Name: 为ArcturusXT仪器SIVQ-LCM协议 (视频) | JoVE Journal
Uploaded: 2014-07-23T14:00:00.000+00:00
Duration: 7 min 37 s
Description: 学习将空间不变矢量量化与激光捕获显微切割相结合的技术，用于快速精准地分离目标细胞进行下游分子分析。该方法显著提高了大面积目标区域的选择效率，适用于神经科学和生物学研究。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究部分由美国国立卫生研究院、国家癌症研究所癌症研究中心的院内研究计划资助。

所述方案的实施遵循美国国立卫生研究院（NIH）关于使用人体组织样本的规定。
1. 组织制备
<ol>
	<li>开始前，须根据机构审查委员会（IRB）的规定获取人体组织样本。</li>
	<li>选择组织/细胞块的类型及相应的处理方法［福尔马林固定石蜡包埋（FFPE）、冷冻或乙醇固定石蜡包埋（EFPE）］。福尔马林固定可提供最佳的组织学效果，其次为乙醇固定和速冻。然而，固定和组织处理方法可能影响后续分子分析中DNA、RNA和蛋白质的数量与质量，应予以考虑。</li>
	<li>将组织/细胞块切片置于所选类型的载玻片（普通玻璃、膜片玻璃或金属框膜片）上。&#160;SIVQ分析在上述三种载玻片上均表现良好。请注意，使用二甲苯和乙醇的伪盖玻片法（如下所述）不能用于金属框膜片载玻片，因为该方法需将载玻片倒置在载物台上。</li>
	<li>选择化学染色或免疫组化（IHC）染色方法，以从背景中识别目标细胞。需注意，染色方法也可能影响组织中DNA、RNA和蛋白质的质量与数量。在继续实验方案前，应对染色后的组织进行检测，以评估生物分子的基线质量。SIVQ-LCM已成功应用于经以下染色的组织/细胞学切片：使用DAB15的免疫组化（IHC）、免疫荧光、快红、de novo 红、甲苯胺蓝以及苏木精-伊红（H&amp;#38;E）染色（未发表数据）。</li>
</ol>
2. 标本成像
<ol>
	<li>将载玻片装载到显微切割仪器的电动载物台上，并启动相关软件。勾选复选框以指定已装载载玻片的位置，并确保捕获的图像文件以jpeg格式保存。</li>
	<li>通过手动调焦旋钮或解剖仪器的软件调节屏幕图像的亮度和焦距，以优化图像质量。
	<ol>
		<li>使用解剖仪器软件中的图像工具箱，适当设置光源亮度和相机增益。示例参数为：亮度 = 60，增益 = 220（使用漫射器时）。</li>
		<li>使用手动方式或软件中的自动对焦功能进行对焦。</li>
	</ol>
	</li>
	<li>拍摄载玻片的缩略概览图像，以提供解剖过程的路线图。
	<ol>
		<li>为获得未加盖玻片载玻片的最佳成像质量，可使用仪器聚光镜下方的散光片，或添加少量（约30 μl）乙醇或二甲苯以改善折射率（伪盖玻片法）。使用二甲苯时需注意其具有毒性，必须采取适当的安全防护措施，包括在通风橱中操作，并穿戴防护实验服、护目镜和手套。</li>
		<li>做 不 将LCM帽置于载玻片上，直至乙醇或二甲苯溶液完全透明，否则帽上的聚合物会发生变形。</li>
	</ol>
	</li>
	<li>移动载玻片，并在10X、20X或40X放大倍数下拍摄待解剖区域的图像。如有必要，可使用软件（如 Microsoft Office Picture Manager 中的 AutoCorrect）对图像进行增强，方法如前所述22.&#160;图像必须以 jpeg 格式保存，以便重新导入自动筛选软件。</li>
</ol>
3. 图像的算法分析
<ol>
	<li>将显微切割仪器捕获的图像转移至 SIVQ 文件夹。&#160;在连接切割仪器的计算机上安装并打开 ArcturusXT、AutoScan 和 SIVQ 软件包。如需获取 SIVQ 软件，请联系 Ulysses Balis 博士（ulysses@med.umich.edu）。</li>
