徠卡精準(zhǔn)空間生物學(xué)解決方案簡介（四）

瀏覽次數(shù)：681　發(fā)布日期：2024-9-27　來源：徠卡顯微鏡

Cell DIVE超多標(biāo)組織成像分析系統(tǒng)

Cell DIVE超多標(biāo)組織成像分析系統(tǒng)是一種經(jīng)驗證的系統(tǒng)，盡可能保證組織完整度的前提下，通過循環(huán)染色成像（染色-成像-漂白）的方法，在單細(xì)胞層級對單個組織樣本的100多種生物標(biāo)志物進行成像與分析，從而提供蛋白層面定性和定量的結(jié)果。該系統(tǒng)包含：370+經(jīng)驗證的抗體資源庫、對組織樣品盡可能保護的可定制化設(shè)計的染色方案，設(shè)計精密的成像系統(tǒng)，和簡單易用的采集和分析軟件。

►Cell DIVE工作流程

►方案特點

專利的循環(huán)染色成像技術(shù)，可在保證組織完整度的前提下，實現(xiàn)一張切片100+生物標(biāo)志物進行定性和定量分析。
全流程采用商業(yè)化的試劑耗材，極大節(jié)省成本。
開放性、開源性，可根據(jù)實驗?zāi)康撵`活設(shè)計實驗方案。
兼容性，可兼容已經(jīng)驗證過的抗體。
下游搭配Aivia分析軟件，識別、圈選與分割感興趣的細(xì)胞或區(qū)域，進行細(xì)胞計數(shù)、表型分析、空間距離分析等。

小鼠中腦冠狀切片；

13個biomarker成像：Beta-Tubulin，CNPase，F(xiàn)US，HUD，IBA1，LC3A，MAP2，GFAP，Vimentin，SMA，NEUN，SORLA，DAPI；

同一張胰腺癌切片上的3組生物標(biāo)記物成像（27個Biomarker成像，DAPI作為核定位）

►科研成果發(fā)表（部分）

1.Deep learning-based automated pipeline for blood vessel detection and distribution analysis in multiplexed prostate cancer images. Karageorgos GM, Cho S, McDonough E, Chadwick C, et al. Front. Bioinform. (2024)

2.A single cell atlas of frozen shoulder capsule identifies features associated with inflammatory fibrosis resolution. Ng,M.T.H.,Borst, R.Gacaferi, H. et al. Nat Commun (2024).

3.3D reconstruction of skin and spatial mapping of immune cell density, vascular distance and effects of sun exposure and aging. Ghose, S., Ju, Y., McDonough, E. et al. Commun Biol (2023).

STELLARIS白激光共聚焦平臺

STELLARIS 是一款創(chuàng)新設(shè)計的激光共聚焦成像系統(tǒng)，它通過整合白光激光（WLL）、聲光分光器（AOBS），Power HyD 檢測器，及熒光壽命模塊TauSense大大地增強了熒光成像的靈活性和質(zhì)量。

►技術(shù)原理

(A)11色微珠(名義直徑0.8微米)樣本的原始圖像，以及(B)使用STELLARIS集成的染料分離工具獲得的圖像。AF 405(藍(lán)色),AF 532(灰色),AF 594(橙色),AF 750(青色)，AF 488(淺綠色),AF 555(黃色),AF 647(洋紅色),AF 790(紅色),AF 514(綠色),AF 568(紫色),AF700(淺黃色)。

白激光：隨著生物研究對同時觀察多重事件的需求日增，傳統(tǒng)共聚焦顯微技術(shù)在多色標(biāo)記實驗中面臨光譜重疊引起的限制。STELLARIS 白激光的高度可調(diào)性能夠精確匹配樣本染料的光譜特性，優(yōu)化了多色實驗的清晰度與精確度，可以通過單次成像實現(xiàn)11色，并且沒有串色的干擾，突破傳統(tǒng)固定激光器在多色成像上的限制。

