[1]

多组学研究是一种新兴的生物学领域研究手段，其中作为研究对象的数据集，来源则为多个“组”，例如基因组、蛋白质组、转录组、表观基因组、代谢组和微生物组等。通过结合这些“组”，使用多个组学研究的数据，以协调一致的方式进行研究的技术。

因研究对象的组学数据量增加，相对应的技术手段也更加的多样化、精确化；否则不同研究水平的数据不但无法实现相互印证，反而可能出现偏差，甚至相互矛盾的数据结果。

幸运的是，在当前多组学研究的领域中，已经存在一种研究技术，不但其可以作为桥梁，把从分子水平、蛋白水平、细胞组织水平乃至器官水平的不同组学层面的数据进行了链接打通。而且因为其独特的运算方法，提供了精准可靠的数据校验。

这就是我们今天提到的TissueFAXS Cytometry技术。

Cytometry，即细胞特征的测量，我们大家熟知的Flow Cytometry流式细胞技术基于检测悬液中的细胞而得名，已经成为了当前研究单细胞水平定量的金标准之一。

Tissue Cytometry技术中的TissueFAXS Cytometry技术，针对这种定量分析的标准实现了进一步的拓展，不但支持最大20cm以上的样本尺寸（相对标准的组织切片尺寸为2.5cm*7.5cm），在定量分析对象中还可以支持跨尺度的数据关系分析，例如通过RNA和蛋白标记共同定义某个细胞亚群；分析肿瘤微环境中，肿瘤的三级淋巴结构和肿瘤微环境中某类多标记亚型细胞的相互作用关系等。

TissueFAXS Cytometry技术不但可以实现以核酸分子为对象的精准定量分析需求，也可以满足在一张组织切片上同时分析核酸、蛋白、单细胞水平的形态与关系、组织器官结构的相互作用与数据验证。

正反向回溯校验数据验证

其独有的散点图正反向回溯功能，还支持针对每个分子/细胞/组织的追踪校验，使数据结果的可信度上升了一个层级。这种多模态多组学研究技术，根植于经典的可视化数据，提高了数据的可靠性，拓展了数据的精准程度，还可以通过真实空间距离研究相互作用关系，正在当前最前沿的科研领域大放异彩。

• 核酸分子研究水平

免疫荧光核酸探针识别

比较常用的例如FISH、RNAScope等荧光分子探针标记技术，需要通过荧光分子探针的数量，实现核酸表达情况的量化分析；使用空间转录组技术，不但可以在原位检测更多的基因水平表达，也可以在组学水平获得更多的细胞表型数据。TissueFAXS Cytometry技术在这些前置技术的结果基础上，进一步扩大了可量化分析的组织细胞面积，更可以获得表达不同基因型细胞的真实空间作用关系，丰富了空间转录组学的”空间”概念。

• 蛋白和细胞水平

常规WB、蛋白芯片技术可以通过印记的颜色深浅来评估蛋白表达量的关系，但是无法获得组织原位信息，其蛋白表达水平也无法定位到单细胞级别。使用TissueFAXS Cytometry技术不但可以通过IHC/IF染色获得完整细胞数量关系，更可以通过独有的细胞质形态学识别算法，获取到真实组织原位细胞质的完整轮廓数据，并且在像素级别对蛋白表达量进行精准分析，实现了真正的组织原位单细胞水平蛋白表达定量。

细胞核识别

细胞表型原位共表达分析

• 组织学水平

AI人工智能组织特质化数据挖掘

通过AI人工智能训练，TissueFAXS Cytometry技术可以对样本中各种独特的组织器官结构进行自动识别统计，不限于传统病理染色如HE、MASSON、PAS等等标记的组织结构特征，更可以通过识别细胞、细胞核形态，对细胞进行分类后，进一步获取细胞-组织结构形态标记的精准量化分析数据。

• 空间水平

组织多色空间表型分析肿瘤微环境

mIHC/IF 能够研究肿瘤微环境内细胞分布模式、肿瘤免疫抗原呈递过程中不同表型的免疫细胞互相作用模式、肿瘤细胞间位置关系、细胞骨架在细胞内外的分布情况等等，为肿瘤的早期诊断及治疗提供更具价值新思路。

关于TissueFAXS Cytometry技术

TissueFAXS Cytometry技术将Flow Cytometry流式细胞术中准确的数据呈现方法应用到组织图像定量分析中。通过散点图直方图等呈现形式，在组织图像中实现了类流式的单细胞级别的蛋白质、核酸等分子表达量化、细胞分类统计等大数据的处理及分析。解决了传统技术单视野分析的局限性，以及细胞识别的准确性问题，依托于图像数据的位置，形态信息可视化的优点进而实现了细胞形态、空间位置信息量化。

官网：www.tissuegnostics.com/cn

电话：400-898-1980

邮箱：office@tissuegnostics.cn

【1】Sun, Yan V. and Yijuan Hu. “Integrative Analysis of Multi-omics Data for Discovery and Functional Studies of Complex Human Diseases.” Advances in genetics 93 (2016): 147-90 .