Nature: 复合成像技术精确乳腺癌的分类
在最近一项研究中，UZH开发的成像方法可以更详细地分类研究乳腺癌组织。与目前测试单个标记物的方法相比，该新型技术使用35种生物标记物来识别乳腺肿瘤及其周围区域中的不同细胞类型。从而提高了肿瘤分析和分类的准确性，并改善了乳腺癌患者的个性化诊断。
我国科学家合成高性能荧光RNA实现活细胞RNA成像
2019年11月5日，华东理工大学生物反应器工程国家重点实验室杨弋教授等在Nature Biotechnology（《自然—生物技术》）杂志上发表了封面学术论文，题为“Visualizing RNA dynamics in live cells with bright and stable fluorescent RNAs”。该论文报道他们利用系
Nat Commun：利用新型成像技术来揭示结肠中癌细胞生长和扩散的机制
2019年12月10日 讯 /生物谷BIOON/ --近日，一项刊登在国际杂志Nature Communications上的研究报告中，来自杜克大学医学中心等机构的科学家们通过研究揭示了干细胞突变是如何悄然发生并扩散到结肠中的广泛区域，直至最终占据主导地位并发展成为恶性肿瘤的。通过在小鼠中利用一种创新性的模型系统，研究人员通过促进干细胞发光来在视觉上标记结肠
视网膜成像技术使阿尔茨海默症的早期诊断成为可能
一种廉价、无创的患者眼部成像技术可能有助于早期发现阿尔茨海默症，使临床医生能够在病情恶化之前及早提供治疗。明尼苏达大学的研究人员在10月的ACS Chemical Neuroscience上发表了这一项新研究。目前阿尔茨海默症尚缺乏有效的治疗方法，也没有一种生物标志物能够在症状出现之前对其进行早期预测。而明尼苏达大学的科学家们相信，他们利用视网膜
Cell子刊：给CAR-T细胞标记上成像示踪剂，可在体内实时追踪CAR-T细胞
2019年11月18日讯/生物谷BIOON/---在CAR-T细胞疗法中，提取自患者自身的T细胞经过基因改造后，被移植回患者体内以发现并杀死癌症。这类免疫疗法已引发了某些癌症的治疗变革，但是一旦CAR-T细胞进入患者体内，它们将去向何处？医生如何知道它们已成功地达到了目的地，并且在数周、数月甚至数年后仍在继续与疾病作斗争？在一项新的研究中，来自美国宾夕法尼亚大学的研究人员发现了一种追踪体内CAR-
港中大开发全新成像方法 促进生物医学研究
香港中文大学日前宣布，该校研究团队开发了一种高速成像方法，在1秒内即可完成对三维样品的双光子荧光成像，速度是传统点扫描方法的3至5倍，有助促进生物医学领域的研究。据港中大研究人员介绍，神经活动一般在10毫秒量级的时间内完成，传统显微镜难以直接观察这些现象，双光子显微镜则可以用于对生物的神经分布进行三维成像，并同时观察几百个神经元的活动。与常规显微镜比较，双光子显微镜能够在深达1毫米的活体组织中进行
研究在微生物细胞体内实现多色荧光信号的同时成像
荧光蛋白的发现革新了生命科学的研究，应用荧光蛋白可以观测到细胞内部的活动，例如荧光蛋白可以标记特定的蛋白，也可以作为报告探针用于检测特定基因的活性。荧光蛋白的开发和进化使其光谱得到了全面的扩展，也使得多个荧光蛋白的同时使用成为可能。目前，多色成像较多局限于两个荧光蛋白的同时使用。通常是选取两种光谱相差很大的荧光蛋白，以实现双色标记或检测。例如红色与绿色荧光蛋白同时使用，或者蓝色与黄色荧光蛋白同时使
超分辨光镜-电镜关联成像研究取得进展
10月14日，中国科学院生物物理研究所徐涛课题组与徐平勇课题组合作，在Nature Methods上发表了题为mEosEM withstands osmium staining and Epon embedding for super-resolution CLEM 的研究论文。他们发展了第一个常规电镜制样后保持荧光的光转化荧光蛋白，首次实现了Epon后固定的同层超薄样品的
PNAS：新型成像技术提供关于病毒包装的新见解
2019年10月8日 讯 /生物谷BIOON/ --最近，研究人员第一次捕获了单个病毒形成的图像，从而实时了解了病毒装配的动力学特征。该研究为如何对抗病毒和工程自组装粒子提供了新的见解。该研究发表在《PNAS》杂志上。 哈佛大学约翰·保尔森工程学院的物理学教授Vinothan Manoharan表示：“结构生物学已经能够以惊人的分辨率解析病毒的结构，甚至可以到每种蛋白质中的每个原子。但是
Nat Machine Intelligence: 人工智能助力生物医学成像
2019年10月1日 讯 /生物谷BIOON/ --根据最近一项研究，苏黎世联邦理工学院和苏黎世大学的科学家成功利用机器学习方法来改善光声成像。这种相对年轻的医学成像技术可用于诸如可视化血管，研究脑活动，表征皮肤病变和诊断乳腺癌等方向。然而，渲染图像的质量很大程度上取决于设备使用的传感器的数量和分布：传感器的数量越多，图像质量就越好。 对此，研究人员开发的新方法可以在不放弃最终图像质量的情况下大幅