拍蛋白胶用什么成像系统

拍蛋白胶用什么成像系统，最常用的成像技术有：

1. 光学显微成像：通过光学显微镜、定量普通照相机、激光扫描共焦显微镜等等来观察和分析蛋白胶。

2. 电子显微成像：包括扫描电子显微镜（SEM）、透射电子显微镜（TEM）等，用于分析蛋白胶的细胞结构和组织结构。

3. 红外成像：可以用于快速测定蛋白胶的含量和结构。

4. 半导体成像：用于检测蛋白胶的表面形貌和结构。

5. X射线衍射：可用于测定蛋白胶的结构，也可以用于研究蛋白胶的形态变化。

6. 光谱成像：可以用于检测蛋白胶的分子结构。

7. MRI：用于研究蛋白胶的数量和组织分布。

SEM、TEM、XRD、AES、STM、AFM的区别主要是名称不同、工作原理不同、作用不同、

一、名称不同

1、SEM，英文全称：Scanningelectronmicroscope，中文称：扫描电子显微镜。

2、TEM，英文全称：TransmissionElectronMicroscope，中文称：透射电子显微镜。

3、XRD，英文全称：Diffractionofx－rays，中文称：X射线衍射。

4、AES，英文全称：AugerElectronSpectroscopy，中文称：俄歇电子能谱。

5、STM，英文全称：ScanningTunnelingMicroscope，中文称：扫描隧道显微镜。

6、AFM，英文全称：AtomicForceMicroscope，中文称：原子力显微镜。

二、工作原理不同

1．扫描电子显微镜的原理是用高能电子束对样品进行扫描，产生各种各样的物理信息。通过接收、放大和显示这些信息，可以观察到试样的表面形貌。

2．透射电子显微镜的整体工作原理如下：电子枪发出的电子束经过冷凝器在透镜的光轴在真空通道，通过冷凝器，它将收敛到一个薄，明亮而均匀的光斑，辐照样品室的样品。通过样品的电子束携带着样品内部的结构信息。通过样品致密部分的电子数量较少，而通过稀疏部分的电子数量较多。

物镜会聚焦点和一次放大后，电子束进入第二中间透镜和第一、第二投影透镜进行综合放大成像。最后，将放大后的电子图像投影到观察室的荧光屏上。屏幕将电子图像转换成可视图像供用户观察。

3、x射线衍射（XRD）的基本原理：当一束单色X射线入射晶体，因为水晶是由原子规则排列成一个细胞，规则的原子之间的距离和入射X射线波长具有相同的数量级，因此通过不同的原子散射X射线相互干涉，更影响一些特殊方向的X射线衍射，衍射线的位置和强度的空间分布，晶体结构密切相关。

4．入射的电子束和材料的作用可以激发原子内部的电子形成空穴。从填充孔到内壳层的转变所释放的能量可能以x射线的形式释放出来，产生特征性的x射线，也可能激发原子核外的另一个电子成为自由电子，即俄歇电子。

5．扫描隧道显微镜的工作原理非常简单。一个小电荷被放在探头上，电流从探头流出，穿过材料，到达下表面。当探针通过单个原子时，通过探针的电流发生变化，这些变化被记录下来。

电流在流经一个原子时涨落，从而非常详细地描绘出它的轮廓。经过多次流动后，人们可以通过绘制电流的波动得到构成网格的单个原子的美丽图画。

6．原子力显微镜的工作原理：当原子间的距离减小到一定程度时，原子间作用力迅速增大。因此，样品表面的高度可以直接由微探针的力转换而来，从而获得样品表面形貌的信息。

三、不同的功能

1．扫描电子显微镜（SEM）是介于透射电子显微镜和光学显微镜之间的一种微观形貌观察方法，可以直接利用样品表面材料的材料性质进行微观成像。

扫描电子显微镜具有高倍放大功能，可连续调节20000～200000倍。它有一个大的景深，一个大的视野，一个立体的形象，它可以直接观察到各种样品在不均匀表面上的细微结构。

样品制备很简单。目前，所有的扫描电镜设备都配备了x射线能谱仪，可以同时观察微观组织和形貌，分析微区成分。因此，它是当今非常有用的科学研究工具。

2．透射电子显微镜在材料科学和生物学中有着广泛的应用。由于电子容易散射或被物体吸收，穿透率低，样品的密度和厚度会影响最终成像质量。必须制备超薄的薄片，通常为50～100nm。

所以当你用透射电子显微镜观察样品时，你必须把它处理得很薄。常用的方法有：超薄切片法、冷冻超薄切片法、冷冻蚀刻法、冷冻断裂法等。对于液体样品，通常挂在预处理过的铜线上观察。

3X射线衍射检测的重要手段的人们意识到自然，探索自然，尤其是在凝聚态物理、材料科学、生活、医疗、化工、地质、矿物学、环境科学、考古学、历史、和许多其他领域发挥了积极作用，不断拓展新领域、新方法层出不穷。

特别是随着同步辐射源和自由电子激光的兴起，x射线衍射的研究方法还在不断扩展，如超高速x射线衍射、软x射线显微术、x射线吸收结构、共振非弹性x射线衍射、同步x射线层析显微术等。这些新的X射线衍射检测技术必将为各个学科注入新的活力。

