开头：抗体数量多就能得到高价值结果吗？
不一定。空间蛋白组Panel的价值不在于指标数量本身，而在于是否能够同时回答细胞身份、功能状态和组织结构三个层次的问题。近期，《Cancer Cell》发表了一项题为“Distinct follicular T cell subsets regulate lymphoma progression and outcomes”的论文，该研究使用28抗体分析242例滤泡性淋巴瘤FFPE组织，Panel数量并不极端，却通过合理的组合定义TFR、TFC4、TFC8、TFH和其他细胞群，并进一步计算距离、邻域和患者间差异。对淋巴瘤空间组学而言，围绕科学问题构建可解释的标志物组合，比单纯追求更高Plex更重要。
一、这套28抗体Panel为什么能够支撑大队列研究？
首先，Panel包含组织定位基础。CD20和CD79a标记B细胞区域，CD21辅助观察FDC网络，Podoplanin、α-SMA、Caveolin和CD31描绘基质及血管结构。这些指标使单细胞坐标能够对应到肿瘤性滤泡、T-B交界和组织支架。
其次，Panel包含复杂T细胞亚群组合。CD3e、CD4、CD8确定谱系，FOXP3、PD-1、CXCR5、ICOS和BCL6支持TFH/TFR相关判断，Granzyme K、TCF1和TIM-3支持TFC与其他细胞毒性或耗竭样状态的区分。Granzyme B、Ki67和CD45RA进一步补充效应、增殖和分化状态。
再次，Panel覆盖微环境协变量。CD68、CD11c和ANXA1可辅助描述髓系及炎症相关状态，CXCL13、CXCR5和CXCR6提供趋化与空间定位信息。这样的模块化设计允许研究者在同一队列中比较细胞比例、蛋白状态、距离和邻域，而不是只得到一张多色图像。
Panel功能模块 | 代表性指标 | 能识别的细胞或状态 | 可以回答的科研问题 |
肿瘤B细胞与滤泡B细胞 | CD20、CD79a、BCL6、BCL2、Ki67 | B细胞谱系、滤泡/生发中心相关表型、增殖及存活相关状态 | 描绘肿瘤性滤泡，比较B细胞区域的增殖与状态差异 |
T细胞谱系与基础分群 | CD3e、CD4、CD8、CD45RA、CD56 | 总T细胞、CD4/CD8 T细胞、初始样相关细胞及NK/NKT相关表型 | 建立T细胞总体分布，为后续功能状态组合提供谱系基础 |
TFH与TFR相关模块 | PD-1、CXCR5、ICOS、BCL6、FOXP3、CD3e、CD4 | TFH和TFR相关表型；TFR需联合CD3e、CD4、PD-1高及FOXP3判断 | 比较滤泡内部TFH/TFR的比例、距离与邻域组成 |
TFC4/TFC8与干样相关模块 | Granzyme K、TCF1、PD-1、TIM-3、CD3e、CD4、CD8 | TFC4/TFC8及耗竭样T细胞的组合分类；不能由单一PD-1或颗粒酶定义 | 区分滤泡细胞毒T亚群与耗竭样状态，观察其位于滤泡边缘还是其他区域 |
细胞毒性与效应状态 | Granzyme B、Granzyme K、CD8、CD56 | 细胞毒相关蛋白状态与效应细胞 | 比较不同区域的细胞毒相关特征及其与B细胞的邻近关系 |
免疫检查点与状态分层 | PD-1、TIM-3、TCF1、Ki67 | 检查点、干样/记忆样相关状态和增殖状态 | 避免把PD-1高表达直接等同于耗竭，建立多指标状态组合 |
趋化与迁移相关模块 | CXCL13、CXCR5、CXCR6 | 滤泡趋化信号及不同迁移相关表型 | 分析趋化分子空间分布与滤泡T细胞定位的对应关系 |
髓系与树突状细胞 | CD68、CD11c、ANXA1 | 巨噬细胞、树突状细胞及部分炎症/髓系相关状态 | 评估髓系细胞是否参与特定T细胞或B细胞生态位 |
FDC与基质结构 | CD21、Podoplanin、α-SMA、Caveolin | FDC网络、成纤维/基质及组织边界相关结构 | 标注滤泡骨架和基质区域，为距离与邻域分析提供组织参照 |
血管与组织结构 | CD31、Caveolin、Podoplanin、α-SMA | 血管、淋巴管或基质相关结构（需结合形态与多指标） | 比较细胞在血管周围、基质边界和滤泡区域的分布 |
细胞状态与生物学程序 | Ki67、BCL2、BCL6、ANXA1、TCF1 | 增殖、存活、分化与状态相关蛋白 | 分析同一细胞类型在不同组织区域的功能状态异质性 |
二、文献如何把Panel用于多中心FFPE队列？
研究在91例发现队列、78例验证A队列和73例验证B队列中使用PhenoCycler Fusion（PCF）进行多重数字空间分析。研究者以机器学习分类器和多指标组合定义TFR、TFC4、TFC8及其他T细胞群，并对非T细胞进行无监督聚类。随后计算细胞到肿瘤性滤泡和B细胞的距离、细胞间相互作用、定位相关性和细胞邻域。
