TissueQuest組織流式細胞/分子定量分析平臺

細胞級熒光定量分析平臺

TissueQuest（TQ）細胞級熒光定量分析平臺是針對組織原位單細胞進行自動識別及定量的軟件，用于解決熒光樣本中，不同類型細胞的細胞核/質/膜上特異性染色信號篩選。根據樣本染色情況、及細胞的形態(tài)特征，精準分析不同實驗組之間的數(shù)據差異。

TQ采用樣本導入+一鍵分析的精簡操作模式，再根據數(shù)據定量分析的結果，利用散點圖正反向回溯工具，針對樣本差異性,調整分析參數(shù)。這種反復校驗的數(shù)據獲取流程，基于強大的軟件圖像運算能力，實時得到切片所包含的大數(shù)據信息，引導研究者最終獲得反映樣本實際情況的數(shù)據結果。

TissueQuest組織流式細胞/分子定量分析平臺

技術特點

細胞核識別算法

多種細胞質形態(tài)學識別模式

細胞表型原位分析

正反向回溯

FISH分析

多種數(shù)據呈現(xiàn)模式

正反向回溯驗證

組織、細胞數(shù)據分析中運用正反向回溯功能，支持從圖像到數(shù)據的正向分析，也支持從數(shù)據結果到圖像的反向回溯驗證，將影像與分析結果緊密結合，實現(xiàn)數(shù)字化圖像、散點圖及數(shù)據間的三方面實時聯(lián)動。對數(shù)據有效性進行獨立重復的驗證，精準衡量組織細胞信號拆分辨識結果，保證樣本識別的精度、陽性率劃分的閾值或是追溯陽性信號在組織中的原位信息的可靠性，更進一步幫助研究者快速定位分化干細胞等稀有細胞亞群。

多種細胞質形態(tài)學識別

在關于細胞質識別的運算過程中，TG不僅利用市場上常見的細胞橢圓擬合算法（Ring Mask），計算固定的細胞外圍輪廓，還可根據樣本中細胞質染色的真實外圍輪廓，進行du有的marker精準識別（Growing Mask），并計算統(tǒng)計其多個細胞染色情況及形態(tài)學相關參數(shù)。利用兩種算法的自由組合，既實現(xiàn)識別算法的選擇獨立性，又達到大范圍復雜細胞多樣性的精準辨識數(shù)據真實性。

數(shù)據群圈選統(tǒng)計

組織流式定量分析技術賦予每個細胞多個分析參數(shù)，配合Gate和Input Gate功能，可供使用者篩選特定的感興趣細胞亞群。

利用 Gate 工具根據細胞核大小、染色強度差異能夠準確篩選出有消息報，并且排除粘連細胞和細胞碎片（左側散點圖）。新建散點圖僅分析有效細胞（右側散點圖），利用 Gate 可進一步將有效細胞劃分成不同 marker 表達強度群體，簡單實現(xiàn)marker 表達強度準確統(tǒng)計。

細胞表型原位共表達分析

細胞的共表達分析，一直是免疫熒光樣本中重要卻十分繁瑣的步驟，尤其是多標樣本的準確分析更是大家經常面臨的難題，在這里TG簡化分析步驟，利用流式散點圖中設GATE門進行細胞篩選的分析思路，對免疫熒光樣本拆分后的各通道細胞逐層設門、實時降維分析，最終得到目的細胞數(shù)量及原位分布等信息，精簡而高效的分析流程，再利用反向回溯功能使共標記的目的細胞群在樣本中一目了然。