空间生物学（Spatial Biology）是一门涉及生物组织内细胞和结构的空间排布以及它们在三维空间中相互关系和相互作用的学科。这种研究方法探索了细胞和组织在空间中的布局、分布和相互联系，以揭示生物体内的复杂生物过程和功能。
空间生物学研究的重要工具包括多色成像技术、高分辨率显微成像技术、3D图像重建和分析软件等。通过这些技术，研究者可以同时可视化和分析多种生物标志物或分子在组织中的空间分布，进而了解细胞类型的分布、细胞内信号传递的网络、细胞迁移和组织重塑等重要过程。
总而言之，空间生物学为我们提供了在细胞和组织层面深入研究生物系统的能力。通过空间分析和定量测量，我们能够更好地理解生物体内的结构和功能，促进疾病诊断和治疗的进步，并为药物开发和治疗策略的优化提供新的见解。通过空间生物学的研究，我们可以揭示生物体内的奥秘，并为解决重大生物医学问题做出贡献。
DMi8倒置荧光显微镜
DMi8倒置荧光显微镜是徕卡光学集大成者，拥有开放式的设计理念，光学扩展模块含有两个新型无限远接口，三个相机接口以及激光防护工具，可以进行各类型的荧光成像实验甚至是gaoduan的TIRF实验。
►
方案特点
适配各类型的荧光实验。
提供其他空间转录组技术流程中的HE明场成像或免疫荧光成像，用来选择感兴趣的区域。
搭载Synapse 高级同步快速板消除了系统组件间的瓶颈，通过集成的实时控制器，直接与所有硬件组件、相机和外围设备关联从而大大加快了成像速度。
可以升级或集成第三方的组件，满足各类型实验的需求，如TIRF。
通过DMi8获取的各类肿瘤组织切片荧光成像
THUNDER高分辨率组织成像系统
THUNDER高分辨率组织成像技术是一种用于记录高分辨率、多色、全景、三维成像的技术。通过THUNDER技术有效地消除厚组织切片的离焦信号，获取高分辨率和深度成像的数据。高精度的电动对焦驱动，帮助实现精确的全景组织区域成像。搭配不同的荧光染色方法，可以实现10色以内的荧光成像。
►
THUNDER技术原理
THUNDER技术采用硬件加软件的整体解决方案，在宽场成像原理下，通过计算清除（Computational Clearing）和自适应反卷积（Adaptive Deconvolution）的方法，有效的减少离焦信号的干扰，保留焦平面的信号，从而提高对比度，改善图像质量并提供更多细节信息供进一步分析。XY轴分辨率能达到136nm，Z轴分辨率能达到264nm，是一种广泛受到学术界认可的宽场高分辨率成像技术。
新一代Live THUNDER，通过实时THUNDER技术，在预览的模式下，实现高分辨率条件下的视野寻找，提高实验工作效率。
成年雄性大鼠大脑切片，70μm；
绿色：NeuN神经元，红色：星形胶质细胞，蓝色：细胞核；
数据来自广州医科大学附属第二医院
►
方案特点
更高的分辨率，THUNDER技术实现XY 136nm，Z 264nm，更细节的细胞生物学信息。
更深的成像深度，成像深度可达150μm，更加适配厚样本成像，如脑组织、类器官等。
更多的颜色（生物标记物），可以实现10色以内的荧光成像，获得更丰富的空间信息。
更清晰的成像模式，全景组织成像时，可以在每个视野实时聚焦，确保每个区域成像的清晰度。
可升级THUNDER-LMD（激光显微切割）一体机，从高分辨率成像，到高精确切割，提取纯净、单一的细胞/组织。
神经元深度成像
►
应用案例
肿瘤免疫微环境（TIME）在滤泡性淋巴瘤的发生发展过程中起着至关重要的作用。
人淋巴瘤样本。panel中所包含指标为Ki67（增殖）、CD3（免疫细胞）、CD4（辅助T细胞）、CD8（杀伤性T细胞）、FOXP3（调节T细胞）、CD163（M2巨噬细胞）。
TSA试剂盒来自览微生物科技（上海）有限公司
深度探究微环境内细胞分布与空间关系，通过Aivia分析软件，将淋巴瘤组织进行细胞自动识别与分类分析（不同的颜色代表不同的细胞类型）。
常规宽场成像（左）、THUNDER高分辨率宽场成像（中）、Aivia细胞分割与圈选（右）THUNDER高分辨率带来高精确度的细胞识别与分析。
►
科研成果发表（部分）
1.Serpine1 mRNA confers mesenchymal characteristics to the cell and promotes CD8+ T cells exclusion from colon adenocarcinomas. Polo-Generelo, S., Rodríguez-Mateo, C., Torres, B. et al. Cell Death Discov. (2024).
2.Protein tyrosine phosphatase PTPRO represses lung adenocarcinoma progression by inducing mitochondria-dependent apoptosis and restraining tumor metastasis. Dai, Y., Shi, S., Liu, H. et al. Cell Death Dis (2024).
欢迎报名参与徕卡线上直播会议
与徕卡工程师云端沟通