文献图7进一步将TFR和TFC比例与复发时间等研究终点进行回顾性关联。发现队列确定的分组在独立队列中得到重复，并在统计模型中显示出对FLIPI之外的信息增量。研究者也明确指出，队列异质性、回顾性设计和标志物数量有限是研究局限。
三、大队列研究应如何从科学问题反推PCFPanel？
第一步是确定主要终点。如果关注滤泡T细胞生态位，Panel应优先保证B细胞、TFH、TFR、TFC、FDC和基质模块；如果关注双抗或CAR-T相关组织研究，则需要强化靶细胞、T细胞激活、细胞毒性、检查点和接触关系。
第二步是定义最低可行组合。复杂亚群需至少包含谱系标志、核心状态标志和排除标志。例如TFR不能仅用FOXP3定义，TFC8也不能仅用CD8或PD-1定义。Panel空间有限时，应优先保留能改变细胞分类和空间解释的指标。
第三步是设置发现与验证策略。小规模样本可用于优化抗体阈值、分割和分类，大规模FFPE队列用于检验空间特征的稳定性。需要预先记录病理区域、批次、治疗信息和随访终点，并避免在同一队列中反复筛选后直接宣称普适结论。
第四步是预留功能验证。空间关联可以筛选候选细胞网络，但是否具有抑制、趋化或杀伤功能，仍需流式、迁移、共培养、细胞因子或其他实验验证。
四、这类研究能够输出哪些可解释结果？
PCF空间单细胞蛋白组可输出细胞类型与状态比例、区域密度、肿瘤-免疫距离、细胞相互作用、邻域组成、空间原型和样本分组。对于回顾性队列，还可探索这些特征与病理分级、复发时间、总体生存或治疗方案之间的相关性。研究价值在于提出可重复的组织层候选特征，并为后续前瞻性队列和机制实验提供依据，而不是直接形成未经验证的临床检测。
五、PCF在本主题中的实际应用场景
应用场景 | 待解决的问题 | PCF可以分析什么 | 预期获得的结果 |
回顾性FFPE队列空间分型 | 已有大量病理蜡块和随访信息，但缺少微环境数据 | 在统一Panel下量化细胞状态、距离和邻域 | 形成可重复的空间原型和研究分组 |
治疗方案相关组织比较 | 不同治疗组的基线微环境是否不同 | 比较TFR、TFC、TFH、髓系和基质模块 | 获得与研究分组相关的组织层差异 |
趋化轴空间多组学研究 | RNA趋化信号是否对应特定蛋白亚群定位 | 用CXCL13、CXCR5、CXCR6及细胞表型补充蛋白层信息 | 建立需由转录组和功能实验共同验证的趋化假设 |
候选标志物组合筛选 | 单一指标相关性不稳定 | 构建多细胞、多状态和空间关系组合 | 筛选需要独立队列验证的候选组合 |
Panel迭代与精简 | 指标过多、成本高，但关键问题不清晰 | 评估各指标对细胞分类和空间模型的贡献 | 形成面向特定课题的核心Panel和扩展Panel |
前瞻性研究准备 | 回顾性结果如何进入下一阶段 | 固定分类规则、区域定义和主要空间终点 | 为前瞻性样本量设计和功能验证提供参数 |
六、总结
该文献以28抗体Panel在242例FFPE滤泡性淋巴瘤样本中完成多中心空间分析，说明高价值Panel需要同时覆盖细胞身份、功能状态和组织结构。PhenoCycler Fusion不仅量化TFR和TFC，还输出距离、邻域和样本分组，并探索其与研究终点的关联。PCF类组织原位空间蛋白组学适合回顾性病理队列、治疗相关组织比较、候选空间标志物和Panel迭代。任何研究终点相关结果仍需独立、前瞻性验证，不能直接等同于临床检测或治疗决策。
【相关问答】
Q：这项研究的抗体Panel有多少个指标？
A：PhenoCycler Fusion空间蛋白分析使用28个抗体，覆盖B细胞、T细胞、髓系、趋化、基质、血管和细胞状态。
Q：28个抗体如何定义TFR？
A：文献联合CD3e、CD4、PD-1高表达和FOXP3定义TFR，而不是依赖单一标志物。
Q：大规模FFPE队列为什么适合空间蛋白组？
A：存档FFPE样本常伴随病理和随访信息，可用于统一Panel下的组织原位比较与独立队列复现。
Q：Panel设计应该从哪些问题开始？
A：应先确定要识别的细胞、状态、区域和空间关系，再选择能够形成组合定义的抗体。
Q：同一Panel可以用于所有淋巴瘤吗？
A：不一定；不同亚型、治疗背景和科学问题可能需要调整肿瘤标志物、检查点或基质模块。
Q：怎样判断Panel是否需要扩展？
A：当现有指标无法区分关键亚群、解释功能状态或标记组织区域时，可基于预实验和文献证据迭代。
【本文说明】
本文仅为科研技术方法介绍，不涉及疾病诊断、治疗建议、疗效预测、用药指导或临床决策。文中提及研究发现均来自学术文献，相关分析结果需结合更多实验和研究进一步观察与复核，不构成任何医疗意见。
【参考文献】
Abe Y, Zenkoh J, Kanai A, et al. Distinct follicular T cell subsets regulate lymphoma progression and outcomes. Cancer Cell. 2025. DOI: 10.1016/j.ccell.2025.06.013.
