一次在同一张肝癌组织切片上检测16个蛋白标志物，已经可以识别肿瘤细胞、T细胞、B细胞、巨噬细胞、树突状细胞和血管内皮细胞，还能把这些细胞重新映射回组织坐标，计算谁与谁相邻。

但如果研究问题进一步变成：靠近肿瘤的CD8+T细胞正在杀伤，还是已经耗竭？

仅有“CD8+”和“距离近”，答案仍然不够。

这正是Maestri等人的肝细胞癌空间研究给Panel设计带来的启发：plex数决定我们能同时看多少指标，Marker组合才决定我们能回答什么问题。

图1｜距离相近，不代表功能状态相同。 左侧示意具有较强效应特征的CD8+ T细胞接触肿瘤，右侧示意相近距离下的低活性T细胞及其周围的巨噬细胞邻域。

一、这套16-marker Panel回答了什么？

研究使用CODEX多重成像，对肝细胞癌FFPE组织芯片进行空间蛋白检测。发现队列来自TIGER-LC项目，论文在质控后分析58个肿瘤组织芯片点和58个配对非肿瘤组织芯片点；验证队列分析132个肿瘤组织芯片点。

16个蛋白标志物包括：

• T细胞与分化线索：CD3E、CD4、CD8、CD45、CD45RA、CD45RO；
  

• B细胞：CD20；
  

• 髓系细胞：CD11c、CD68、CD163；
  

• 血管内皮：CD31；
  

• 肿瘤与组织定位：E-cadherin、HNF4α、β-catenin；
  

• 增殖与细胞特征：Ki-67、CD44。

DAPI作为核染色，与上述16个蛋白通道共同用于细胞分割和定位。

研究团队先用HALO完成单细胞分割、各通道荧光强度提取和阳性阈值调整，再基于单细胞表达矩阵完成聚类和UMAP降维，并将细胞类型映射回原始组织坐标。

发现队列共获得117,270个肿瘤组织细胞；验证队列获得465,632个细胞。依靠这套Panel，研究者能够区分主要肿瘤、免疫和基质细胞群，并观察肿瘤-免疫边界、血管结构和不同细胞的空间分布。

换句话说，这16个指标已经能较好回答三类问题：

1.这是什么大类细胞？

2.它位于肿瘤区还是免疫浸润区域？

3.它与哪类细胞更接近？

图2｜16-marker Panel怎样转化为细胞身份。 Figure 2A、B显示发现队列117,270个肿瘤组织细胞的UMAP与Marker表达；Figure 2C将分类后的细胞映射回代表性组织芯片坐标；Figure 2D、E为非肿瘤组织分析。

二、论文怎样定义“细胞靠近”？

研究者根据单细胞坐标构建Delaunay三角网络，并使用Voronoi邻接关系识别细胞互动。网络中相邻且距离不超过40 μm的两个细胞，被定义为一次细胞-细胞互动。所有纳入互动的细胞对平均距离为15.8 μm，标准差为6.7 μm。

基于肿瘤细胞与免疫细胞的互动频率，发现队列被划分为4类空间免疫亚型：

• IC2富集CD8+ T细胞-肿瘤细胞和CD4+ T细胞-肿瘤细胞互动，并呈现较好的生存趋势；

• IC4更多出现肿瘤细胞与B细胞、CD163+CD68+巨噬细胞的互动；

• IC1突出肿瘤细胞与CD68+肿瘤相关巨噬细胞的互动；

• IC3富集肿瘤细胞与树突状细胞的互动，但浸润T细胞相对不足。

进一步分析显示，在TIGER-LC发现队列和LCI验证队列中，CD8+ T细胞-肿瘤细胞互动较多的组，都呈现更好的总生存趋势。空间信息提供的区分能力也高于只看细胞组成。

这些结果说明：空间成像不只是把细胞“画出来”，还可以把单细胞坐标转化为互动频率、最近邻、局部邻域和患者分层特征。

但这仍然没有直接回答“这个CD8+ T细胞正在做什么”。

图3｜CD8+ T细胞靠近肿瘤与患者结局的关联。 Figure 4A-C比较CD8+ T细胞-肿瘤互动频率及不同互动水平的生存趋势；Figure 4D、E显示部分低互动或较差结局组中，CD8+ T细胞更常以CD68+巨噬细胞为最近邻；Figure 4F汇总不同细胞对的最近邻距离。

三、为什么CD8+、CD45RA和CD45RO仍不足以代表完整状态？

CD3E、CD4和CD8主要用于确认T细胞谱系；CD45RA和CD45RO能提供初始/记忆相关的分化线索。它们可以帮助我们判断“这大概是哪类T细胞”，却不能完整区分激活、效应、抑制和耗竭等功能状态。

论文在讨论中明确指出两个限制。

第一，当前Panel缺少FOXP3，因此虽然能识别CD4+ T细胞，却无法进一步可靠区分其中的调节性T细胞。作者特别提到，既往研究已经提示Treg浸润可能与肝癌不良结局相关，但本研究无法直接检验这一细胞群。

第二，作者建议未来的T细胞Panel加入更多功能状态Marker，例如：

• 免疫检查点：PD-1、LAG-3、CTLA-4、TIM-3；

• 转录因子：TOX、T-bet、Eomes。

这些指标能够为耗竭、效应分化和免疫抑制提供更多线索。若研究目标涉及调节性T细胞，还需要把FOXP3纳入Panel，并结合CD4、CD25等指标与组织背景综合判断。

