牛津仪器组的一部分
扩大

SRRF流+超分辨率显微镜软件

“SRRF-Stream +”是一个真正的时间超分辨率显微镜功能超级决定标准的显微镜的成像性能。达到一定程度的决议,以前只可能从一个专用高端超级分辨率显微镜。基于“SRRF”技术(超分辨率径向波动),SRRF-Stream +提供了一个简单和灵活的软件超分辨率方法。

——现在可供ZL41细胞,Sona和选择Zyla 4.2 +相机更多的应用程序可以访问这个神奇的技术以一个更低的价格!

  • 提高分辨率——超越衍射障碍!更大的洞察力与决议下来~ 100 nm(2 - 6折的改进)。
  • 实时——增强工作流,避免后期处理。在“生活方式”。
  • 细胞友好,低励磁强度(mW-W / cm2)延长活细胞观察和维护准确的生理学。
  • 易于使用和conventional荧光团——用你正常标签协议和标签像GFP。
  • 活细胞动态——全视场super-res图像每1 - 2秒iXon EMCCD。> 10帧使用roi。
  • 具有成本效益的——传统荧光显微镜转换为超分辨率显微镜。
  • 找到更多关于升级到SRRF流+
要求定价 问一个问题 SRRF-Stream+技术报告

SRRF-Stream比较

心肌细胞

之前

肌间线蛋白在心肌细胞成像的标签用蔡司宽视野显微镜4.2 x和Sona 60 b - 6相机有或没有SRRF-Stream +应用。图片由马特•Caporizzo普罗塞实验室,美国费城。

线粒体

图像比较荧光标记BPAE细胞记录启用了宽视野荧光显微镜和SRRF-Stream iXon生活888年EMCCD相机。x63目标使用,进一步2 x放大和560海里照明。100年原始输入的图像记录每合成超分辨率图像,产生了图像超分辨率0.5赫兹。对于一个公平的比较没有SRRF-Stream, 100标准宽视野图像记录,然后取平均值。原始图像在一个更大的细胞,一个放大的ROI这里显示细胞是为了更容易地显示一条线强度剖面比较通过一个小区域。分辨能力的改善是显而易见的。

SRRF vs SIM

丙肝病毒感染细胞与anti-NS5A染色。我们比较宽视野(WF)、结构化照明显微镜(SIM)和SRRF图像(SRRF宽视野的图片)。细胞的图像相同的字段,记录在显微镜相同,使用相同的目标和光学路径。唯一的区别是,SIM记录使用sCMOS探测器与6.5µm像素而宽视野和合成SRRF记录使用iXon EMCCD探测器16µm像素。SRRF显而易见的优越的分辨能力,表明SRRF实现是大于2倍改进经典衍射极限。SIM是理论上有限降低2倍的经典衍射极限。样品由伦敦格罗夫实验室。

细胞骨架

之前

f -肌动蛋白BPAE细胞标记和Alexa萤石488 Phalloidin成像尼康Ti2显微镜b-11 4.2 x和Sona 60。相比,100年的平均帧对SRRF-Stream +形象。图片由Motosuke堤电子科学研究所,北海道大学生理科学和国家机构,日本爱知。

BCS-40膜

200年代延时BSC-40细胞标记和细胞生活的面具和635海里LED照明成像。第一个100帧对应宽视野与1秒曝光成像;第二个100帧对应SRRF-Stream成像在每一帧由SRRF-Stream处理50图像(20 ms曝光时间)。样品制备由大卫·阿尔布雷特(Ricardo戴安娜和杰森Mercer实验室伦敦大学)。

网格蛋白坑

比较图像的网格蛋白涂层坑住海拉细胞,与mCherry标签,记录在2宽视野显微镜FPS。100年原始输入的图像记录每合成超分辨率图像,导致超分辨率图像2帧率。一条线强度剖面显示通过一个小的区域SRRF-Stream形象,显示分辨率结构相距150海里。样品制备卡洛·雅各布斯(里卡多·亨利克和马克沼泽实验室伦敦大学)。

酵母

比较3 d投影蒙太奇的裂殖酵母lifeAct表达菌株。记录与标准宽视野与SRRF-Stream宽视野,使用相同的曝光时间。Balasubramanian应变由汉的实验室(美国沃里克)样本由Gautam戴伊(UCL) Buzz Baum实验室。

比较标准的宽视野和宽视野SRRF-Stream血小板的形象,红膜,绿内部颗粒。样本由卡特勒在伦敦大学学院的实验室。

微管蛋白

宽视野的形象仍然住海拉细胞表达tubulin-GFP后跟SRRF-Stream延时1同一地区的fps (SRRF-Stream分析50帧在20 ms曝光)。样品制备由大卫·阿尔布雷特(Ricardo戴安娜和杰森Mercer实验室伦敦大学)。

