公司动态

mIF/mIHC图像分析：挖掘组织原位免疫信息

发表时间：2026-09-28

不同于传统免疫组化仅能检测单一蛋白指标的局限，多重荧光免疫组化可在单张组织切片上同时标记多种生物标志物，完整保留组织原位结构、细胞位置及细胞间相互作用的真实信息，为肿瘤微环境解析、新型治疗靶点挖掘、免疫治疗方案优化提供了关键技术支撑。

但优质的多重荧光切片只是科研的“素材”，精准、全面的图像分析才是挖掘数据价值的核心。如果仅依靠人工肉眼判读，不仅无法精准量化复杂的多通道荧光信号，更难以捕捉细胞空间分布、细胞互作等深层微观信息。通俗来说，多重荧光免疫组化图像没有专业软件的分析解读，就如同坐拥一座宝藏却没有挖掘工具，海量有效信息终将被埋没。依托专业的图像分析软件，才能实现从肉眼定性观察到精准定量、空间多维解析的跨越，全方位解锁病理图像的科研价值。

一、精准定量：实现单细胞级别标志物表达量化评估

精准定量是多重荧光图像分析体系中最基础、最核心的研究能力，广泛适用于常规免疫组化与多重荧光免疫组化的量化研究。传统人工判读只能粗略区分细胞阴阳表达，主观性强、重复性差，而标准化的图像解析体系可实现细胞识别、阳性判定与分级评分的规范化、定量化分析。

依托现代图像分割算法与深度学习识别技术，病理图像可实现全视野细胞轮廓识别与精准分割。针对不同疏密、不同形态的肿瘤组织，既可依托通用学习模型完成批量细胞分割，也可结合分水岭算法精细调节分割参数，适配复杂组织样本的细胞边界勾勒。在此基础上，结合各荧光通道的信号特征判定蛋白表达阳性细胞，并依据荧光信号强弱，将阳性表达水平划分为1+、2+、3+三个梯度，契合常规科研与病理评分体系。

通过定量分析体系，可稳定获取各类标准化实验数据，包括标志物阳性细胞占比、H?score综合表达评分以及单细胞维度的原始量化信息，既满足统计学分析要求，也保障了实验数据的可追溯性与可重复性。

二、原位表型分析：深挖细胞多样性，发现新型细胞亚群

细胞原位表型分析主要用于解析肿瘤免疫微环境复杂的细胞组分多样性，依托多标志物共表达特征，实现组织原位单细胞精度的细胞分型与图谱解析，主要包含两类研究维度。一是已知细胞亚群精准鉴定，通过经典标志物组合特征，精准判别各类功能性免疫细胞与基质细胞，如调节性T细胞（CD3+CD4+FOXP3+）、双阴性T细胞（CD3+CD4?CD8?）等，清晰勾勒微环境细胞组成轮廓；二是未知细胞表型无偏向挖掘，通过系统梳理切片内所有标志物的共阳性、共阴性组合规律，无需提前预设细胞类型，即可批量筛查、识别样本中潜在的新型细胞亚群。该方法常被用于刻画肿瘤微环境的细胞异质性、评估原位免疫应答状态、筛选潜在的预后与治疗靶点，助力深入解析肿瘤发生发展、免疫逃逸的微观细胞机制。

在实际研究中，单张常规6标7色的多重荧光切片，仅通过标志物共阳性组合即可解析出约50种细胞表型，结合共阴性表达特征可筛查出100种以上的细胞亚群，极大突破了传统经验性细胞分型的局限。依托这套全面的表型解析能力，该分析手段可广泛应用于未知细胞表型挖掘、原位免疫反应评估、潜在治疗靶点筛选、细胞空间互作探究、新型生物标志物探索、肿瘤免疫微环境全景解析等多个核心科研场景，是肿瘤免疫机制研究的重要分析手段。

非小细胞肺癌组织切片中，不同免疫肿瘤学检测组的多重免疫荧光图以及标志物共表达细胞的连线图，用来呈现细胞表型多样性。

三、组织区域分割：分区解析微环境功能差异

肿瘤不同组织区域的细胞功能存在显著差异，肿瘤实质、肿瘤间质的免疫细胞分布、浸润模式直接影响肿瘤进展与治疗效果，因此分区量化分析是科研研究的关键环节。

基于大规模荧光病理数据集训练的深度学习识别体系，具备稳定的组织分区识别能力，可高效区分切片内的肿瘤实质与肿瘤间质区域，适用于单样本分析与大批量样本的统一化分区研究。针对特殊病理类型、染色差异较大的样本，也可通过人工标注训练优化识别规则，进一步提升分区准确度，适配多样化的实验研究场景。