因此，同一个“CD8+T细胞距离肿瘤10μm”的结果，至少可能对应三种不同解释：

1. 具有较强效应能力，正在形成有效抗肿瘤接触；
   

2. 已经接近肿瘤，但处于耗竭或受抑制状态；
   

3. 处在巨噬细胞或其他免疫抑制细胞富集的局部邻域中，空间接触机会并未转化为有效功能。

距离描述发生互动的机会，功能Marker才帮助解释这种互动可能处于什么状态。

四、最容易被误解的一点：论文并未直接测到每个T细胞的功能

研究发现，CD8+ T细胞-肿瘤互动较多的IC2组具有更高的组织级细胞毒性转录评分。这是一条重要的交叉证据，但它来自配对的bulk RNA数据，不是对每个靠近肿瘤的CD8+ T细胞进行单细胞功能测量。

因此，更准确的表述是：

较多CD8+ T细胞-肿瘤空间互动，与更高的组织级细胞毒性转录特征及更好的生存趋势相关。

不能把它改写成：

只要CD8+ T细胞靠近肿瘤，就一定处于活化状态，或一定能改善患者预后。

同样，Figure 4显示CD68+巨噬细胞邻域与较差结局组相关，但这是空间关联，不能据此断言某一个巨噬细胞直接抑制了旁边某一个CD8+ T细胞。

这种边界意识，恰恰决定一篇科研解读是否可靠。

五、Panel设计不应从“最多能染几个”开始

对多重免疫荧光项目而言，更实用的做法是先把研究问题拆成四层，再反推Marker：

信息层级	要回答的问题	本论文中的代表性Marker	可能需要补充的Marker示例
组织定位	这是肿瘤、间质还是血管区域？	E-cadherin、HNF4α、β-catenin、CD31	依据癌种、组织结构和病理目标选择
细胞谱系	这是什么大类细胞？	CD3E、CD4、CD8、CD20、CD68、CD163、CD11c	根据目标亚群增加谱系Marker
功能状态	它是否激活、耗竭、增殖或免疫抑制？	Ki-67、CD45RA、CD45RO（仅提供部分信息）	PD-1、LAG-3、TIM-3、CTLA-4、TOX、T-bet、Eomes、FOXP3等
空间假设	谁与谁靠近？周围还有谁？	全部已分型细胞的坐标	由目标细胞对、距离、邻域和ROI问题反推

 

表中的补充Marker只是研究设计示例，不是通用处方。真正的Panel还要同时考虑样本类型、抗体克隆、表达丰度、亚细胞定位、宿主种属、通道搭配、自发荧光、串色、抗原修复条件和批次一致性。

肝组织尤其容易出现较高自发荧光。论文也提到，作者需要谨慎进行特征提取、表型判定和人工阈值调整。即使Marker选对了，如果信号背景、细胞分割或阳性阈值不稳定，后续的空间统计仍可能建立在错误的细胞身份之上。

所以，Panel设计最好不是实验完成后的补救，而是从最终分析目标倒推：

科研问题 → 目标细胞与状态 → Marker组合 → ROI与成像方案 → 细胞表型规则 → 空间指标 → 统计比较。

六、从论文问题落到真实项目：多重荧光分析需要交付什么？

如果一个项目希望回答“靠近肿瘤的CD8+ T细胞是否处于耗竭状态”，交付物不能只有一张多通道合成图或一个CD8阳性率。

更完整的多重免疫荧光分析通常需要包括：

1. 图像与通道质控：检查信号、背景、自发荧光、串色、组织折叠和批次差异；

2. 组织区域与ROI定义：区分肿瘤、间质、浸润边缘、坏死区等分析区域；

3. 单细胞分割与荧光定量：获得每个细胞的坐标、面积和各Marker强度；

4. 细胞表型与状态判定：用可复核的Marker组合区分谱系、亚群与功能状态；

5. 空间关系分析：计算距离、最近邻、细胞对、邻近比例、聚集和空间邻域；

6. 患者级或样本级统计：避免把同一病例的多个ROI错误地当作多个独立病例；

7. 可追溯结果输出：保留阈值、规则、标注图、数据表和分析口径，便于复核与后续迭代。

泰立瑞多重免疫荧光分析服务可以从实验前的分析目标梳理开始，协助检查初步Marker Panel是否支持目标细胞分型、功能状态与空间问题；对于已经完成染色和扫描的项目，也可围绕图像质控、细胞分割、荧光定量、表型组合、ROI分析和空间统计建立可复核的分析流程。

这类服务的价值，不是把更多颜色叠在一张图上，而是让每一个通道都能进入明确的细胞规则和空间问题：知道看到了谁，也知道还缺少什么证据。

结语

16-plex不是“不够多”，而是“需要与问题匹配”。

在Maestri等人的研究中，这套Panel成功完成了主要细胞类型识别、肿瘤-免疫互动分析和空间邻域建模，并在两个肝癌队列中观察到CD8+ T细胞-肿瘤互动与生存趋势的关联。

它的边界同样清晰：缺少FOXP3，就不能可靠识别Treg；缺少PD-1、LAG-3、TIM-3、CTLA-4、TOX、T-bet和Eomes等状态信息，就不能仅凭CD8身份与空间距离判断完整的T细胞功能。

真正高质量的多重免疫荧光项目，不是从“能做多少重”开始，而是从“最终要解释哪个生物学问题”开始。

---

如果你正在设计肿瘤免疫Panel，或已经获得多通道图像但不确定怎样完成细胞分型与空间分析，可以先整理研究目标、样本与分组、初步Marker Panel及预期分析指标，与泰立瑞进行一次实验前初步沟通，先识别可能影响后续分析的明显问题。

有图像分析需求，欢迎添加微信

微信号｜igiveyes

小红书号｜泰立瑞空间组学

关注我们解锁 · 多重免疫荧光图像分析 · 干货