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！

Image of burrs (red arrows) at the edge of a battery electrode acquired with a DVM6 digital microscope.

电池制造过程中的毛刺检测

毛刺是电池电极片边缘可能出现的缺陷，例如在制造过程中的分切环节。它们可能会因诸如短路等故障导致电池性能下降，并引发安全和可靠性问题。毛刺检测是电池生产质量控制的重要部分，对于生产具有可靠性能和寿命的电池至关重要。通过适当照明的光学显微镜可以在生产过程的关键步骤中快速可靠地对电极上的毛刺进行视觉检测。

Brain organoid labeled with lamin (green) and tubulin (magenta), acquired using Viventis Deep. Courtesy of Akanksha Jain, Treutlein Lab ETH-DBSSE Basel (Switzerland).

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。

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。

Documentation of an automotive clutch friction surface with a digital microscope

验证汽车零部件的规格

在汽车零部件的开发和生产过程中，无论是供应商还是汽车制造商，都必须符合规格要求。这些规格对保持汽车和其他车辆在生命周期内的性能标准和安全运行至关重要[1,2,3]。在满足或超越日益严格的质量标准的同时，对更高效和更具成本效益的零部件开发和生产的需求一直在提高。本文解释了如何用数码显微镜轻松快速地研究和记录零件以确定其是否符合规格要求。

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。

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…

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。

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。

1 2 3 4 ... 6