	<li>打开 SIVQ 并加载感兴趣的捕获图像（jpeg 格式）。</li>
	<li>导航至目标区域和/或调整显示窗口（Viewport 5 &amp;#38; 6）的大小。&#160;在 SIVQ 软件中，Viewport 5 显示预处理图像，Viewport 6 显示后处理图像16。</li>
	<li>选择将要使用的环向量大小和环的数量。</li>
	<li>在 Viewport 6 中右键单击以选择要捕获的谓词图像特征。</li>
	<li>点击“scan”以分析图像。</li>
	<li>使用两个滑动条调整图像匹配的统计概率。&#160;上方滑动条用于调节整体向量特异性，可在初始扫描中排除可能包含过多区域的部分（灵敏度由所选的“Stat”变量定义）。&#160;相反，下方滑动条用于在完成扫描后提高灵敏度，以增加被分类为匹配的区域。&#160;这两个滑动条均以“Stat”变量作为初始基准灵敏度阈值。</li>
	<li>点击“save as jpeg”保存图像（图像现保存于 c:/vq_test 文件夹/pics 中）。</li>
	<li>使用算法分析图像。算法分析的输出必须生成一幅带注释的图像，方可用于 SIVQ-LCM。目前，SIVQ 核心引擎的当前版本正处于测试阶段的 beta 版本，预计完整生产版本（2014 年第一季度发布）将集成完整的软件开发工具包（SDK）和应用程序编程接口（API），以便简化用户生成的空间滤波器及下游工作流程数据处理步骤与核心环匹配引擎的整合。&#160;该 SDK 将附带一套完整的文档。
	<ol>
		<li>确保 SIVQ 热图变为均匀的红色。</li>
	</ol>
	</li>
	<li>导出图像。必须使用十六进制编辑器将原始切割仪器图像的文件头中的位置坐标重新嵌入到分析后的 jpeg 图像中。&#160;相关数据位于“图像开始”标记（0xFF, 0xD8）与第一个“定义量化表”标记（0xFF, 0xDB）之间。</li>
</ol>
4. 显微解剖
<ol>
	<li>将LCM帽置于感兴趣区域的中心位置，该区域即为SIVQ分析时采集图像的位置。</li>
	<li>校准并进行紫外/红外（UV/IR）激光的质量控制（QC），优化各项参数，包括激光功率、作用时间、激光位置以及紫外切割速度（按照制造商建议进行）。在重新导入分析图像之前完成这些校准步骤。&#160;</li>
	<li>打开AutoScanXT（自动选择软件），并从c:/vq_test文件夹/pics中导入已分析的图像。</li>
	<li>训练自动选择软件以识别SIVQ标注，并生成切割图谱。
	<ol>
		<li>为创建训练文件，在SIVQ分析图像的“红色标记区域”上选择四个感兴趣区域（以“蓝色圆圈”标示）。</li>
		<li>选择不需要切割的背景区域（以“红色方框”标示）。</li>
		<li>点击“Analyze”按钮生成训练文件，该文件可保存以供后续使用。&#160;</li>
	</ol>
	</li>
	<li>使用适当的红外（IR）和/或紫外（UV）激光进行显微切割。
	<ol>
		<li>将选定区域复制到“实时”图像上。</li>
		<li>在“microdissect”工具箱中，选择相应的IR捕获或UV切割按钮。</li>
	</ol>
	</li>
	<li>切割完成后，将LCM帽移至质控（QC）站，并拍摄切割后组织/细胞的图像。另一种方法是在将LCM帽移至QC站前，先将其放置在玻片的空白区域，以便用户可在不同放大倍数下拍摄图像。</li>
	<li>显微切割后，对目标组织区域拍摄图像，以进一步评估捕获效率。</li>
	<li>若目标细胞已成功切割，点击ArcturusXT软件中的&#34;present stage&#34;按钮，取下LCM帽，启动下游分析所需的分子提取程序。</li>
</ol>

