在多重免疫荧光(mIF)分析中,我们希望从一张组织图像里读出细胞数量、marker 表达、细胞类型,以及它们在组织中的空间关系。这些分析有一个共同的起点:先确定每个细胞的位置和边界。
尤其在细胞密集、彼此紧邻的组织区域,边界划分会直接影响单细胞读数。两个细胞被合并,可能改变细胞计数和表达组合;细胞轮廓划入邻近信号,也可能影响后续阳性判定与表型分类。
TR-Seg 是泰立瑞图像分析软件中的深度学习细胞分割模块,基于 QuPath 使用,以细胞核染色为核心,并可结合细胞膜通道辅助划定细胞边界,为后续定量特征提取、表型分析和空间分析提供细胞对象。

图1|TR-Seg 密集区域细胞分割。
结合核与膜信息,识别细胞边界
细胞核染色能为细胞定位提供重要线索,但细胞核的轮廓与细胞整体边界并不相同。对于膜相关 marker 的定量,细胞边界如何划定,关系到哪些信号被纳入这个细胞的测量范围。
TR-Seg 将核与膜信息结合起来:以 DAPI 等核染色通道作为核心参照,根据实际染色方案选择适合的细胞膜辅助通道,通过深度学习识别细胞形态与边界。用户可以选择多个辅助通道,让分割利用不同细胞群在图像中呈现的边界信息。
通道选择需要结合 marker 的定位、染色质量和研究对象判断。进入分割前,先查看核通道与候选辅助通道,有助于确定哪些信号适合用于当前图像。
关注密集区域中相邻细胞的区分
在肿瘤实性区、三级淋巴结构等细胞密集场景中,拥挤的细胞核、紧邻的细胞和不均一的信号,会增加细胞个体识别的难度。TR-Seg 针对这类复杂组织中的细胞分割需求,结合核与膜信息,帮助区分相邻细胞并界定轮廓。
查看结果时,可以重点观察:紧邻的细胞是否被合理分开,轮廓是否与核及周围信号相协调,组织边缘和局部聚集区域是否存在明显漏分或误分。这些细节能帮助判断分割结果是否适合进入后续分析。

图2|不同细胞排列下的分割轮廓。
在 QuPath 中完成分割并回看结果
TR-Seg 衔接 QuPath 的项目、图像浏览和批注操作。创建或打开项目、导入图像后,用户可以标注需要分析的区域,从菜单 Terrydr → TR-Seg 打开模块,选择细胞核通道、细胞膜辅助通道,并结合图像调整面积范围等参数。
运行完成后,载入分割结果,将轮廓叠加到原始图像上,切换单通道与合并图,即可检查不同区域的分割情况。

图3|TR-Seg 通道与参数设置。
分割质量取决于核染色、辅助通道信号、成像质量与参数设置。正式分析前,建议先在代表性区域确认通道和参数,再用于目标分析范围。
从细胞轮廓,进一步识别细胞身份
完成分割并通过质控后,可以围绕细胞对象继续提取 marker 表达与形态特征,进一步开展表型分类与细胞亚群探索。
TR-PhenoClass 根据用户配置的 marker 表达规则进行细胞表型分类。研究者可以结合染色 panel,设置不同细胞类型的阳性、阴性及无关通道规则,将分割得到的细胞进一步归入相应类别。

图4|TR-PhenoClass 表型规则配置。
对于需要进一步探索的细胞群,TR-PhenoDiscover 支持选择分析范围、聚类通道与特征,开展细胞聚类和分类细化。研究者可以针对全部细胞、特定细胞群或尚未明确分类的细胞继续分析,并结合 marker 表达与原图回看解释聚类结果。

