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！

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)

How to Streamline High-Plex Imaging for 3D Spatial Omics Advances

In this webinar, Dr. Julia Roberti and Dr. Luis Alvarez from Leica Microsystems introduce SpectraPlex, a new functionality integrated into the STELLARIS confocal platform for high-plex 3D spatial…

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。

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。

神经科学研究解决方案

您的工作是更好地了解神经退行性疾病，还是研究神经系统的功能？了解如何使用徕卡显微系统的成像解决方案取得突破。

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。

Multiplexed Cell DIVE imaging of Adult Human Alzheimer’s brain tissue section demonstrating expression of markers specific to astrocytes (GFAP, S100B), microglia (TMEM119, IBA1), AD-associated markers (p-Tau217, β-amyloid) and immune cells such as CD11b+, CD163+, CD4+, and HLA-DRA+, clustered around the β-amyloid plaques.

阿尔茨海默病神经免疫相互作用的空间分析

阿尔茨海默病（AD）是一种复杂的神经退行性疾病，以神经原纤维缠结、β-淀粉样斑块和神经炎症为特征。这些功能障碍由局部免疫反应触发或加剧。因此，在空间背景下理解神经免疫相互作用对于阐明 AD 发病机制至关重要。本研究采用 Cell DIVE 多重成像技术和 Aivia 人工智能辅助空间分析工具，探究 AD 病理标志物周围免疫细胞的特征。

1 2 3 4 ... 8