SIVQ-LCM 用于 ArcturusXT 仪器的操作方案

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，将切片加载到显微切割仪器的电动载物台上，并启动相关软件。然后选择适当的复选框以指定已加载切片的位置，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，并调整五号和六号显示窗口的视口大小，但不改变图像的放大倍数。接着选择用于分析的环形向量的大小以及环的数量。

在视口六号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滑块调节整体向量特异性，使用下方滑块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，以确保 SIVQ 热图变为均匀的红色，并增大绘制尺寸。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，将显微解剖前在原始解剖仪器图像中从图像起始标记到第一个定义的量化表标记之间找到的位置坐标，重新读取并写入分析后JPEG文件的文件头中。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。接下来，在校准紫外光和红外激光后，优化相关参数，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，并拍摄已解剖样本的图像。最后，若目标样本已成功解剖，点击当前阶段按钮并取下 LCM 帽，以启动后续分子提取流程用于下游分析。在本项代表性实验中，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，对伪盖玻片处理区域拍摄 JPEG 图像，并导入 SIVQ 进行算法分析。

用户选择了一种表现为深棕色DAB染色的预测图像特征，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，使二甲苯自然挥发。然后将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 盖片转移至显微切割仪器的质量控制位点，并进行肉眼观察，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 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 整合到您的显微切割工作流程中。