<ol><li>Bonner, R. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Laser+capture+microdissection%3A+molecular+analysis+of+tissue%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Laser capture microdissection: molecular analysis of tissue.</a> Science. 278, 1481-1483 (1997).</li>
<li>Emmert-Buck, M. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Laser+capture+microdissection%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Laser capture microdissection.</a> Science. 274, 998-1001 (1996).</li>
<li>Edwards, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Laser+capture+microdissection+of+mammalian+tissue%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Laser capture microdissection of mammalian tissue.</a> J Vis Exp. (8), (2007).</li>
<li>El-Serag, H. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gene+expression+in+Barrett%27s+esophagus%3A+laser+capture+versus+whole+tissue%5BTitle%5D)+AND+%22Scandinavian+journal+of+gastroenterology%22%5BJournal%5D)">Gene expression in Barrett's esophagus: laser capture versus whole tissue.</a> Scandinavian journal of gastroenterology. 44, 787-795 (2009).</li>
<li>Espina, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Laser-capture+microdissection%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Laser-capture microdissection.</a> Nature. 1, 586-603 (2006).</li>
<li>Harrell, J. C., Dye, W. W., Harvell, D. M., Sartorius, C. A., Horwitz, K. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Contaminating+cells+alter+gene+signatures+in+whole+organ+versus+laser+capture+microdissected+tumors%3A+a+comparison+of+experimental+breast+cancers+and+their+lymph+node+metastases%5BTitle%5D)+AND+%22Clinical+%26+experimental+metastasis%22%5BJournal%5D)">Contaminating cells alter gene signatures in whole organ versus laser capture microdissected tumors: a comparison of experimental breast cancers and their lymph node metastases.</a> Clinical & experimental metastasis. 25, 81-88 (2008).</li>
<li>Rodriguez-Canales, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimal+molecular+profiling+of+tissue+and+tissue+components%3A+defining+the+best+processing+and+microdissection+methods+for+biomedical+applications%5BTitle%5D)+AND+%22Methods+in+molecular+biology%22%5BJournal%5D)">Optimal molecular profiling of tissue and tissue components: defining the best processing and microdissection methods for biomedical applications.</a> Methods in molecular biology. 980, 61-120 (2013).</li>
<li>Silvestri, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Protein+pathway+biomarker+analysis+of+human+cancer+reveals+requirement+for+upfront+cellular-enrichment+processing%5BTitle%5D)+AND+%22Laboratory+investigation%3B+a+journal+of+technical+methods+and+pathology%22%5BJournal%5D)">Protein pathway biomarker analysis of human cancer reveals requirement for upfront cellular-enrichment processing.</a> Laboratory investigation; a journal of technical methods and pathology. 90, 787-796 (2010).</li>
<li>Eberle, F. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Immunoguided+laser+assisted+microdissection+techniques+for+DNA+methylation+analysis+of+archival+tissue+specimens%5BTitle%5D)+AND+%22The+Journal+of+molecular+diagnostics+%3A+JMD%22%5BJournal%5D)">Immunoguided laser assisted microdissection techniques for DNA methylation analysis of archival tissue specimens.</a> The Journal of molecular diagnostics : JMD. 12, 394-401 (2010).</li>
<li>Kim, H. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Distinctions+in+gastric+cancer+gene+expression+signatures+derived+from+laser+capture+microdissection+versus+histologic+macrodissection%5BTitle%5D)+AND+%22BMC+medical+genomics%22%5BJournal%5D)">Distinctions in gastric cancer gene expression signatures derived from laser capture microdissection versus histologic macrodissection.</a> BMC medical genomics. 4, 48(2011).</li>
<li>Klee, E. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+sample+acquisition+and+linear+amplification+on+gene+expression+profiling+of+lung+adenocarcinoma%3A+laser+capture+micro-dissection+cell-sampling+versus+bulk+tissue-sampling%5BTitle%5D)+AND+%22BMC+medical+genomics%22%5BJournal%5D)">Impact of sample acquisition and linear amplification on gene expression profiling of lung adenocarcinoma: laser capture micro-dissection cell-sampling versus bulk tissue-sampling.</a> BMC medical genomics. 2, 13(2009).</li>
