百分比，对于可靠的细胞研究至关重要。传统方法使用视觉检查或简单算法，使结果不客观和精确，尤其是对于用于药物发现、组织工程和再生医学的复杂细胞系。利用自动化图像分析和深度学习算法的方法提供更好的精度，并可以增强实验结果。