• 徕卡显微镜:荧光蛋白 - 从入门到诺贝尔奖

    荧光蛋白是最近荧光显微镜及其现代应用的根本。他们的发现和随后的发展是最令人兴奋的创新在上个世纪的生命科学和无数自然现象破译的起点之一。这篇文章是献给谁参与了荧光蛋白的命运输入其科学的参与到人。它应该给一个最美丽的生化工具,从一开始到诺贝尔奖的漫长道路的洞察。     早期的荧光观察荧光蛋白的人的兴趣可以追溯到公元一世纪时,罗马自然哲学家老普林尼描述[ 1 ](盖乌斯皮林纽斯Secundus,公元2

    2020-09-04

  • 尼康显微镜:在多光子激发显微术的基本原理和应用

    双光子激发显微镜(也称为非线性的,多光子或双光子激光扫描显微镜)是一种替代共聚焦和去卷积显微镜三维成像,提供了明显的优势。特别是,双光子激发成像擅长的活细胞,尤其是在完整的组织,如脑切片,胚胎,整个器官,甚至整个动物。有效灵敏度的荧光显微镜,特别是与厚的样品,通常是有限的焦点外的喇叭形。此限制,大大降低了在共聚焦显微镜中,通过使用共焦针孔拒绝焦点外的背景荧光,并产生薄(小于1微米),unblurr

    2020-09-04

  • 徕卡显微镜:活细胞成像技术

    复杂和/或快速的细胞动力学的理解是探索生物过程的一个重要步骤。因此,今天的生命科学研究越来越注重动态过程,如细 胞迁移,细胞,器官或整体动物形态学变化和生理(如细胞内的离子成分的变化)事件实时的活标本。解决这些具有挑战性的需求的方法之一是采用若干统称活细胞成像的光学方法。活细胞成像活细胞的动力学过程,而不是给细胞的当前状态的一个“快照” -允许调查将改编成电影的快照。活细胞成像提供了空间和时间信息

    2020-09-04

  • 尼康显微镜:随机光学重建显微镜(STORM)

    所提供的宽视场的多个成像模式中,激光点扫描共聚焦,多光子荧光显微镜允许非侵入性的,固定和活细胞和组织中有高水平的特异性生化时间分辨成像。尽管传统的荧光显微镜的优点,该技术在超微结构的调查,由于光的衍射,可以与标准的目标捕获的信息量限制设置的分辨率极限的阻碍。在过去的几年中,已经采用了一些新颖的仪器为基础的方法来规避衍射极限,包括近场扫描光学显微镜(NSOM),受激发射损耗(STED)显微镜,

    2020-09-04

  • 尼康显微镜,荧光共振能量转移(FRET)显微镜与荧光蛋白的基本原理

    在活细胞中,动态的蛋白质之间的相互作用被认为是发挥了关键作用,调节许多信号转导通路,以及广泛的其他关键流程。 在过去,经典的生物化学方法,阐明了这种相互作用的机制是司空见惯,但是弱的或短暂的相互作用,可能会发生细胞内的天然环境是这些技术通常是透明的。 例如,合作一直怀疑蛋白本地化合作伙伴使用固定细胞免疫荧光显微镜检查相互作用在原地 ,并已提交了大量的文献报道基于这种技术的常用方法。 然而,由于在

    2020-09-04

  • 奥林巴斯显微镜,荧光和生物发光蛋白

    生物体的广谱能够通过生化机制,包括萤火虫,水母和某些细菌发光的。 一些这些生物体的发射光通过吸收特定波长的光,而其他通过消耗身体内储存的能量发射光。荧光蛋白通过吸收和重新发射的光的能量发出荧光。 水母,珊瑚,海葵和某些细菌有自己的身体内这种蛋白质。 另一方面,生物发光来源于体内的化学反应;实例包括夜光属的萤火虫和物种。 发光物质要么是位于细胞(萤火虫和夜光 )内或分泌到外部(Cypridinac

    2020-09-04

  • 尼康显微镜Lambda堆栈的基本概念

    类似的概念来使用的激光扫描共聚焦或解卷 积显微术高数值孔径物镜较厚的标本中获得的光学部分 ( 或 z栈)中,lambda堆栈的三维数据集,它由使用相同的试样场的图像采集在不同的波长带,每一个横跨有限的光谱区域范围从2到20纳米的获取。 相反,在各种形式的光学显微镜的典型成像方案涉及在检测器的整个波长响应频带获取单个图像(或一个连续组中的延时实验图像)。 本教程探讨一个lambda栈的频谱分量。教程

    2020-09-04

  • 奥林巴斯显微镜的荧光共振能量转移(FRET)

    初级概念特定分子种类之间的相互作用的活细胞中的精确位置和性质是在生物学研究的许多领域主要关心的,但是调查经常被用来研究这些现象的文书的分辨率有限的阻碍。 常规宽视场荧光显微镜使在由瑞利判据,约200纳米(0.2微米)所定义的光空间分辨率极限本地化荧光标记的分子。 然而,为了理解所涉及的典型的生物分子的过程蛋白伙伴之间的物理相互作用,分子的相对接近度,必须更精确地确定比衍射限制的

    2020-09-04

上一页12345下一页 转至第

客服热线

工作时间9:00-17:00
021-51602084
电话咨询
邮件咨询
在线咨询
QQ客服
XML 地图