组织分区结果可与细胞定量、空间特征分析相结合，分别统计肿瘤区域、间质区域以及全切片范围内的细胞数量、细胞占比、细胞密度等关键指标，清晰对比不同细胞亚群在肿瘤微环境不同空间位点的分布差异，为研究肿瘤微环境空间异质性、肿瘤浸润特征及免疫逃逸机制提供重要的数据支撑。

四、多维空间分析：解锁细胞原位分布与互作规律

多重荧光技术最大的特色就是完整保留了组织原位的空间结构信息，而空间特征解析是挖掘这类数据核心价值的关键。通过对切片内所有细胞进行空间坐标定位，可系统解析不同细胞亚群的分布模式、浸润特点与细胞间的相互作用关系，弥补传统单纯计数统计“重数量、轻位置”的研究短板。

1. 肿瘤免疫浸润分析

该类分析主要用于量化肿瘤免疫浸润特征，研究中通常以肿瘤边界为参照基准，设置梯度化分析区间，统计不同距离范围内靶标免疫细胞的分布情况。通过量化细胞距肿瘤边界的平均距离、不同区间的细胞密度并结合可视化统计图表，可直观对比肿瘤内部与间质区域的免疫细胞浸润差异。例如分析肿瘤内部200μm范围内的T细胞分布特征，能够客观评估肿瘤免疫浸润程度，为分析免疫状态、预判治疗响应提供量化依据。

2. 细胞邻近与最近距离分析

细胞空间关联分析主要用于探究微环境中不同细胞的原位互作模式，主要包含两类研究维度。一是圈层邻近分析，通过设定不同辐射半径，统计目标细胞周围不同范围内的其他细胞分布数量，并分层量化不同距离区间的细胞丰度；二是最短距离分析，测算两类细胞之间的最近距离与平均间距，从空间层面反映细胞间的接触概率与相互作用潜力。该方法常被用于分析肿瘤细胞与杀伤性T细胞、巨噬细胞等免疫细胞的空间毗邻关系，助力阐释肿瘤免疫激活或免疫抑制的微观机制。

CK+恶性细胞与不同 CD3+T 细胞表型（根据标志物表达以不同颜色点标识）和CD68 + 巨噬细胞的距离关系。

五、专项场景适配：覆盖TMA芯片与特殊结构分析

1. 组织芯片（TMA）批量分析

组织芯片是大样本队列研究的重要实验载体，通过标准化的切片拆分与独立分析方法，可将整张芯片的多个组织芯样本单独拆分，对每一个样本独立开展细胞定量、表型分型与空间特征检测。统一的分析流程能够大幅提升大样本队列数据的分析效率与一致性，适用于大规模临床样本的机制研究与标志物筛选。

2. 三级淋巴结构（TLS）识别

三级淋巴结构是肿瘤微环境中极具研究价值的特异性免疫结构，其存在、丰度与空间分布和肿瘤预后、免疫治疗效果密切相关。依托多重荧光标志物的组合表达特征，可精准识别切片内的三级淋巴结构，统计样本中结构的整体分布与数量特征，并进一步解析结构内部的免疫细胞组成与空间排布规律，深入探究其在肿瘤免疫调控中的作用机制。

为构建TLSs成熟度分级系统，研究人员设计了同组织不同区域TLSs分级对比图，选取人前列腺癌FFPE组织切片4个典型区域，包括免疫细胞浸润（Grade 0），免疫细胞聚集（Grade 1），不成熟的TLS（Grade 2）和成熟的TLS（Grade 3）。通过统一的标志物染色与成像参数，实现分级标准的直观量化。

六、图像融合配准：突破染色靶点数量限制

受限于荧光光谱重叠与单切片染色通量限制，单张组织切片可同时检测的蛋白标志物数量有限，难以满足高维度、多靶点的微环境研究需求。而切片配准与图像融合技术，能够有效突破这一实验局限，大幅提升单样本的检测维度。

一方面，针对多组化多重荧光切片，可对同一样本的连续切片进行精准配准与图像融合。例如将两张分别标记多组靶点的连续切片信息整合，可获得超高维度的虚拟多色融合图像，同时实现跨切片的细胞空间关联分析，极大丰富单样本的研究数据维度。

另一方面，该技术体系可实现传统免疫组化结果的升级解析。将常规明场IHC图像转化为伪荧光可视化图像，通过多张连续IHC切片融合叠加，实现传统单通道IHC的多靶点整合分析与空间特征解析，让传统免疫组化数据不再局限于简单阳性率统计，可进一步用于细胞空间分布、微环境互作的深度研究，充分挖掘既往实验数据的科研价值。