<li>Zheng, J., Garg, S., Wang, J., Loose, D. S., Hauer-Jensen, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Laser+capture+microdissected+mucosa+versus+whole+tissue+specimens+for+assessment+of+radiation-induced+dynamic+molecular+and+pathway+changes+in+the+small+intestine%5BTitle%5D)+AND+%22PloS+one%22%5BJournal%5D)">Laser capture microdissected mucosa versus whole tissue specimens for assessment of radiation-induced dynamic molecular and pathway changes in the small intestine.</a> PloS one. 8, e53711(2013).</li>
<li>Boone, D. R., Sell, S. L., Hellmich, H. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Laser+capture+microdissection+of+enriched+populations+of+neurons+or+single+neurons+for+gene+expression+analysis+after+traumatic+brain+injury%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Laser capture microdissection of enriched populations of neurons or single neurons for gene expression analysis after traumatic brain injury.</a> J Vis Exp. (74), (2013).</li>
<li>Iyer, E. P., Cox, D. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Laser+capture+microdissection+of+Drosophila+peripheral+neurons%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Laser capture microdissection of Drosophila peripheral neurons.</a> J Vis Exp. (39), (2010).</li>
<li>Hipp, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SIVQ-aided+laser+capture+microdissection%3A+A+tool+for+high-throughput+expression+profiling%5BTitle%5D)+AND+%22Journal+of+pathology+informatics%22%5BJournal%5D)">SIVQ-aided laser capture microdissection: A tool for high-throughput expression profiling.</a> Journal of pathology informatics. 2, 19(2011).</li>
<li>Hipp, J. D., Cheng, J. Y., Toner, M., Tompkins, R. G., Balis, U. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spatially+Invariant+Vector+Quantization%3A+A+pattern+matching+algorithm+for+multiple+classes+of+image+subject+matter+including+pathology%5BTitle%5D)+AND+%22J+Pathol+Inform%22%5BJournal%5D)">Spatially Invariant Vector Quantization: A pattern matching algorithm for multiple classes of image subject matter including pathology.</a> J Pathol Inform. 2, 13(2011).</li>
<li>Hipp, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimization+of+complex+cancer+morphology+detection+using+the+SIVQ+pattern+recognition+algorithm%5BTitle%5D)+AND+%22Anal+Cell+Pathol+%28Amst%29%22%5BJournal%5D)">Optimization of complex cancer morphology detection using the SIVQ pattern recognition algorithm.</a> Anal Cell Pathol (Amst). , (2011).</li>
<li>Hipp, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Integration+of+architectural+and+cytologic+drive+n+image+algorithms+for+prostate+adenocarcinoma+identification%5BTitle%5D)+AND+%22Analytical+cellular+pathology%22%5BJournal%5D)">Integration of architectural and cytologic drive n image algorithms for prostate adenocarcinoma identification.</a> Analytical cellular pathology. 35, 251-265 (2012).</li>
<li>Hipp, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+area+calculation+of+histopathologic+features+using+SIVQ%5BTitle%5D)+AND+%22Anal+Cell+Pathol+%28Amst%22%5BJournal%5D)">Automated area calculation of histopathologic features using SIVQ.</a> Anal Cell Pathol (Amst. 34, (2011).</li>
<li>Cheng, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+vector+selection+of+SIVQ+and+parallel+computing+integration+MATLAB%3A+Innovations+supporting+large-scale+and+high-throughput+image+analysis+studies%5BTitle%5D)+AND+%22Journal+of+pathology%22%5BJournal%5D)">Automated vector selection of SIVQ and parallel computing integration MATLAB: Innovations supporting large-scale and high-throughput image analysis studies.</a> Journal of pathology. 2, 37(2011).</li>
<li>Roy Chowdhuri, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Semiautomated+laser+capture+microdissection+of+lung+adenocarcinoma+cytology+samples%5BTitle%5D)+AND+%22Acta+Cytol%22%5BJournal%5D)">Semiautomated laser capture microdissection of lung adenocarcinoma cytology samples.</a> Acta Cytol. 56, 622-631 (2012).</li>
<li>Hipp, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Image+Microarrays+%28IMA%29%3A+Digital+Pathology%27s+Missing+Tool%5BTitle%5D)+AND+%22Journal+of+pathology%22%5BJournal%5D)">Image Microarrays (IMA): Digital Pathology's Missing Tool.</a> Journal of pathology. 2, (2011).</li>
<li>Hanson, J. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Expression+microdissection+adapted+to+commercial+laser+dissection+instruments%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Expression microdissection adapted to commercial laser dissection instruments.</a> Nature. 6, 457-467 (2011).</li>
</ol>