SRRF-Stream+应用程序

以其击穿经典衍射极限的能力,此外,实时完成这个,与标准样品标签,传统设备和照明强度较低,SRRF-Stream铺平了道路,开启前所未有的细胞结构和行为,以前所未有的cell-friendly方式。


SRRF-Stream的观察能力

  • 蛋白质结构分析说明sub-organelle水平
  • 追踪细胞内的单分子
  • 使用这个跟踪了解单个分子机械支撑细胞生理机能
  • 用这个新的信息,更新的模型细胞的功能

应用SRRF-Stream

  • 膜融合涉及个人网罗蛋白质机器
  • 在突触囊泡的动态变化
  • 树突棘改革由于突触可塑性和学习
  • 信号转导过程和细胞间的沟通和分化

SRRF-Stream+工作流的优势

采用最近开发SRRF技术从实验室里卡多·亨利克博士,伦敦大学学院(UCL),和工作在与戴安娜博士密切合作和或增强了最佳性能的技术SRRF-Stream启用相机。和或也是先进的GPU处理优化技术专家,在这个实例中执行SRRF算法比现有ImageJ-based快30倍后加工的实现SRRF (NanoJ-SRRF)。这种明显的加速使工作流增强,允许并行数据采集和SRRF处理操作。

处理速度比较- vs NanoJ-SRRF SRRF流

  • 输入图像像素- 1024 x 1024
  • #输入图像每SRRF图像- 100
  • 输出SRRF像素- 4096 x 4096
  • NVidia GPU GTX 1080卡
和或SRFF流图

这个图表比较了100块的原始输入图像的处理速度(1024 x 1024像素),产生合成SRRF超分辨率4096 x 4096像素的图像。SRRF-Stream NanoJ-SRRF相比,处理发生在相同的Nvidia GPU GTX 1070卡。SRRF-Stream加速度随后允许并行数据采集和处理发生,屈服在NanoJ-SRRF进一步改进工作流程。

因为现在处理速度远远超过相机可以获取数据,SRRF-Stream启用的相机现在完成实时超分辨率、大视场图像超分辨率。

在全面测试SRRF-Stream在我们自己的实验室,我们非常深刻的印象工作流和现在也能够利用更大的视野对活细胞的超分辨率。通过无缝结合SRRF算法的高性能iXon,我们已经完成了世界上第一个超分辨率荧光显微镜的镜头。

里卡多·亨利克博士
定量成像和Nanobiophysics组,伦敦大学学院

SRRF-Stream+可访问性

我可以升级我的相机SRRF-Stream吗+吗?

是的!如果你有一个兼容的和或相机:iXon(超和生活EMCCD), Sona ZL41细胞,Zyla 4.2 +系列sCMOS相机你可以解锁SRRF-Stream +超分辨率显微术的能力。

  • 提供你的序列号在升级申请表
  • 销售工程师将在PC和GPU需求建议
  • 下订单
  • 收到SRRF-Stream+升级包:安装程序,许可证(特定于您的相机序列号),最新的摄像头驱动程序和SRRF-Stream +用户指南

请注意:

  • 支持iXon 897, Sona ZL41细胞和Zyla 4.2 +摄像头都是SRRF-Stream +准备好了,不需要进一步优化!
  • 如果升级iXon 888模型,您还需要请求SRRF-Stream相机优化过程,这将需要返回工厂的相机。
  • 你也可以从原始SRRF-Stream升级到最新SRRF-Stream +。
要求定价

我需要访问SRRF-Stream什么?

  • SRRF-Stream +许可证和安装程序
  • CUDA-compatible NVidia GPU卡* *
  • 部门经理(64位)的软件,和或SDK(64位)或通过和或融合软件

SRRF-Stream +兼容和或相机:

  • EMCCD iXon生活
  • iXon超EMCCD
  • Sona背景sCMOS
  • ZL41细胞或Zyla * 4.2 + sCMOS系列

可选:PC工作站-预装的建议和测试GPU卡,除了SRRF-Stream +启用事必躬亲(链接到你的序列号和或相机)和SRRF-Stream和或SDK

*联系你和你的相机序列号确认相机和或代表兼容性。

* * Nvidia GPU卡应该计算能力v3.5以上和4 gb或更多车载iXon GPU内存,Sona 8 gb, ZL41细胞和Zyla 4.2 +。注意,和或测试“中档”牌如GTX 1070,发现这种级别的卡片可以处理数据比相机数据采集的速度快得多。

要求定价

微观管理集成

为了使SRRF-Stream +尽可能广泛的访问,它已经完全融入事必躬亲(64位)开源显微镜软件平台。

  • 输出实时超分辨率图像生活模式
  • 多维——结合多渠道、Z-stack和时序收购
  • 通过“SRRF-Stream参数容易可调与其他相机参数设备属性浏览器

额外的资源


学习中心宿主范围广泛的技术文章和网络研讨会在各种应用程序和显微技术。这里有一些关键SRRF-Stream进一步阅读相关的文章,以及如何获得最佳性能的令人激动的技术!

Baidu
map