Tools, Tipps und Training für Mikroskopie – wir beraten Wissenschaftler:innen der Universität Münster und darüber hinaus individuell und umfassend zu modernster Mikroskopie, reproduzierbarer Bildanalyse sowie optimalen Strategien für Datenmanagement und Publikation.
© Münster Imaging Network – Marie Baldenius

Münster Imaging Network – Microscopy

Unser Team stellt vielfältige Mikroskopie-Systeme mit neusten Methoden und Techniken für die biomedizinische Forschung bereit und begleitet Sie bei der Anwendung. Dabei bringen wir Ihnen auch das dahinterstehende Datenmanagement näher – für mehr Transparenz, Qualität und Wiederverwendbarkeit in der Forschung. Wir bieten individuelle Beratung zur Versuchsplanung und Bildanalyse sowie praktische Unterstützung bei Ihren Experimenten und bei der Publikation Ihrer Forschung. Zusammen mit unseren Kolleg:innen für präklinische Bildgebung bilden wir das Münster Imaging Network. Dieses ist eingebettet in das Cells in Motion Interfaculty Centre (CiM), das Forschende im Gebiet der Zelldynamik und Bildgebung über Arbeitsgruppen und Fakultäten hinweg vernetzt und unterstützt. Unser Netzwerk ist im Portal für Forschungsinfrastrukturen „RIsources“ der Deutschen Forschungsgemeinschaft (DFG) gelistet. Unsere Mikroskopie-Plattform ist zudem Teil von NFDI4BIOIMAGE, einem Konsortium der DFG geförderten Nationalen Forschungsdateninfrastruktur (NFDI).

© Münster Imaging Network – Marie Baldenius

Mikroskope

DeepLearning basiertes Denoising mit Noise2Void

Klicken Sie auf das Bild, um es in OMERO.iviewer zu öffnen

Noise2Void ermöglicht die Rauschunterdrückung (Denoising) von Bildern ganz ohne Referenzbild. Das Training kann direkt in Fiji mit nur einem einzelnen verrauschten Bild durchgeführt werden. Noise2Void eignet sich auch dann, wenn eine Dekonvolution aufgrund ungeeigneter Bildgebungsparameter nicht möglich ist. Darüber hinaus kann es bei nahezu allen Bildtypen eingesetzt werden, wie EM, RGB, Fotografien und mehr. Neugierig, was Noise2Void mit Ihren Bildern machen kann?
Melden Sie sich gerne bei @Mattermost oder per Mail imaging@uni-muenster.de .

Zum Paper: Noise2Void - Learning Denoising from Single Noisy Images | Noise2Void auf Github

© Thomas Zobel

Super-resolution Mikroskopie mit DNA-PAINT

Rekonstruktion einer DNA-PAINT-Bildsequenz. 20 nm große DNA-Origami-Nanolineale sind in Rot dargestellt. Die ursprüngliche Pixelgröße während der Aufnahme ist in Grün zu sehen.

Im März 2020 nahmen wir an der „Trends in Microscopy“ (TiM-2020) Summer School teil – einer intensiven und praxisorientierten Veranstaltung rund um moderne Mikroskopieverfahren. In ganztägigen Hands-on-Sessions wurden unter anderem DNA-PAINT-Experimente durchgeführt, bei denen eine beeindruckende Auflösung von etwa 4 nm erzielt wurde, trotz herausfordernder Bedingungen in einem vollen und warmen Mikroskopieraum. Die Methode ist relativ einfach anzuwenden, und unsere Arbeitsgruppe verfügt inzwischen über umfassende Erfahrung damit.

Bei Interesse freuen wir uns über Ihre Nachricht bei @Mattermost or per Mail imaging@uni-muenster.de .

Original Paper: Super-resolution microscopy with DNA-PAINT Joerg Schnitzbauer, Maximilian T Strauss, Thomas Schlichthaerle, Florian Schueder & Ralf Jungmann Nature Protocols volume 12, pages1198–1228(2017)