为什么流式染色后阳性率异常升高？ 从抗体到数据分析逐步排查

在流式实验中，阳性率的升高并不能直接等同于目标抗原的真实增加。同一Marker在不同实验中由20%升至50%，或者原本边界清晰的阴性群体出现大范围“阳性”，并不意味着目标抗原的表达一定发生了相应变化。流式检测到的“阳性”并非细胞天然携带的绝对标签，而是经过抗体特异性结合、荧光信号激发与收集、电子信号转化、光学补偿以及人为设定的Gate（门）划分之后共同呈现的综合结果。当阳性率发生异常升高时，需要从生物学表达、背景噪声、抗体染色、多色荧光干扰以及数据分析标准等多个维度展开系统性排查。

一、阳性率升高首先意味着什么？先区分“信号增强”与“阳性定义扩大”

流式结果中的“阳性”并不是一个脱离分析过程而独立存在的状态。对于一个目标Marker，细胞是否被计入阳性群体，取决于其检测信号与阴性背景之间的关系，以及最终设定的Gate（门）位置。因此，同样是阳性率从20%升高到50%，其背后的含义可能完全不同：一种情况是原有阳性细胞的荧光强度整体增强，另一种情况则是阴性细胞的背景向右移动，使更多事件越过阳性阈值。两者在数值上都表现为“阳性率升高”，但排查方向并不相同。

1. 阳性群体整体右移：更接近“信号增强”

如果阳性群体仍然保持相对稳定的形态，仅荧光强度明显增加，可能与抗原表达水平、抗体结合量或检测系统的变化有关。这种情况下，阳性率的变化有时只是群体整体右移后，更多事件越过既定阈值的结果。因此，除了比较阳性率，还应同步观察阳性群体的中位荧光强度等指标，并确认实验所使用的抗体、荧光标记以及采集条件是否发生变化。

2. 阴性群体整体右移：优先排查背景升高

如果原本阴性的群体整体向高荧光方向移动，阳性率的增加就不能简单解释为目标抗原表达增加。自发荧光、抗体非特异性结合以及多色检测中的光谱溢出与扩散效应，都可能抬高背景，使部分阴性事件跨过原来的阳性边界。

图1. Negative右移导致阳性升高

二、从抗体与染色条件排查：是否出现了过量信号或非特异性结合

1. 抗体用量过高：从“信号增强”转向“背景增加”

如果在相同检测条件下逐步提高抗体用量，阳性群体的信号可能先明显增强，随后进入相对稳定的平台区；当继续提高用量时，背景信号却可能继续增加。此时即使阳性率进一步升高，也不一定意味着检测能力得到改善。对于异常升高的结果，可以回顾历史滴定结果或重新比较不同抗体用量下的阳性群体、阴性群体及两者分离情况，从而判断当前浓度是否已经偏离原有的有效工作区间。

图2. 抗体过量之后，背景升高，分辨率下降（DOI: 10.1002/cyto.a.22808）

2. 克隆号和结合特性的差异：同一Marker并不等于相同结果

针对同一靶标的不同抗体克隆识别的表位可能不同，结合特性和检测表现也可能存在差异。因此，即使实验目标保持不变，仅更换抗体克隆号，也可能出现阳性率、荧光强度和背景水平的变化。在排查过程中，如果抗体产品或克隆发生过更换，应将其视为一个独立变量进行核查，而不是直接将结果差异归因于样本变化。

图3. 不同克隆号识别结果不同

3. 非特异性结合：阳性率升高并不一定对应更多靶标阳性细胞

抗体除了通过抗原结合产生特异性信号外，还可能通过Fc受体或其他非特异性相互作用与细胞结合。对于Fc受体表达较高的细胞群，这类背景尤其值得关注。非特异性结合是影响阳性判定的重要背景来源。因此，当某一类细胞出现异常高的阳性率，或者不同Marker在同一细胞群上同时出现异常背景时，应结合该细胞类型的生物学特征判断是否存在Fc相关或其他非特异性结合。

