腫瘤組織除了發生細胞本身的特征變化之外，腫瘤轉移也是一個極其復雜的過程，涉及多方面因素。腫瘤微環境本質上講，是一個極其復雜且精密的動態網絡，在多年的探索中，研究者們逐漸意識到除了組成腫瘤微環境的多種細胞之外，也存在著不同的組織結構，對腫瘤及其微環境的調節起著重要的作用，共同影響著腫瘤發生、擴大與腫瘤轉移。深入研究腫瘤微環境，探索微環境中相關因子的改變，可為腫瘤的早期診斷及治療提供新思路。
在近些年對腫瘤微環境的研究方案中，組織原位多色標記技術已經開始被大家所熟知，其在揭示腫瘤免疫逃逸機制、腫瘤免疫抑制劑關鍵靶點以及腫瘤周邊的”亞組織結構“構成方面，正在起著越來越重要的作用。
1
口腔腫瘤免疫逃逸機制和新的治療靶點
文章題目：TDO2+ myofibroblasts mediate immune suppression in malignant transformation of squamous cell carcinoma
發表期刊：Journal of Clinical Investigation
使用TissueGnostics公司TissueFAXS Spectra全景多光譜組織掃描定量分析系統獲取圖像。獲取到圖像利用StrataQuest軟件進行定量分析。應用TissueFAXS Cytometry技術，研究者通過免疫熒光證實TDO2僅表達于癌組織的a-SMA+肌成纖維細胞中，并且通過多色免疫組化（mIHC）染色證明：
1. TDO2+肌成纖維細胞(TDO2+α-SMA+)、TDO2-肌成纖維細胞(TDO2-α-SMA+)和癌細胞(Pan-CK+)及癌巢近端/遠端的空間定位關系。
2. CD4+和CD8+T細胞在TDO2+和TDO2-肌成纖維細胞周圍分布的關系。
3. TDO2+和TDO2-肌成纖維細胞(半徑<50μm)周圍Foxp3+CD4+T細胞的空間分布比例關系。
4. TDO2+肌成纖維細胞周圍PD-1+TIM-3+CD8+T細胞的空間分布關系。
5. TDO2+或TDO2-肌成纖維細胞在癌巢邊界近端和遠端的空間分布。
6.未治療組與TDO2i組小鼠癌巢邊界近端100um區域內，Foxp3+CD4+1043T細胞的空間分布及比例。
7. 未處理組和TDO2i組之間，TIM-3+CD8+T細胞和GZMB+CD8+T細胞在癌巢邊界近端100um區域內的空間分布及比例。
2
肝細胞癌射頻消融后復發潛在機制
文章題目：Eliminating METTL1‐mediated accumulation of PMN‐MDSCs prevents hepatocellular carcinoma recurrence after radiofrequency ablation
發表期刊：Hepatology
對于多重免疫熒光染色的樣本，文中均使用TissueFAXS多光譜成像系統(TissueGnostics,
Austria)進行掃描。對成像結果使用了StrataQuest分析軟件在單細胞水平上進行分析。在分析方法上，通過StrataQuest分析軟件可以得到不同顏色通道的灰度圖，在DAPI通道圖像上應用核識別算法對單個細胞進行識別和圈定。然后，通過平均灰度值計算每個細胞每種不同Marker的表達量。繪制強度直方圖和散點圖，通過手動設置cut-off以及圖像回溯功能得到每個Marker的陽性細胞數和陰性細胞數。
傳統通過軟件算法進行單細胞分析，只能進行原始的細胞核簡單識別，細胞質、細胞膜等結構依賴于通過算法擴大細胞核輪廓，無法完成真實的細胞質形態學識別。TissueFAXS Cytometry技術不但可以針對每個熒光通道的細胞質形態進行圈選，還可以結合細胞核輪廓，實現單細胞的核/質/膜等亞細胞結構真實染色強度和形態的分析。
通過免疫組化和多重免疫熒光(mIF)染色，發現在RFA后復發的HCC中，METTL1表達增強，伴有CD11b+CD15+ PMN-MDSCs的增加和CD8+ T細胞的減少。
3
CD4T細胞參與Tim3／Tim3L介導腫瘤免疫微環境互作網絡
文章題目：Spatial distribution and functional analysis define the action pathway of Tim-3/Tim-3 ligands in tumor development
發表期刊：Molecular Therapy
實驗部分采用TissueGnostics公司TissueFAXS Spectra全景多光譜組織掃描定量分析系統肝細胞癌(HCC)組織芯片樣本（TMA）進行多色熒光圖像采集，并且通過StrataQuest定量分析軟件對腫瘤組織和癌旁組織中不同類型的細胞數量比例，陽性率以及空間位置分布進行準確定量。
采用AI Clissifier功能對組織中的腫瘤區域和間質區域進行自動劃分。
空間表型分析，利用專業算法定義每個區域圖像的細胞微環境，設立小于1個像素的閾值定義為細胞與細胞相互相鄰或接觸，將統一的算法和每個通道的閾值應用于TMA的所有樣本，對各標記物的表達和熒光水平進行標準化分析。