Leica Microsystems: 显微镜科学与教学知识中心

显微镜科学与教学知识中心

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！

2D slice of colon cancer tissue stained with 30 markers and imaged using the Cell DIVE system. Analysis performed using Aivia 13’s new multiplex cell detection recipe and automatic clustering tool. Each phenotype denoted in a different color.

Transforming Multiplexed 2D Data into Spatial Insights Guided by AI

Aivia 13 handles large 2D images and enables researchers to obtain deep insights into microenvironment surrounding their phenotypes with millions of detected objects and automatic clustering up to 30…

[Translate to chinese:] Single cell datasets

利用 SPARCS 探索亚细胞空间表型

功能日益强大的显微镜可提供信息丰富的各种细胞表型数据。如果与深度学习的最新进展相结合，这将成为在基因筛选中读出感兴趣的生物表型的理想技术。在本网络讲座中，您将了解到空间分辨 CRISPR 筛选 (SPARCS)，这是一种利用自动化高速激光显微切割技术在人类基因组尺度上揭示各种亚细胞空间表型的平台。

[Translate to chinese:] THY1-EGFP labeled neurons in mouse brain processed using the PEGASOS 2 tissue clearing method, imaged on a Leica confocal microscope. Neurons were traced using Aivia’s 3D Neuron Analysis – FL recipe. Image credit: Hu Zhao, Chinese Institute for Brain Research.

借助人工智能，揭示复杂而密集的神经元图像中的洞察

神经元的3D形态学分析通常需要使用不同的成像模式，捕捉多种类型的神经元，并在各种密度下相连的传统Leica SP8显微镜采集多达解神经元的形态，这对许多研究人员来说仍然是一个耗时的挑战。

[Translate to chinese:] Microscopy for neuroscience research

神经科学显微镜面临哪些挑战？

显微镜是神经科学研究领域的强大工具。不过，当涉及到对神经过程进行成像以及使用不同的样品类型（例如厚神经组织或脑类器官）时，科研人员可能会面临到很多挑战。这本30页的电子书包含众多真实的案例，以讨论我们最常见到的一些挑战，同时展示了如何使用THUNDER 成像技术克服这些挑战。

AI-based workflow for fast rare event detection in living biological samples using Autonomous Microscopy powered by Aivia

人工智能显微成像能够高效检测稀有事件

对稀有事件进行定位和选择性成像是许多生物样本研究过程的关键。然而，由于时间限制和高度的复杂性，有些实验无法做到，从而限制了获得新发现的前景。通过基于人工智能的显微成像检测稀有事件，这种工作流程将智能样本导航、图像采集工具和人工智能驱动的图像分析等不同功能融合起来共同协作，能够克服上述局限性。

Automated Laser Microdissection for Proteome Analysis

组织中的精密空间蛋白质组学信息

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。

Protist Paramecium (Paramecium tetraurelia) stained to show the nucleus

复杂3D数据集——人工智能赋能的空间数据分析

本期MicaCam为您提供切实的建议，教您从显微镜图像中提取可发表级别的分析结果。本期的特邀嘉宾来自徕卡显微系统的Luciano Lucas，他将为大家展示如何使用MICA的AI赋能软件进行图像分析。他将深度分析两张MICA的3D成像，探究不同可见生物元素之间的空间关系。本期的最后将会介绍如何创作高保真视频动画以及其他可用于发表文章的结果。

Mouse whole-mount retina. Image courtesy of the Experimental Ophthalmology Group, University of Murcia, Spain.

快速、高灵敏度成像和人工智能辅助分析

The specificity of fluorescence microscopy allows researchers to accurately observe and analyze biological processes and structures quickly and easily, even when using thick or large samples. However,…

3D reconstruction of an isolated human islet

为活细胞成像创造新选择

对厚实的活体样本进行成像时，主要挑战之一是获得图像质量与组织完整性之间的平衡。长时间的图像采集期间，弱信号光会导致低信号水平，导致图像对比度低以及分割和分析困难。需要通过高剂量成像或高时间分辨率成像技术加强信号强度时，这一问题更加突出。一个常见问题是：我如果快速成像、一次完成，会不会造成样本过度漂白或者细胞死亡？