Michael R. Emmert-Buck 是美国国立卫生研究院（NIH）持有专利的激光显微切割技术的发明人之一，并通过 NIH 技术转化项目获得基于专利使用费的付款。

本文介绍了一种将SIVQ-LCM应用于从福尔马林固定石蜡包埋（FFPE）的人乳腺组织切片中显微切割免疫染色上皮细胞的实验方案。采用SIVQ等图像分析算法，可显著减少显微切割过程中的手动操作时间。这一进展对该领域可能具有重要意义，因为操作人员的时间和精力通常是精确分离目标细胞过程中的限速步骤。在本方案中，我们特别将该方法适配于ArcturusXT仪器，但SIVQ及其他类似算法也可能适用于其他市售的显微切割设备。除了提高操作效率外，这种新方法还可使非组织病理学专业人员也能完成显微切割操作。最后，通过算法驱动显微切割过程，可消除操作者在识别目标细胞时的主观性，从而提升不同实验场所之间结果的可重复性。
尽管SIVQ对包括组织学在内的多种图像类型具有广泛的适应性，但必须认识到，它并非旨在作为通用的图像处理/分割工具，而是一种高效的初步前景选择工具。在此用途下，SIVQ在预测某一类图像内容是否适用于数值化分割方法方面具有很高的实用价值。当SIVQ取得成功时，能够高度预测以下两种情况之一：a）更精细、更有针对性的图像分析/分割方法将非常成功，和/或 b）经过优化、由机器选定的SIVQ向量将能有效...

激光捕获显微切割技术（LCM）最初于20世纪90年代中期开发，可通过显微观察使操作者精确地从组织学切片中捕获特定细胞或细胞区域1,2。许多比较LCM与组织刮取法在分子分析中效果的研究凸显了该方法的价值3-12。此外，目前已有三篇关于该技术的视频实验方案可供观看13,14。然而，尽管该技术已被证实具有重要价值，当目标细胞在异质性组织切片中呈弥散分布，或特定下游应用（如蛋白质组学）需要大量细胞时，LCM操作可能变得繁琐且费力。由于对人工操作者造成的负担，我们开发了一种半自动化的LCM切割方法，通过结合强大的图像分析算法来引导LCM过程15。
本实验室与密歇根大学合作，对先前开发并报道的空间不变向量量化（Spatially invariant vector quantization, SIVQ）算法进行了扩展，使其能够半自动地完成显微切割过程中固有的组织选择步骤，从而为病理学家或生命科学家提供了一种实用工具。空间不变向量量化（SIVQ）是一种算法，用户只需在感兴趣的组织学特征上“点击”，即可生成一个环形向量（谓词图像特征），该向量可用于在整个组织学图像中进行搜索，并根据需要调整统计阈值16-21。生成的热图显示了与初始谓词图像特征匹配的质量，随后被转换为单一颜色（红色）的注释图，可导入激光显微切割（LCM）仪器中。随后使用自动化选择软件AutoScanXT，依据SIVQ生成的注释图绘制切割路径，指导从组织样本中捕获目标细胞。以下详细方案描述了将SIVQ整合到显微切割工作流程中的具体实施步骤。