总结

从基础的细胞定量评分、单细胞表型分型，到组织分区解析、多维空间互作分析，再到TMA批量检测、TLS特殊结构识别、多切片图像融合升级，专业的多重荧光免疫组化图像分析软件，构建了一套全流程、标准化、高精度的病理图像分析体系。

这项技术摆脱了人工判读的主观性与局限性，让病理图像从“定性观察”走向“精准定量、空间多维解析”，能够深度挖掘肿瘤微环境的细胞组成、分布规律与互作机制，为肿瘤基础研究、靶点筛选、免疫治疗优化、生物标志物开发提供了不可或缺的核心技术支撑。

参考文献

[1] Parra ER, Ferrufino?Schmidt MC, Tamegnon A, Zhang J, Solis L, Jiang M, Ibarguen H, Haymaker C, Lee JJ, Bernatchez C, Wistuba II. Immuno?profiling and cellular spatial analysis using five immune oncology multiplex immunofluorescence panels for paraffin tumor tissue. Sci Rep. 2021 Apr 19;11(1):8511. doi: 10.1038/s41598?021?88156?0. PMID: 33875760; PMCID: PMC8055659.

[2] Taube JM, Sunshine JC, Angelo M, Akturk G, Eminizer M, Engle LL, Ferreira CS, Gnjatic S, Green B, Greenbaum S, Greenwald NF, Hedvat CV, Hollmann TJ, Jiménez?Sánchez D, Korski K, Lako A, Parra ER, Rebelatto MC, Rimm DL, Rodig SJ, Rodriguez?Canales J, Roskes JS, Schalper KA, Schenck E, Steele KE, Surace MJ, Szalay AS, Tetzlaff MT, Wistuba II, Yearley JH, Bifulco CB. Society for Immunotherapy of Cancer: updates and best practices for multiplex immunohistochemistry (IHC) and immunofluorescence (IF) image analysis and data sharing. J Immunother Cancer. 2025 Jan 8;13(1):e008875. doi: 10.1136/jitc?2024?008875. PMID: 39779210; PMCID: PMC11749220.

[3] Parra ER, Ferrufino?Schmidt MC, Tamegnon A, Zhang J, Solis L, Jiang M, Ibarguen H, Haymaker C, Lee JJ, Bernatchez C, Wistuba II. Immuno?profiling and cellular spatial analysis using five immune oncology multiplex immunofluorescence panels for paraffin tumor tissue. Sci Rep. 2021 Apr 19;11(1):8511. doi: 10.1038/s41598?021?88156?0. PMID: 33875760; PMCID: PMC8055659.

[4] Viratham Pulsawatdi A, Craig SG, Bingham V, McCombe K, Humphries MP, Senevirathne S, Richman SD, Quirke P, Campo L, Domingo E, Maughan TS, James JA, Salto?Tellez M. A robust multiplex immunofluorescence and digital pathology workflow for the characterisation of the tumour immune microenvironment. Mol Oncol. 2020 Oct;14(10):2384?2402. doi: 10.1002/1878?0261.12764. Epub 2020 Sep 1. PMID: 32671911; PMCID: PMC7530793.

[5] Quigley LT, Pang L, Tavancheh E, Ernst M, Behren A, Huynh J, Da Gama Duarte J. Protocol for investigating tertiary lymphoid structures in human and murine fixed tissue sections using Opal??TSA multiplex immunohistochemistry. STAR Protoc. 2023 Mar 17;4(1):101961. doi: 10.1016/j.xpro.2022.101961. Epub 2023 Jan 10. PMID: 36633948; PMCID: PMC9843255.

EnkiLife mIHC 技术服务

提供有偿代检和分析服务
承接多色配套服务

分类	服务项目	备注
IHC染色	IHC单色标记
IF荧光染色	免疫荧光单标	不含一抗，含二抗(兔/小鼠/大鼠)、DAPI。四标以上染色需要提供多余白片做单标预实验。
IF荧光染色	荧光多标染色	不含一抗，含二抗(兔/小鼠/大鼠)、DAPI。四标以上染色需要提供多余白片做单标预实验。
全景扫描	免疫组化全景扫描	提供读片软件及原始相关文件，荧光扫描波长范围。
全景扫描	荧光标记全景扫描	提供读片软件及原始相关文件，荧光扫描波长范围。
数据分析	免疫组化及免疫荧光切片分析	可进行全片单阳性、多阳性细胞数及面积分析，也可定制分析特征病理区域，或进行空间分析、位置分析等。