淋巴瘤及淋巴结组织组合芯片

我们能从单个细胞中学到什么？

类型，这对它们的生物学功能具有重要的意义，也可以用来区分不同的神经细胞类型。单细胞研究对包括癌症在内的许多疾病都有意义。Park Woong-Yang和他的同事应用scRNA-seq的结果设计了一个治疗肾细胞癌的组合策略。Floris Foijer及其同事的另一项研究在t细胞淋巴瘤的单细胞水平上观察非整倍体，以显示单个肿瘤内的拷贝数异质性。该研究使用了一种名为Aneufinder的方法，该方法也发表在本期杂志上，用于更密切地研究阿尔茨海默病。发表在本期特刊上的OncoNEM和SCITE两种方法深入研究了肿瘤的进

生物芯片技术

了许多这样的工作。他们与斯坦福大学医学院的Patrick Brown和David Botstein小组合作，研究大面积扩散的B细胞淋巴瘤。这是一种非霍吉金氏病，在美国每年有一万五千多人的发病率，而且临床上变易大，只有40%的患者可以被治愈，60%的患者会死亡。微阵列技术的分析也许可以帮助我们找到答案。 第一阶段的工作成果发表在了Nature上。研究人员制作了一种他们称为"Lymphochip"的芯片，上面排列有18,000个基因，大多数基因在正常和恶性淋巴细胞中都表达。然后，他们从40位患者的组织

只需这四步！多重荧光免疫组化方法建立

。我们在这里介绍收集到的一些经验和最佳实践，建立可重复的工作流程的四个关键步骤，包括抗体组合开发、染色、图像采集和分析，可节省研究人员的时间，并最终提高药物发现和开发的效率。 1. 建立最佳抗体组合 使用 Opal 多重荧光免疫组化工作流程准确、可重复地鉴定组织中的不同细胞群及其关系，需要仔细设计、开发和优化用于多重生物标志物定量的抗体组合[1]。 a 从预先设计的抗体组合开始 要选择在多重荧光免疫组化中具有高灵敏度、特异性、再现性和优异性能的可识别所需靶标的抗体似乎并不那么容易