<table><tbody><tr><td>带正电荷的玻片</td><td>Thermo Scientific</td><td>4951Plus-001</td><td></td></tr><tr><td>二甲苯，ACS 级试剂，&amp;ge;98.5% 二甲苯 + 乙苯含量&amp;nbsp;</td><td>Sigma Aldrich</td><td>247642</td><td>注意：请遵循适当的安全操作规程。</td></tr><tr><td>乙醇，U.S.P. 200 证明，无水</td><td>The Warner-Graham Company</td><td>6.505E+12</td><td>注意：请遵循适当的安全操作规程。</td></tr><tr><td>Arcturus CapSure Macro LCM 盖帽</td><td>Life Technologies</td><td>LCM0211</td><td></td></tr><tr><td>ArcturusXT 激光显微切割仪</td><td>Life Technologies</td><td>ARCTURUSXT</td><td></td></tr><tr><td>AutoScanXT 软件</td><td>Life Technologies</td><td></td><td>ArcturusXT 激光显微切割设备的可选图像分析程序。SIVQ-LCM 需要使用该软件。</td></tr><tr><td>空间不变向量量化（SIVQ）</td><td>密歇根大学</td><td></td><td>该工具套件可公开用于学术合作。如需获取 SIVQ 算法，请联系 Ulysses Balis 博士 [Ulysses@med.umich.edu]</td></tr></tbody></table>

sivq-lcm 用于 arcturusxt 仪器的操作方案

SIVQ-LCM Protocol for the ArcturusXT Instrument

SIVQ-LCM 是一种新方法，可自动并简化传统的、依赖操作者经验的激光显微切割过程。&#160;其目标是构建一种先进的、可快速定制的激光切割平台技术。在本报告中，我们描述了将图像分析软件“空间不变向量量化”（Spatially Invariant Vector Quantization, SIVQ）集成到 ArcturusXT 仪器上的实现过程。ArcturusXT 系统同时配备红外（IR）和紫外（UV）激光，可实现特定细胞或大面积组织的切割。主要目标是提高激光切割的速度、准确性和可重复性，从而提升样本处理通量。这种创新方法有助于在科研和临床工作流程中对动物和人类组织进行显微切割。

采用标准免疫组化（IHC）方案23对一张福尔马林固定石蜡包埋（FFPE）的人乳腺组织切片进行细胞角蛋白AE1/AE3染色。染色完成后，将组织切片置于ArcturusXT显微切割仪载物台上，并按前述方法启动SIVQ-LCM流程。由于组织在显微切割过程中无法加盖盖玻片，免疫组化染色阳性的细胞在视觉上可能难以分辨（图1A）。因此，为改善折射率匹配并获得更清晰的图像，向组织切片滴加二甲苯，以形成伪盖玻片效果15（图1B）。随后，采集伪盖玻片处理区域的jpeg图像，并导入SIVQ系统进行算法分析。用户选定的目标图像特征（深棕色DAB染色）触发SIVQ算法对图像进行分析（图1C）。SIVQ生成的热图随后被转换为“红色标记”，该标记可被自动选择软件识别（图1D）。待二甲苯完全挥发后，将SIVQ热图导入自动选择软件（图1E），并使用红外激光对高亮显示的细胞进行切割。随后将显微切割帽转移至ArcturusXT仪器的质控（QC）站点，进行肉眼检查...

SIVQ-LCM 是一种创新性方法，利用计算机算法——空间不变向量量化（Spatially Invariant Vector Quantization, SIVQ）——来驱动激光捕获显微切割（laser capture microdissection, LCM）过程。SIVQ-LCM 工作流程显著提高了显微切割的速度与准确性，在科研和临床领域均有广泛应用。

