質譜常用離子源
無信號/熒光強度弱 不正確的信號補償:檢查流式細胞儀陽性單一顏色對照是否正確，通道和補償設置是否能正確地捕獲所有粒子；沒有足夠的抗體來檢測:增加抗體的量/濃度；無法接近細胞內目標:檢查目標蛋白是否在細胞內。 對于胞內染色，確保有足夠的通透性。為防止細胞表面蛋白質的內化，該過程應用冰冷的試劑，在冰上或 4 °C進行，以終止一切反應。加入疊氮鈉可防止表面抗原的修飾和內化帶來的熒光強度的損失。對于細胞系染色，胰蛋白酶可以引起細胞表面蛋白質的內化，尤其是細胞表面分子，可能需要更溫和的分離方法； 細胞內染色結合熒光分子太大:對細胞內染色實驗，熒光分子應具有較小的分子量。大分子量熒光染料會降低抗體的動力和其進入細胞的可能性； 激光器未對齊:確保流式細胞儀的激光器正確對齊，必要時通過運行液流檢查微球來調整路線。如果激光器不能正確對準或發生漂移時，您可能需要考慮聯系此機的客服； 目標蛋白不存在或處于低水平表達:確保組織或細胞類型表......閱讀全文
流式抗體選擇
很多朋友面對各種各樣顏色的流式抗體，在選擇及搭配上就犯了難，在此我們需要了解下流式細胞儀的各個激發光及各個接收通道是如何工作的、常見的熒光素有哪些、這些熒光的特性是什么樣的。了解了這些，選擇抗體和搭配不同的顏色就變得非常簡單了。我們再回過頭來看看流式細胞儀的原理，熟悉一下流式細胞儀的光路系統。從這張
流式細胞術之染料選擇那些事兒
很多朋友面對各種各樣顏色的流式抗體，在選擇及搭配上就犯了難，在此我們需要了解下流式細胞儀的各個激發光及各個接收通道是如何工作的、常見的熒光素有哪些、這些熒光的特性是什么樣的。了解了這些，選擇抗體和搭配不同的顏色就變得非常簡單了。?我們再回過頭來看看流式細胞儀的原理，熟悉一下流式細胞儀的光路系統。??
流式細胞術的3大要素
一、流式細胞術的3大要素 1. 流式細胞儀：現在市面上有多種型號的流式細胞儀，但其基本結構都是相同的，分析性流式細胞儀有液流系統、光路系統、監測分析系統。 （1）液流系統 （2）光路系統 光路系統始于激光器，其分類分法很多，最常用的分類方法是根據其發射的激光的波長來分，如常見的有488n
流式細胞儀光源的那點事
激光是一種相干光源，它能提供單波長、高強度及穩定性高的光照，是細胞微弱熒光快速分析的理想光源。細胞處在快速運動的狀態，每個細胞經過光照區的時間僅為微秒左右，每個細胞所攜帶熒光物質被激發產生熒光信號的強弱與被照射的時間和激發光的強度有關，只有細胞接受到足夠的光照，才能產生相應可被檢出的信號。通常小型流
跟著論文做實驗：凋亡的多參數檢測
大家都知道，在細胞凋亡的早期，線粒體膜電位的下降是一個標志性的事件。而對于線粒體膜電位的檢測，JC-1這種親脂性陽離子染料是個很好的工具，也使用了很多年。 當線粒體膜電位較高時，JC-1聚集在線粒體的基質中，形成聚合物，產生紅色熒光；而當線粒體膜電位較低時，JC-1不能聚集在線粒體的基質中，此
流式細胞儀熒光補償調節方法
熒光補償是指修正熒光光學信號在探測器之間相互滲漏并被數字化檢測的過程。自單激光雙色分析出現后，此過程變得十分重要。每種熒光素分子都具有自身的光譜發射范圍。這些發射光譜之間存在相互疊加，在某些情況下此現象十分明顯。 舉例來說，如下圖為FITC與PE熒光發射光譜的疊加情況。在一個雙探測器系統中，可
Cobolt激光器在生物分析和光學測量中的應用研究
瑞典Cobolt AB公司致力于研發生產半導體泵浦固體激光器和半導體激光器，波長范圍覆蓋：紫外、可見、近紅外，因其優秀的性能特點和小巧緊湊的外形設計，廣泛應用于：生物分析、拉曼檢測、全息術、激光投影、RGB光源，得到廣大科學實驗室和OEM客戶的認可。新勢力光電攜手Cobolt公司為中國客戶提供高端的
腫瘤細胞的標記及活體熒光成像
摘要 以綠色熒光蛋白( GFP) 作為標記基因轉入人類肺癌細胞系(ASTC2a21) , 經800 mg/ L G418 篩選, 獲得5 株高表達細胞系. 利用流式細胞儀對GFP 表達的穩定性進行了初步研究, 結果表明本實驗中有些細胞株間GFP 表達穩定性有顯著差異( P < 0101) . 將穩定
多色流式實驗熒光素的選擇（一）
如今，流式細胞術已經成為一項功能強大的技術，可在數秒內對數千個單個細胞或其他顆粒的多項參數進行分析。在流式細胞分析中，熒光素受到一定波長的激光激發后，釋放出的能量能發射出一定波長的熒光，因此我們在選擇熒光素時應注意它們的激發波長和發射波長，以選擇正確的激光器和熒光組合。隨著多色流式細胞儀的出現，新熒
流式細胞儀入門
目錄前言第1章 綜述第2章 液流系統第3章 散射光信號及熒光信號 3.1 散射光信號? 3.2 熒光信號第4章 光電系統 4.1 光平臺? 4.2 光學濾片? 4.3 信號探測器? 4.4 閥值第5 章 數據分析 5.1 數據采集及顯示? 5.2 設門? 5.3 細胞亞群的數據分析