质谱技术和流式技术的完美结合
CyTOF 质谱流式细胞仪利用重金属同位素作为抗体标签，利用质谱技术对细胞蛋白进行定量检测。
该技术的应用一方面使流式检测通道数量大幅提高到了上百个，提升了从单个样品获得的信息量；另一方面避免了通道间信号的干扰，大大简化了实验设计，提升了数据的可靠性。
通道的增加意味着可以对细胞亚型进行更精准的分群，也意味着可以对细胞内信号通路进行更加全面的分析；单次实验可捕获百万级别的单细胞，避免遗漏小亚群。广度和深度的综合，
使得质谱流式成为单细胞水平蛋白组学研究不可或缺的工具。
[图片上传失败...(image-f26ba1-1648989039751)]
灵敏度高、应用范围广
Helios 质谱流式系统对信号分辨率极高，可同时检测上百种不同的标签。质谱流式可以同时获得单细胞表面 Marker、胞内信号通路、转录因子、细胞因子、细胞周期等等各方面的信 息，在造血、免疫、干细胞、癌症以及药物筛选等多个领域的研究中有着广泛的应用。
[图片上传失败...(image-36825b-1648989039749)]
科学方案设计
从抗体 Panel 设计到数据分析，每一步都经过科学、缜密的设计，以保障高质量研究成果。
[图片上传失败...(image-25f099-1648989039751)]
常见问题
Q
- 传统流式和质谱流式有哪些不同之处？
（1）标签系统的不同：前者主要使用各种荧光基团作为抗体的标签，后者则使用各种金属元素作为标签。
（2）检测系统的不同：前者使用激光器和光电倍增管作为检测手段，而后者使用 ICP 质谱技术作为检测手段。
Q
- 质谱流式比传统流式有哪些优势？
（1）通道数量增加到上百个。ICP 质谱装置具有非常宽的原子量检测范围（75~209 Da），可以同时检测上百个不同的参数。
（2）通道间无干扰，无需计算补偿。
（3）采用独特的金属标签抗体。由于细胞本身不含这些作为标签的金属元素，没有传统流式的“自发荧光”，因此信号背景极低。
（4）多样化的数据处理方式，实现对样品的深入分析。
Q
- 质谱流式的样本如何制备？
质谱流式技术所需样本为单细胞悬液。下面的制备流程以 PBMC 为例：
（1）PBMC 细胞分离。推荐用肝素或者柠檬酸盐作为抗凝剂抽提全血，并在4小时内使用Ficoll 或者 Percol 密度梯度离心法分离出 PBMC。注意需要尽量去除红细胞；
（2）顺铂染色。顺铂可用于区分死活细胞，推荐加入1 uL 终浓度为5 uM 的顺铂，37℃孵育5分钟后加入2~5倍体积的 Cell Staining Buffer，中止反应。其后以300 g的转速离心5分钟， 弃上清后使用 Cell Staining Buffer 或细胞培养基重悬细胞；
（3）细胞刺激（可选）。将细胞转入培养箱培养15~30 min，随后使用相应刺激物进行分组刺激。刺激后的细胞转至离心管，离心后使用 Cell Staining Buffer 稀释至1 mL； 注：此步根据具体需要，短时间的信号通路刺激可以按上述步骤进行；如果做数小时的胞内 Cytokine，该步骤应该放在染顺铂之前。
（4）细胞固定。使用2× 的 fixation buffer（含3.2% PFA 的 PBS）进行固定；
（5）将固定后的样品保存在-80℃。
经典案例
靶向 YAP 依赖的 MDSC 浸润能够阻碍肿瘤发展
Targeting YAP-Dependent MDSC Infiltration Impairs Tumor Progression
期刊: Cancer Discovery
影响因子:19.45
发表单位：德克萨斯大学安德森癌症中心
发表时间: 2016年1月
研究背景
对前列腺癌细胞和肿瘤浸润免疫细胞之间信号传导机制的研究可能会开启新的治疗方法。
三、研究结果
1. 通过质谱流式细胞分析技术对17个表面 Marker 进行分析，解析了肿瘤组织中免疫细胞的亚群组成及其随时间的变化趋势。
[图片上传失败...(image-8c2f83-1648989073980)]
图1 组间平均 beta 值差异火山图
2. 红色代表的是骨髓来源的抑制性细胞（MDSC），可以看到其比例随时间明显增大，提示 MDSC 在肿瘤发生过程中具有重要的作用。
[图片上传失败...(image-8fb065-1648989073979)]
研究结论
本研究通过质谱流式对 PTEN 和 Smad4 缺失的前列腺癌模型进行研究，发现肿瘤浸润免疫细胞主要由 MDSC 组成，且其比例随着癌症的发展不断增高。如果将此部分细胞剔除，病程会 受到抑制。
阅读原文：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4707102/
结果展示
SPADE分析
首先将表型类似的细胞聚成小群，然后依照各小群的表型相似度进行聚类分析，最后得到一个树形图。
每个节点都是由一群表型相似的细胞构成的，节点相对位置不同也体现了其表型的差异。
[图片上传失败...(image-b5aa76-1648989132219)]
viSNE 分析
尽可能保持信息不丢失的基础上，将多维信息压缩到二维，这样就可以用二维散点图来展示高维数据的结构。
可以看出，在 viSNE 图谱中，几个主要免疫亚群各自聚群。
[图片上传失败...(image-ed9157-1648989132218)]
Wanderlust 分析
Wanderlust 会根据每个细胞排列的位置赋予细胞一个 Wanderlust 值，其大小就反映了分化程度。
以 B 细胞为例，0代表起点（造血干细胞），1代表终点（Immature Naive B），该数值越小说明细胞越原始。
有了这个工具，我们可以观察 B 细胞分化过程中任意一个蛋白的表达变化，这些信息可以帮助我们找到分化过程中一些重要的事件。
[图片上传失败...(image-9cd8b0-1648989132218)]
Flow-MAP 分析
将不同时间点的质谱流式数据做降维分析，得到的图谱反映了细胞表型随时间的变化。
[图片上传失败...(image-c05d5c-1648989132218)]
Citrus 分析
临床样本具有很大的异质性，比较有规律性、代表性的差别往往只存在于少数亚群中。Citrus 可分析识别出这些特征性亚群。
[图片上传失败...(image-564aec-1648989132218)]
聚类热图
聚类热图可以简单地聚合大量数据，直观地展现数据的频率高低。
[图片上传失败...(image-b17819-1648989132218)]
二维散点图
用来呈现数据点的分布，表现两个元素的相关性。
[图片上传失败...(image-9d13df-1648989132218)]