熒光壽命：傳統(tǒng)熒光成像受限于熒光類型和光譜范圍，而STELLARIS共聚焦平臺可升級熒光壽命技術(shù)，通過記錄分子在激發(fā)態(tài)停留的平均時間，來區(qū)分微環(huán)境中不同的組成部分。熒光壽命與熒光物質(zhì)的自身結(jié)構(gòu)和所處的微環(huán)境（如極性、粘度等）有關(guān)，而與激發(fā)光強度、熒光團濃度等因素?zé)o關(guān)，是一種非常好的技術(shù)來探究腫瘤微環(huán)境中的pH值、離子濃度等。通過結(jié)合熒光壽命的維度，幫助科研工作者產(chǎn)生更多的新洞見。

►方案特點

激發(fā)光譜自由，譜線連續(xù)可調(diào)，適用各種染料。
來自整個光譜的單一激發(fā)譜線，譜線間快速切換。
無串色干擾，多標(biāo)記一次成像。
通過熒光壽命，分離激發(fā)光譜重疊的標(biāo)記。

►應(yīng)用案例

基于熒光壽命的活體NE-115細(xì)胞多色成像。

肌動蛋白:LifeAct-mNeonGreen(左圖:黃色,右圖:紅色);線粒體:MitoTracker Green(左圖:黃色,右圖:綠色);細(xì)胞核:NUC Red(左圖:灰色，右圖:藍(lán)色);和微管蛋白:SiR-tubulin(左圖:灰色,右圖:洋紅色)。

►科研成果發(fā)表（部分）

1.LRRK2 is required for CD38-mediated NAADP-Ca(2+) signaling and the downstream activation of TFEB (transcription factor EB) inimmune cells. Nabar NR, Heijjer CN, Shi CS, Hwang IY, Ganesan S, Karlsson MCI, Kehrl JH. Autophagy. (2022)

2.Phosphatidic acid suppresses autophagy through competitive inhibition by binding GAPC (glyceraldehyde-3-phosphate dehydrogenase)and PGK (phosphoglycerate kinase) proteins. Guan B, Jiang YT, Lin DL, Lin WH, Xue HW. Autophagy. (2022)

3.Molecular sensors reveal the mechano-chemical response of Phytophthora infestans walls and membranes to mechanical andchemical stress. Michels L, Bronkhorst J, Kasteel M, de Jong D, Albada B, Ketelaar T, Govers F, Sprakel J. Cell Surf. (2022)

4.PICASSO allows ultra-multiplexed uorescence imaging of spatially overlapping proteins without reference spectra measurements.Seo, J., et al., Nat. Comm., (2022).

5.IBEX: A versatile multiplex optical imaging approach for deep phenotyping and spatial analysis of cells in complex tissues. Radtke, A.J. et al., PNAS. (2020).

LMD激光顯微切割系統(tǒng)

激光顯微切割（Laser Microdissection，LMD）是一種適用于精確制備樣品的技術(shù)。在許多研究領(lǐng)域，它是獲得純凈的、單一的后續(xù)實驗起始材料的先決條件。在基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)、微陣列、二代測序、生物芯片等領(lǐng)域中，需要使用這項高精度技術(shù)以進行有意義的分析。

►LMD技術(shù)流程

第一步

界定觀察與切割區(qū)域

第二步

棱鏡沿著設(shè)定的界限精確地引導(dǎo)激光束

第三步

借助重力來采集切割物

►方案特點

重力收集，無污染無接觸的收集方式。
激光束移動，切割精度高(0.07um)，滿足高倍物鏡下切割要求如單細(xì)胞，甚至染色體切割。
高通量收集，適配96/384/1536孔等不同通量的多孔板，保證單細(xì)胞收集高效又便捷。
基于正置顯微鏡，從THUNDER高分辨率成像到精確收集，可以在同一臺THUNDER-LMD一體機實現(xiàn)，減少組織轉(zhuǎn)移的風(fēng)險。

聯(lián)用Aivia分析軟件，識別與圈選感興趣的細(xì)胞或區(qū)域。

►實驗流程（深度視覺蛋白質(zhì)組學(xué)）