高分辨率IMC新技術實現低于350納米的分辨率
成像質譜細胞術（Imaging Mass Cytometry, IMC）是一種強大的多重成像技術，用于研究健康與疾病狀態下組織的細胞表型和空間組織。然而，傳統IMC的空間分辨率目前僅為1微米，能夠分辨單細胞和大型亞細胞區室，但無法解析亞微米級的細胞內結構。本文報道了一種提高IMC分辨率的方法，使其接近光學顯微鏡的水平。高分辨率IMC（HR-IMC）采用過采樣方法結合點擴散函數去卷積技術，實現了低于350納米的分辨率。研究展示了HR-IMC在解析亞細胞結構（如核焦點和線粒體網絡）方面的性能，這些結構此前用IMC無法檢測到，并應用于可視化化療誘導的患者來源卵巢癌細胞的擾動。
本研究的重大發現由Alina Bollhagen、James Whipman、Ricardo Coelho、Viola Heinzelmann-Schwarz、Francis Jacob和Bernd Bodenmiller共同完成。研究成果以題為“High-resolution imaging mass cytometry to map subcellular structures”的論文形式，于2025年10月在《Nature Methods》期刊在線發表。
重要發現
01技術原理與開發背景
成像質譜細胞術（IMC）通過激光燒蝕金屬同位素標記的抗體并結合質譜檢測，避免了自發熒光和循環偽影，但其分辨率受限于激光燒蝕點大小（1微米），無法解析小于2微米的亞細胞結構，如線粒體和核仁。提高分辨率面臨技術挑戰，包括激光穩定性、組織穿透和熱降解問題。計算方法是潛在解決方案，但現有策略如盲去卷積或跨模態學習依賴強先驗假設或高分辨率訓練數據。本研究提出HR-IMC，基于過采樣和圖像去卷積，無需硬件修改即可提升分辨率。
HR-IMC的核心原理是使用標準1微米激光點以亞微米步長（如333納米）對組織進行采樣，產生部分重疊的燒蝕區域。通過降低每次激光能量，實現多次重疊燒蝕，從而將單個像素細分為多個子像素。去卷積過程利用點擴散函數（PSF）模型，校正邊界子像素的影響，重建高分辨率圖像。點擴散函數基于子像素的面積貢獻和信號損失模型構建，其中信號損失通過重復燒蝕實驗量化，確保去卷積的準確性。
02實驗驗證與性能評估研究通過多種組織類型（如扁桃體、肺腺癌、胎盤等）驗證HR-IMC的性能。首先，與免疫熒光（IF）顯微鏡比較顯示，HR-IMC在333納米分辨率下能捕獲與IF相當的細節，如波形蛋白、平滑肌肌動蛋白（SMA）、ATP5A和GLUT1等標記物的分布。像素級空間相關性分析表明，HR-IMC與IF數據的相關性優于經典IMC。在扁桃體組織中，HR-IMC改善了細胞核分割，更準確地分離相鄰細胞，減少了經典IMC中常見的“BnT”細胞（B細胞與T細胞交互無法分割的現象）比例。
其次，在高級別漿液性卵巢癌（HGSOC）組織和應用中，HR-IMC揭示了亞微米級結構，如環繞細胞核的線粒體網絡、纖維狀SMA纖維以及核內Ki-67焦點。這些結構在經典IMC中無法分辨。通過像素級聚類分析，HR-IMC識別出13個亞細胞簇，對應線粒體、DNA損傷區等，而模擬經典IMC的數據則顯示標記物分離不清。聚類質量指標（如輪廓寬度和鄰域純度）證實HR-IMC能更好區分亞細胞區室。
03生物學應用與結論在患者來源的卵巢癌細胞3D培養模型中，HR-IMC用于分析化療（卡鉑和紫杉醇）誘導的亞細胞變化。差異豐度分析顯示，化療后DNA損傷和修復簇上調，增殖簇下調，符合化療響應機制。像素級相關性分析揭示了p-H2AX與開放染色質區域共定位的變化。此外，在組織原位分析中，HR-IMC區分了不同細胞類型（如腫瘤細胞、免疫細胞和成纖維細胞）的線粒體網絡，顯示腫瘤細胞具有更高線粒體密度和互聯性，缺氧腫瘤細胞線粒體含量減少且GLUT1表達增加。這些結果表明HR-IMC能原位映射細胞類型特異性亞細胞架構，為疾病機制研究提供新視角。
創新與亮點
01突破成像難題
傳統IMC的分辨率受限于物理激光點大小，無法解析亞細胞結構，這限制了其在細胞生物學中的應用。HR-IMC通過過采樣和計算去卷積，突破了這一瓶頸，將分辨率提升至350納米以下，接近光學顯微鏡水平。這一突破解決了IMC在亞微米尺度成像的固有 trade-offs，如激光能量與組織完整性的平衡問題。與現有超分辨率方法相比，HR-IMC不依賴大量訓練數據或復雜推斷，而是基于實驗采集優化，更具實用性和可推廣性。
HR-IMC的創新點在于將過采樣策略與PSF去卷積獨特結合，專為IMC數據特性定制。過采樣通過調整激光步長和能量實現，而PSF模型考慮了激光燒蝕的幾何效應和信號衰減，確保去卷積的準確性。該方法在標準成像系統上即可實施，無需硬件升級，降低了應用門檻。此外，研究提供了詳細的操作指南，包括激光能量優化、數據采集和圖像處理步驟，使其他研究者能輕松復現。
03光學生物醫療價值
在生物醫學領域，HR-IMC的價值體現在多個方面。首先，它實現了高度多重（如25重抗體面板）的亞細胞成像，能同時分析多種蛋白的空間分布，用于發現細胞表型、器官器特異性信號事件和疾病標志物。例如，在卵巢癌研究中，HR-IMC可視化化療對亞細胞結構的影響，為藥物研發提供新工具。其次，改善的分割能力有助于精準細胞分類，在免疫腫瘤學中減少誤判。與光學成像技術（如免疫熒光）的兼容性使其成為多模態成像的橋梁，有望推動空間組學發展。未來，結合信號放大方法（如SABER-IMC），可進一步克服信號強度挑戰，拓展至臨床診斷應用。
總結與展望
本研究開發的HR-IMC技術成功將成像質譜細胞術的分辨率提升至亞微米級別，通過過采樣和去卷積方法，實現了對亞細胞結構的精細映射。實驗證明，該技術在多種組織類型和疾病模型中均表現出色，不僅能解析線粒體網絡、核焦點等結構，還能揭示化療誘導的細胞內變化。創新點在于無需硬件改造即可在現有系統上部署，兼顧了分辨率與多重成像優勢。盡管目前受限于激光燒蝕精度和成像時間，但隨著儀器進步和計算優化，這些限制有望克服。HR-IMC為細胞生物學研究開辟了新途徑，未來或可用于發現復雜細胞架構和疾病特異性表型，推動精準醫療和基礎科學進展。展望中，進一步整合深度學習和其他超分辨率技術，將強化其在單細胞分析中的領導地位。
聲明：本文僅用作學術目的。
Bollhagen A, Whipman J, Coelho R, Heinzelmann-Schwarz V, Jacob F, Bodenmiller B. High-resolution imaging mass cytometry to map subcellular structures. Nat Methods. 2025 Oct 30.
DOI:10.1038/s41592-025-02889-8.
