要对细菌做SEM，前处理是什么？需要把细菌弄成干态或者固定是吗？求详细的步骤

取样，戊二醛等固定液固定，酒精梯度脱水，冷冻干燥or二氧化碳临界点干燥，喷金或蒸碳。

以上四个步骤，根据所使用的SEM成像的真空模式，可以有所省略。

如果用ESEM，取样后可直接放入样品室，在一定“环境真空”下进行观察；如果采用LV模式，直到干燥，可以免喷金；高真空模式，必须做到喷金等样品导电处理。

具体可到公益网站：中山大学生物电子显微学实验室网站查询

扫描电镜样品制备: 基础课程，生物样品因含水，其样品制备有其特殊性。

http://bioem.sysu.edu.cn/wiki/index.php/%E9%A6%96%E9%A1%B5

有时候公益网站有点那个，不好点开，请看转载链接http://coxem2010.blog.163.com/blog/static/16510375720114192413945/

离子溅射仪为扫描电子显微镜（SEM）最基本的样品制备仪器，在一些情况下，通过使用离子溅射仪可以帮助SEM获得更好的图像及特征点。

  SEM基本上是可以对所以类型的试样进行图像处理，粉末，半导体，高分子材料，陶瓷，金属，地质材料，生物样品等。然而有些特殊的样品通过SEM收集高质量的照片，是需要操作者使用额外的样品制备的方法，这个额外的样品制备方法，通常是在试样的表面溅射一层导电薄膜材料，通常在5-20nm左右。

   需要溅射的样品

非导电材料

通常我们需要溅射喷金的非导电材料，由于它们的材料本身的非导电性，其表面带有电子陷阱，这种表面的电荷的聚集，容易造成样品表面的放电现象，是严重影响到样品的图像质量。为了消除放电现象，我们通常的解决问题的方法是降低扫描电镜样品室的真空度，这样可以将样品表面的引入正电荷的分子，它可以与放电电子相互中和，从而消除放电现象，但是此种方法并不是获取高分辨率的图像的有限办法。

获取高分辨率高质量的SEM图像，建议操作人员使用 离子溅射仪 ，在样品表面溅射一层金属薄膜，将放电电子从样品表面转移走。

电子束敏感样品

　 对于SEM需要喷金的另外一类样品室电子束敏感样品。这类样品通常是生物样品和高分子样品，尤其是锂电池隔膜等。SEM的电子束具有较高的能力，在电子轰击样品的过程中，他会在样品的表面形成能力的聚集，会对样品的表面形成灼伤，从而损坏样品表面的微观相貌，这种情况下，我们会在非电子束敏感样品的表面溅射一层金属薄膜从而起到保护作用，防止样品的损失。

为了准确高分辨率高质量的SEM图像，建议操作人员选择使用离子溅射仪，在样品表面溅射一层导电通路。 离子溅射仪 的样品制备技术可以有效的提高SEM图像的质量和分辨率，在扫描电子显微镜的成像过程中，溅射材料可以有效的提高信噪比，从而获取更高质量的成像。

离子溅射仪的缺点

　 由于操作简单，在使用离子溅射仪的过程中，操作人员大可不必有太多的顾虑，在操作人员需要不断调整离子溅射仪的参数，寻找合适的溅射效果，另外离子溅射有一个缺点是，溅射后的样品，不再是原始的材料，元素的衬度信息会有所丢失。但在大多数的情况下，通过多次模式参数，操作人员是可以既能够得到高分辨高质量的图像，又不会丢失样品的原始信息。

溅射材料

　 通常溅射的材料是金属材料，因为导电性高，溅射颗粒小，例如我公司生产的GVC-2000磁控离子溅射仪，在溅射黄金靶材的时候，我们可以达到5-10nm的金属颗粒，如果选用铂金颗粒的直径会更小达到5nm以内，此款仪器主要配备各大电镜厂家生产的场方式电镜，正是因为溅射的颗粒小，在高分辨下，图像是没有颗粒感，可以得到较高的质量的电镜图像。

  此外，如果需要EDS能谱分析时，SEM操作人，可以通过EDS分析软件屏蔽靶材的元素选项，从而不会影响X射线与其他的元素的峰值发生冲突。

当然，我公司生产的 GVC-2000磁控离子溅射仪 ，可以支持多种靶材的选项，例如，铬，银，铜，铱等，如铜，铝等是需要接入氩气的，仪器预留好了氩气接口，可以支持链接氩气瓶使用，从而得到更小的金属颗粒，获取更高分辨率的图像。

https://www.microhezao.com

SEM简单介绍，以下资料来源

因果关系：SEM一般用于建立因果关系模型，但是本身却并不能阐明模型的因果关系。

一般应用于：测量错误、错漏的数据、中介模型（mediation model）、差异分析。

历史：SEM 包括了 回归分析，路径分析（wright, 1921）,验证性因子分析（confirmatory factor analysis）（Joreskog, 1969）.

SEM也被称为 协方差结构模型（covariance structure modelling），协方差结构分析和因果模型。

因果关系：

究竟哪一个是“真的”？ 在被假设的因果变量中其实有一个完整的因果链。

举一个简单的例子： 吃糖果导致蛀牙。这里涉及2个变量，“吃糖果”和“蛀牙”，前者是因，后者是果。 如果上一个因果关系成立，那将会形成一个因果机制，也许会出现这样的结构：

3. 这时还有可能出现更多的潜在变量：

这里我又举另外一个例子，回归模型

在这里，回归模型并不能很好的描述出因果次序，而且也不能轻易的识别因果次序或者未测量的因子。这也是为什么在国外学术界SEM如此流行的原因。

我们在举另外一个例子“路径分析”

路径分析能让我们用于条件模型（conditional relationships），上图中的模型是一种调解型模型或者中介模型，在这里Z 是作为一个中介调节者同时调节X和Y这两个变量的关系。

在这里我们总结一下：

回归分析简单的说就是：X真的影响Y 吗？

路径分析：为什么/如何 X 会影响Y？ 是通过其他潜在变量Z 来达到的吗？例子：刷牙（X）减少蛀牙（Y）通过减少细菌的方法（Z）。------测量和测试中介变量（例如上图中的Z变量）可以帮助评估因果假设。

在这里要提一下因素模型（factor model）

在这个模型当中，各个变量有可能由于受到未被观察到的变量所影响，变得相互有内在的联系，一般来说那些变量都很复杂、混乱，而且很多变量是不能直接被观察到的。

举个例子：“保龄球俱乐部的会员卡”和“本地报纸阅读”，是被观察到的变量，而“社会资产”则是未被观察到的变量。另一个例子：“房屋立法”和“异族通婚”是被观察到的变量，而“种族偏见”是未被观察到的变量。

相互关系并不完全由被观察到的变量的因果关系所导致，而是由于那些潜在的变量而导致。

这些被观察到变量（y1--y4）也有可能由一个潜在的变量（F）所影响。

---