4，俄歇电子在固体也经历了频繁的非弹性散射，可以逃避只是表面的固体表面原子层的俄歇电子，电子的能量通常是10～500电子伏特，他们的平均自由程很短，约5～20，所以俄歇电子能谱学调查是固体表面。

俄歇电子能谱通常采用电子束作为辐射源，可以进行聚焦和扫描。因此，俄歇电子能谱可用于表面微观分析，并可直接从屏幕上获得俄歇元素图像。它是现代固体表面研究的有力工具，广泛应用于各种材料的分析，催化、吸附、腐蚀、磨损等方面的研究。

5．当STM工作时，探头将足够接近样品，以产生具有高度和空间限制的电子束。因此，STM具有很高的空间分辨率，可以用于成像工作中的科学观测。

STM在加工的过程中进行了表面上可以实时成像进行了表面形态，用于查找各种结构性缺陷和表面损伤，表面沉积和蚀刻方法建立或切断电线，如消除缺陷，达到修复的目的，也可以用STM图像检查结果是好还是坏。

6．原子力显微镜的出现无疑促进了纳米技术的发展。扫描探针显微镜，以原子力显微镜为代表，是一系列的显微镜，使用一个小探针来扫描样品的表面，以提供高倍放大。Afm扫描可以提供各类样品的表面状态信息。

与传统显微镜相比，原子力显微镜观察样品的表面的优势高倍镜下在大气条件下，并且可以用于几乎所有样品（与某些表面光洁度要求）并可以获得样品表面的三维形貌图像没有任何其他的样品制备。

扫描后的三维形貌图像可进行粗糙度计算、厚度、步长、方框图或粒度分析。

    结构方程模型(SEM)包括连续潜变量之间的回归模型(Bollen, 1989Browne &Arminger, 1995Joreskog &Sorbom, 1979)。也就是说，这些潜变量是连续的。这里需要注意的是：1. 潜变量(latent variables)是与观察变量(Observed variables)相对的，可通过数据分析观察；2. 观察变量可以是连续的(continuous)、删失的(censored)、二进制的(binary)、有序的(ordinal)、无序的(nominal)、计数的(counts)，或者是这些类别的组合形式。

    SEM有两个部分：一个测量模型(measurement model)和一个结构模型(structural model)。

     测量模型 相当于一个多元回归模型(multivariate regression model)，用于描述一组可观察的因变量和一组连续潜变量之间的关系。在此，这一组可观察的因变量被称为因子指标(factor indicators)，这一组连续潜变量被称为因子(factors)。

    如何描述它们之间的关系？可以通过以下方式：

1. 若因子指标是连续的，用线性回归方程(linear regression equations)；

2. 若因子指标是删失的，用删失回归或膨胀删失回归方程(censored normal or censored-inflated normal regression equations)；

3. 若因子指标是有序的类别变量，用profit或logistic回归方程(probit or logistic regression equations)；

4. 若因子指标是无序的类别变量，用多元logistic回归方程(multinomial logistic regression equations)；

5. 若因子指标是计数的，用Poisson或零膨胀Poisson回归方程(Poisson or zero-inflated Poisson regression equations)。

     结构模型 则在一个多元回归方程中描述了三种变量关系：

1. 因子之间的关系；

2. 观察变量之间的关系；

3. 因子和不作为因子指标的观察变量之间的关系。

    同样，这些变量有不同的种类，所以要根据它们的类别来选择合适的方程进行分析：

1. 若因子为因变量，及可观察的因变量是连续的，用线性回归方程(linear regression equations)；

2. 若可观察的因变量是删失的，用删失回归或膨胀删失回归方程(censored normal or censored-inflated normal regression equations)；

3. 若可观察的因变量是二进制的或者是有序的类别变量，用profit或logistic回归方程(probit or logistic regression equations)；

4. 若可观察的因变量是无序的类别变量，用多元logistic回归方程(multinomial logistic regression equations)；

5. 若可观察的因变量是计数的，用Poisson或零膨胀Poisson回归方程(Poisson or zero-inflated Poisson regression equations)。

    在回归中，有序的类别变量可通过建立比例优势(proportional odds)模型进行说明；最大似然估计和加权最小二乘估计(maximum likelihood and weighted least squares estimators)都是可用的。

    以下特殊功能也可以通过SEM实现：

1. 单个或多组分析(Single or multiple group analysis)；

2. 缺失值(Missing data)；

3. 复杂的调查数据(Complex survey data)；

4. 使用最大似然估计分析潜变量的交互和非线性因子(Latent variable interactions and non-linear factor analysis using maximum likelihood)；

5. 随机斜率(Random slopes)；

6. 限制线性和非线性参数(Linear and non-linear parameter constraints)；

7. 包括特定路径的间接作用(Indirect effects including specific paths)；

8. 对所有输出结果的类型进行最大似然估计(Maximum likelihood estimation for all outcome types)；

9. bootstrap标准误差和置信区间(Bootstrap standard errors and confidence intervals)；

10. 相等参数的Wald卡方检验(Wald chi-square test of parameter equalities)。

    以上功能也适用于CFA和MIMIC。

---