SIVQ-LCM 用于 ArcturusXT 仪器的操作方案

SIVQ-LCM 是一种新方法，可自动并简化传统上依赖操作者的人工激光显微切割流程。其目标是创建一个……

本实验的总体目标是将空间不变性向量量化（SIVQ）图像分析与激光捕获显微切割（LCM）技术相结合，用于识别感兴趣的组织特征，并快速进行定向显微切割。该过程首先获取目标组织的图像以进行SIVQ分析；随后执行SIVQ分析，并将SIVQ标注导入显微切割装置中进行处理。最终，可通过S-I-V-Q-L-C-M分离出目标细胞，用于下游的分子分析。该技术相较于现有方法的主要优势在于，S-I-V-Q-L-C-M简化了大范围目标区域的筛选与显微切割流程，而使用传统的激光捕获显微切割技术对这些区域进行操作则具有挑战性且耗时较长。演示该操作过程的是本实验室的临床研究员Dr. Avi Rosenberg，他将对感兴趣组织样本进行成像。首先，将载玻片装载到显微切割仪器的电动载物台上，并启动相应的软件。然后选中适当的复选框，以指定已装载载玻片的位置，并确保捕获的图像文件将以 JPEG 格式保存。调节屏幕上图像的亮度和焦距，以优化图像质量。接下来，使用检查工具箱打开扩散器，并将光源亮度设置为60，相机增益设置为20。在概览窗口中，右键单击以选择“记住设置”并保存。拍摄载玻片的缩略图概览图像，为解剖过程提供路线图。调整放大倍数并找到目标区域。然后拍摄该区域的图像，用于对所采集图像进行算法分析。首先将图像传输到 SIVQ 文件夹中。然后打开 SIVQ，加载感兴趣的目标图像。导航至感兴趣区域，并在不调整图像放大倍数的情况下，调节五号和六号显示窗口的视口大小。接着选择用于分析的环形矢量的大小以及环的数量。在视口六窗口中右键单击要捕获的谓词图像特征，选择热图，然后点击扫描至 X 以分析图像。接着使用两条水平滑动条中上方的一条来调整整体向量特异性，使用下方的一条在皮肤处理后提高灵敏度。为增大被分类为匹配的区域，取消勾选热图单选框，使 SIVQ 热图变为均匀的红色，并增大画笔尺寸。单击保存图片按钮以保存图像，随后将 BMP 输出文件转换为 JPEG 格式。然后使用十六进制编辑器，将原始解剖仪器图像中位于图像起始标记与第一个定义的量化表标记之间的位置坐标，重新写入到用于后续显微切割的 JPEG 文件头中。在进行显微切割之前，将激光捕获显微切割（MICRODISSECTION）或 LCM 帽放置在 SIVQ 分析所采集图像的目标区域中心。接着，在校准紫外光和红外激光后，优化各项参数，包括激光功率持续时间、激光作用位置以及紫外切割速度。然后打开自动选择软件并导入已分析的图像。创建一个新的分析文件，以训练自动选择软件识别SIVQ标注。现在选择SIVQ分析图像中由蓝色方框标记的背景区域。然后选择由红色圆圈标记的兴趣区域（ROIs），并点击“学习”以生成训练文件。将选定的区域复制到实时图像中。开始显微切割前，选择显微切割工具箱，并选择适当的红外捕获或紫外切割按钮。解剖完成后，将 LCM 帽转移至质量控制工作站，并对已解剖的样本拍摄图像。最后，若目标样本已成功解剖，点击当前步骤按钮，取下 LCM 帽，以启动后续分子提取流程用于下游分析。在本代表性实验中，采用标准免疫组织化学方案对福尔马林固定、石蜡包埋的人乳腺组织切片进行细胞角蛋白 AE1、AE3 的免疫染色。由于该组织无法加盖盖玻片进行显微切割，免疫组化染色的细胞在视觉上可能难以辨识。因此，为了提供更好的折射率匹配并改善图像质量，向组织切片中加入二甲苯，以形成伪盖玻片效果。随后对具有伪盖玻片效果的区域拍摄JPEG图像，并导入SIVQ软件进行算法分析。用户选择了一种表现为深棕色DAB染色的谓词图像特征，并启动SIVQ算法进行图像分析。随后，将SIVQ热图转换为自动选择软件可识别的红色标记，然后让二甲苯自然挥发。接着，将SIVQ热图导入自动选择软件中。最后，使用红外激光对高亮的细胞进行显微切割。将LCM帽转移至显微切割仪器的质量控制位点，并进行目视检查，以评估切割效果。同时检查剩余组织，并重新导入SIVQ热图。为进一步确认显微切割的效率，一旦掌握 S-I-V-Q-L-C-M 方法，每张切片可在数分钟内完成，快速为多种下游分析技术提供富集的样本输入。观看本视频后，您应能充分理解如何将 S-I-V-Q-L-C-M 方法整合到您的显微切割工作流程中。

