医疗 | 学习与分享 | 徕卡显微系统

医疗

探索专为神经外科、眼科、整形外科、耳鼻喉科和牙科 HCP 量身定制的科学和临床综合资源，包括行业洞见、临床案例研究和专题研讨会。重点突出手术显微镜的最新进展，让您了解AR荧光、三维可视化和术中OCT成像等尖端技术如何赋能复杂手术决策的信心和精准操作。

Cell counts for each biomarker were divided by total number of cells to give a percentage of biomarker positive cells out of total cells for each biomarker.

在空间生物学研究中提高可重复性的方法

利用自动化、高质量抗体以及经验证的多重成像工作流程，Cell DIVE能够提供可重复的实验结果。

[Translate to chinese:] PDAC Multiplexed imaging of CST panels enables an examination of immune cell components in pancreatic ductal adenocarcinoma (IPDAC) tissue on a single slide.

表征肿瘤环境以揭示洞察和空间分辨率

肿瘤环境的表征可以为癌症进展和潜在治疗靶点提供更深入的见解。我们已经使用来自Cell Signaling Technology（CST）的各种IHC验证抗体，在胰腺癌的Cell DIVE研究中验证了30多种偶联抗体。

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。

[Translate to chinese:] Pancreatic Ductal Adenocarcinoma with 5 biomarkers shown – SMA, PanCK PCK26, PanCK AE1, Vimentin, and Glut1.

借助多重成像深入了解胰腺癌的复杂性

胰腺癌是一种很难治疗的肿瘤疾病。Cell DIVE多重成像可以视觉呈现30种生物标志物以探测胰管癌的微环境。此面板可以检查肿瘤组织多个层级的问题，包括淋巴细胞、血管新生、转移、侵袭、炎症、缺氧、代谢和免疫。多重成像和分析可以对肿瘤组织中的许多生物活动提供更为深入的洞察信息，从而可以深入研究这些信息。

[Translate to chinese:] Cell DIVE Multiplex Imaging Solution

化繁为简：多重成像中的抗体

了解抗体对于多重成像研究的重要意义，以及如何规划并建立自己的抗体组合

[Translate to chinese:] Pancreatic ductal adenocarcinoma tissue section imaged with Cell DIVE

多重成像的类型、优势和应用

与传统显微镜相比，多重成像技术能观察到更多的生物标记物，是一种新兴的、令人兴奋的从人体组织样本中提取信息的方法。通过同时观察多种生物标记物，可以协同探索以前只能单独探索的生物通路，并识别和探测复杂的组织和细胞表型。目前已有许多不同的多重成像方法，每种方法都采用不同的方法来实现更高的复杂性。

[Translate to chinese:] Multi-color SRS image of a tri-cellular cancer spheroid

相干拉曼散射显微镜的潜力一瞥

相干拉曼散射显微镜（CRS）是一种强大的无标记化学特异性成像方法。它基于样品中分子的固有振动对比特征。 CRS 可提供有关细胞、组织和完整模式生物体内生化组成和代谢过程的高分辨率（亚细胞水平）和动态（高达视频速率）信息。它还能在不干扰小分子功能的情况下对其进行成像。这些信息与荧光显微镜提供的分子对比具有高度协同作用。毫不奇怪，CRS…

Colon adenocarcinoma with 13 biomarkers shown

利用Cell DIVE 在单细胞水平上进行超复杂癌症组织分析

能够研究淋巴瘤细胞的异质性如何受到细胞对其微环境反应的影响，尤其是在突变、转录组和蛋白质水平上。蛋白质表达研究提供了有关细胞相互作用性质和蛋白质表达水平的最相关信息。超复合工作流程可用于研究同一癌症组织中的多种蛋白质。

H&E stained micrograph of an intramucosal esophageal adenocarcinoma (left) enhanced with Aivia’s Pixel Classifier (right)

简化癌症生物学图像分析工作流

随着癌症生物学数据集的不断增长，显微图像分割和定量也越来越具挑战性，研究人员被迫在分析工作中耗费大量的时间。