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！

Cell DIVE multiplexed image of FFPE tissue section from syngeneic murine cancer model, 4T1.

Mapping Tumor Immune Landscape with AI-Powered Spatial Proteomics

Spatial mapping of untreated tumors provides an overview of the tumor immune architecture, useful for understanding therapeutic responses. Immunocompetent murine models are essential for identifying…

[Translate to chinese:] 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.

Spatial Analysis of Neuroimmune Interactions in Alzheimer’s Disease

Alzheimer’s disease (AD) is a complex neurodegenerative disorder characterized by neurofibrillary tangles, β-amyloid plaques, and neuroinflammation. These dysfunctions trigger or are exacerbated by…

A Guide to Spatial Biology

What is spatial biology, and how can researchers leverage its tools to meet the growing demands of biological questions in the post-omics era? This article provides a brief overview of spatial biology…

[Translate to chinese:] 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。

Dapi – Nucleus, GFP – Plasma Membrane, Thickness 100µm, 63x objektive, 469 Z planes, 2 channels, THUNDER Imager 3D Cell Culture. Courtesy M.Sc. Dana Krauß, Medical University of Vienna (Austria).

您的 3D 类器官成像和分析工作流程效率如何？

类器官模型已经改变了生命科学研究，但优化图像分析协议仍然是一个关键挑战。本次网络研讨会探讨了类器官研究的简化工作流程，首先是实时的三维细胞培养检查，接下来是高速、高分辨率的三维成像，生成清晰的图像和更纯净的数据，以便对生长速率、细胞迁移和三维细胞相互作用等参数进行准确地人工智能分割和量化，从而实现更深入的洞察。

[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。

Multiplexed Cell DIVE imaging to characterize the tumor immune microenvironment in human colon adenocarcinoma (CAC) tissue.

利用AI驱动的多重图像分析探索结肠腺癌

在这项研究中，我们展示了一种利用Cell DIVE和AIVIA软件的空间生物学工作流程，以绘制结肠腺癌中的肿瘤免疫景观图。

[Translate to chinese:] Multiplexed Cell DIVE imaging of selected clusters and unique cell populations identified in mucinous cystadenocarcinoma of the ovary.

肿瘤空间微环境的元癌症分析

研究 TME中肿瘤、基质和免疫细胞之间的相互作用需要采用超多重免疫荧光成像方法。在这里，我们分析了一组Cell Signaling Technology（CST®）抗体，这些抗体针对肺癌、结肠癌和胰腺癌等癌症的标志物。通过Cell DIVE成像和Aivia中的聚类分析，我们确定了TME中的空间相互作用，包括组织特异性和共有的相互作用。