生命科学研究

在生命科学研究中心，您可以掌握最新的关于先进显微镜、成像技术、电镜样品制备和图像分析的前沿应用和创新，涵盖的主题包括细胞生物学、神经科学和癌症研究。希望在这里可以帮助您提升研究能力和精进显微镜在各个科学领域实际应用，并了解徕卡如何通过精确的可视化、图像解读和推进研究进展来赋能您的工作。

[Translate to chinese:] 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。

[Translate to chinese:] 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。

[Translate to chinese:] 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。

Cell DIVE image of stromal remodeling around B cell follicles of follicular lymphoma patients. Stromal cells labeled with antibodies against desmin (red), SPARC (orange), vimentin (blue), and a-sma (yellow). Extracellular matrix labeled with antibody against lumican (cyan). B cells labeled with antibody against CD20 (green). Image credit: Dr. Andrea Radtke, Center for Advanced Tissue Imaging, NIAID, NIH

Cell DIVE开放式超多重免疫荧光成像如何赋能空间生物学

空间生物学和多重成像工作流程在免疫肿瘤学研究中变得越来越重要。许多研究人员即使使用有效的工具和方案，也很难提高研究效率。我们将介绍研究人员如何利用开放式超多重免疫荧光的适应性，将 IBEX 成像与Cell DIVE 相结合，创造了一种名为 Cell DIVE-IBEX 的技术。它让这些研究人员能够调整现有的技术和试剂，并获得Cell DIVE 在其免疫肿瘤学研究中的可扩展性。

[Translate to chinese:] Image of murine dopaminergic neurons which have been marked for laser microdissection (LMD).

利用激光显微切割（LMD）在空间背景下分离神经元

在阿尔茨海默病之后，帕金森病是第二常见的进行性神经退行性疾病。在首发症状出现之前，中脑中高达70%的多巴胺释放神经元已经死亡。本文描述了如何使用现代激光显微切割（LMD）方法帮助解决帕金森病之谜。研究涉及在空间背景下分离和分析神经元。这些细胞来自帕金森病患者的死后黑质组织样本，以便深入了解该病的分子机制。

激光显微切割技术如何助力神经科学研究取得开创性进展？

玛尔塔·帕特林尼博士，卡罗林斯卡学院的高级科学家，分享了她在成人人类神经发生开创性研究中使用激光显微切割（LMD）的经验，并提供了关于LMD在空间蛋白质组学和精准医学中未来应用潜力的个人见解。

[Translate to chinese:] How the M822 microscope enhances surgical precision in eye surgeries - Insights from Dr. Dhami. Image courtesy of Dr. Abhinav Dhami.

听听Dhami 医生关于购买眼科显微镜的专业见解

在本文中，了解来自印度北部的眼科手术顾问Abhinav Dhami医生如何使用Leica Microsystems的M822眼科显微镜来提高他的手术精确度，以及哪些关键特性使他决定购买这款眼科显微镜用于他的实践。

Region of a patterned wafer inspected using optical microscopy and automated and reproducible DIC (differential interference contrast). With DIC users are able to visualize small height differences on the wafer surface more easily.

6英寸晶圆检测显微镜：可靠观察细微高度差异

本文介绍了一种配备自动化和可重复的DIC（微分干涉对比）成像的6英寸晶圆检测显微镜，无论用户的技能水平如何。制造集成电路（IC）芯片和半导体组件需要进行晶圆检测，以验证是否存在影响性能的缺陷。这种检测通常使用光学显微镜进行质量控制、故障分析和研发。为了有效地可视化晶圆上结构之间的小高度差异，可以使用DIC。

[Translate to chinese:] Optical microscope image, which is a composition of both brightfield and fluorescence illumination, showing organic contamination on a wafer surface. The inset images in the upper left corner show the brightfield image (above) and fluorescence image (below with dark background).

晶圆上的光刻胶残留和有机污染物的可视化

随着半导体上集成电路（IC）的尺寸低于10纳米，在晶圆检测中有效检测光刻胶残留等有机污染物和缺陷变得越来越重要。光学显微镜仍然是常见的检测方法，但对于有机污染物，明场和其他类型的照明可能会存在局限性。本文讨论了荧光显微镜如何在半导体行业的QC、故障分析和研发过程中有效检测晶圆上的光刻胶残留和其他有机污染物。