sivq-lcm-protocol-for-the-arcturusxt-instrument

Research

科研

JoVE Journal

Biology

生物学

为ArcturusXT仪器SIVQ-LCM协议

本文介绍了一种构建快速布里渊光谱仪的方案。通过级联虚拟成像相位阵列（VIPA）标准具，可实现比传统扫描法布里-珀罗光谱仪快1000多倍的测量速度。这一改进使得在低激光功率下对组织和生物材料进行活体（in...

用于布里渊散射分析的高速亚千兆赫光谱仪

本文提供了用于组装和操作结构化照明显微镜（采用全内反射荧光照明，TIRF-SIM）的详细指南，以实现多色光学超分辨率成像，用于观察动态生物过程。...

高速多色结构光照明显微镜在全内反射荧光成像中的应用指南

X射线光谱为高温等离子体提供了丰富的信息。本文介绍了用于观测托卡马克等离子体中中等原子序数元素的类氢和类氦离子的高波长分辨率空间成像X射线谱仪的操作方法。...

应用X射线成像晶体光谱技术作为高温等离子体诊断方法

通过小角X射线散射（SAXS）测定蛋白质溶液结构需要单一分散的样品。本文介绍了两种可最大限度缩短样品制备与数据采集之间延迟的方法：在线尺寸排阻色谱（SEC）和在线离子交换色谱（IEC）。...

在线尺寸排阻与离子交换色谱在SAXS光束线上的应用

本文描述了飞秒时间分辨近红外受激拉曼光谱仪的信号产生与优化、测量、数据采集及数据处理的详细步骤。以甲苯溶液中β-胡萝卜素激发态动力学的近红外受激拉曼研究作为典型应用实例进行展示。...

超快时间分辨近红外激发拉曼测量功能π-共轭体系

我们提供了一种定量微区分析方法的总体框架，该方法利用入射电子束摆动条件下产生的电子通道效应，可靠地提取杂质元素的占位情况及其化学态信息，适用于少数物种、轻元素、氧空位以及其他点、线、面缺陷的分析。...

通过电子通道增强型微分析对晶体材料中功能掺杂剂/点缺陷的原子位点进行定量分析

本文介绍了一种用于在 Diamond Light Source 的 I23 光束线上进行长波长大分子 X...

样品制备与转移方案：在 Diamond Light Source 同步辐射光源 I23 光束线上进行真空内长波长晶体学实验

离子淌度质谱法（IMS）是质谱技术在生物分子表征方面的一种有益补充，尤其因为它对同分异构现象具有敏感性。本方案描述了一种串联离子淌度（IMS/IMS）实验，可实现对特定分子的选择性分离，并生成其碎片的淌度谱图。...

使用环形离子淌度质谱仪进行串联离子淌度实验

本文直接比较了集成在同一显微镜平台上的受激拉曼散射（SRS）和相干反斯托克斯拉曼散射（CARS）在分辨率、灵敏度和成像对比度方面的性能。结果表明，CARS 具有更高的空间分辨率，SRS...

高光谱受激拉曼散射与相干反斯托克斯拉曼散射显微成像在化学成像中的直接比较

本文中，我们使用聚合物稳定剂制备金属有机框架（MOF）悬浮液，该悬浮液在其基态和瞬态吸收光谱中的散射显著降低。利用这些MOF悬浮液，本实验方案提供了多种光谱表征MOF的指导方法，以获得可解释的数据。...

金属有机框架材料光谱测量技术指南

学习将空间不变矢量量化与激光捕获显微切割相结合的技术，用于快速精准地分离目标细胞进行下游分子分析。该方法显著提高了大面积目标区域的选择效率，适用于神经科学和生物学研究。

SIVQ-LCM 用于 ArcturusXT 仪器的操作方案

探索更多视频