图5|TR-PhenoDiscover 聚类参数设置。
把细胞放回组织,观察空间关系
当细胞的位置和身份确定后,研究问题也可以从“有哪些细胞、各有多少”,继续深入到“这些细胞如何分布、彼此是否接近、是否形成不同的空间邻域”。
TR-Spa 将细胞空间分析组织为细胞与细胞、邻域和组织等多个层面,支持距离、连接网络、邻域聚类、密度分布等分析,帮助研究者从单细胞结果进一步观察组织中的空间结构。

图6|TR-Spa 邻域分组空间分布示例。
例如,在肿瘤微环境研究中,可以围绕不同细胞群的距离、局部邻域组成,以及不同区域的细胞分布展开分析。分割提供细胞对象,表型分析赋予细胞类别,空间分析则把这些细胞放回组织坐标中,研究它们的排列与邻接关系。

图7|TR-Spa 细胞空间连接网络示例。
空间分组与连接需要结合分析参数、细胞组成和原始组织图像解释;计算得到的邻接关系,其生物学意义仍需进一步核查。TR-Seg 与表型、空间分析模块的衔接,让研究者能够沿着细胞轮廓、表达读数、分类结果和空间位置,逐步回看分析依据。
泰立瑞插件矩阵,覆盖图像分析的关键环节
围绕实际科研项目,泰立瑞图像分析软件在 QuPath 中提供相互衔接的功能模块。用户可以根据图像类型、样本组织方式和研究目标,组合所需工具。
| 插件模块 | 主要用途 |
|---|---|
| TR-StainSync | 多轮染色或连续切片图像的自动配准与对齐,为跨图像分析建立位置对应关系。 |
| TR-NoiseX | 多重荧光图像预处理,包括降噪、信噪比改善、元信息修复和格式标准化。 |
| TR-TMA | 自动检测组织芯片核心位置,辅助组织芯片图像的区域组织与后续分析。 |
| TR-Seg | 基于深度学习,结合细胞核与细胞膜信息进行细胞分割。 |
| TR-PhenoClass | 根据配置的 marker 表达规则进行细胞表型分类。 |
| TR-PhenoDiscover | 通过细胞聚类与交互式质控,探索细胞亚群并细化分类。 |
| TR-Spa | 分析细胞距离、空间连接、邻域组成、密度分布及组织空间结构。 |
| TR-HECellSage | 面向 H&E 图像进行细胞识别与分类,辅助观察不同细胞群的组织分布。 |
| TR-AI/小T | 通过自然语言理解分析需求、规划步骤并调用相关工具,辅助推进分析流程。 |
| TR-Pipeline | 将多个图像或批注区域组织为批量任务,按配置执行细胞分割、阈值面积计算、表型分析和数据导出。 |
在进入细胞分割之前,TR-NoiseX 可用于图像预处理与通道、元信息等设置的整理,为后续分析准备图像输入。

图8|TR-NoiseX 图像预处理界面。
对于多轮染色或需要跨图像比较的项目,TR-StainSync 可用于图像配准与对齐,为后续通道整合和区域比较建立位置对应关系。

图9|TR-StainSync 图像配准界面。

图10|多模态图像配准融合示意。
TR-Pipeline,让分析流程批量执行
当项目涉及多张图像、多个分析区域时,逐个打开图像、设置参数和启动分析,会带来大量重复操作。TR-Pipeline 批量分析模块可以跨图像选择批注,将需要处理的区域集中加入任务列表,并按统一配置组织后续分析。
用户可根据项目需要,选择执行细胞分割、阈值面积计算、TR-PhenoClass 表型分析及数据导出,并在任务列表中查看各环节的状态、耗时和错误原因。对于已经在代表性区域确认的分析方案,TR-Pipeline 提供了继续开展批量处理的操作入口。

图11|TR-Pipeline 跨图像批量分析任务。
从图像预处理、细胞分割,到表型分类、空间分析和批量任务执行,泰立瑞将这些工具衔接为可操作、可回看的科研分析流程。欢迎结合你的样本类型、染色方案和研究目标,了解 TR-Seg、TR-Pipeline 及泰立瑞图像分析软件的适用方案与试用方式。