三、从背景荧光排查：阴性细胞为什么会“看起来像阳性”

自发荧光、光谱重叠以及不期望的抗体结合都可以抬高背景荧光。因此，在阳性率异常升高的情况下，应先判断背景究竟发生了哪一种变化。

1. 自发荧光升高：阴性细胞本身可能已经偏亮

不同细胞的自发荧光水平并不完全相同，在某些细胞类型和特定荧光通道中，这种影响可能更加明显。当自发荧光升高时，阴性群体整体右移，原本适用的阳性边界可能不再适用。如果实验同时比较多个条件，还需要确认各组的阴性背景是否处于相近水平，否则仅依据统一的绝对荧光阈值计算阳性率，可能造成条件间不可比。

2. 死细胞的高背景：应关注其是否进入了目标分析群体

死细胞更容易出现较高的自发荧光以及非特异性抗体结合，从而干扰阳性判定。 需要注意的是，样本中存在死细胞，并不意味着目标Marker的阳性率一定会升高。真正需要关注的是，死细胞是否被纳入了后续的分析群体。如果这些死细胞没有在后续Gate中被排除，就可能被误计为Marker阳性事件，最终导致测得的阳性率高于实际水平。

图4. 死细胞对实验结果的干扰

四、多色流式中的异常升高：补偿误差和信号扩散同样会改变阳性判定

如果单色检测结果正常，而加入其他荧光标记后某一Marker的阳性率明显升高，应把排查范围扩展到多色检测本身。不同荧光素的发射光谱存在重叠，补偿用于校正这种光谱溢出；如果补偿不准确，错误可能传递到其他检测通道，并造成群体位置偏移甚至产生“虚假的阳性”。需要特别注意的是，补偿并不是把所有荧光干扰“消失掉”，校正后仍可能存在由测量误差与信号传播造成的扩散。

1. 为什么单色正常、多色异常值得重点关注？

单色染色目标Marker的阳性率和阴性背景都正常，而在加入多个其他Marker后，目标通道的阴性群体开始扩展或阳性率明显增加，应首先比较单阳对照与多色样本中相关通道的群体位置。特别是在某一高表达Marker使用高亮荧光时，其信号向其他通道传播可能增加背景分布的宽度，影响低表达Marker的分辨能力。 这类问题往往表现为“阳性率变高，但群体边界反而变模糊”。

2. 补偿问题和Spreading Error不能混为一谈

多色流式中，不同荧光之间存在光谱重叠，因此需要通过补偿（Compensation）校正其他荧光对目标检测通道造成的信号溢出（Spillover）。补偿解决的是信号扣除问题，而Spreading Error反映的是荧光溢出及补偿过程中造成的信号分布扩散。因此，即使补偿设置正确，强荧光也可能使目标通道的阴性群体变宽，导致阳性与阴性群体的分离度下降。对于低表达Marker，这种影响尤其明显，部分原本接近阴性区域的事件可能因此更难准确判定，进而影响阳性率。

五、最后检查数据分析：Gate变化本身就可以造成阳性率升高

当抗体、染色和检测条件均未发现明显异常时，还需要回到数据分析本身。阳性率的计算依赖于阳性群体的定义，因此Gate位置、分析层级和对照参考均会直接影响最终百分比。对于边界清晰的阳性群体，Gate变化可能只带来有限影响；但对于连续分布、弱阳性或阳阴性分离较差的Marker，阳性边界稍有移动，就可能导致阳性率发生明显变化。

1. 阳性Gate向左移动，阳性率为什么会明显增加？

从统计意义上看，阳性率本质上是“落入阳性Gate的事件数占目标统计群体总数的比例”。因此，当阳性边界向低荧光方向移动时，更多事件会被纳入阳性群体。对于背景分布较宽的Marker，这种变化尤其明显。也正因为如此，分析两个条件之间的阳性率时，应确认两组使用了具有一致逻辑依据的Gate，而不是为了追求相同的视觉效果随意调整边界。

2. 阳性边界应由合适的对照和生物学背景共同确定

在多色实验中，FMO对照常用于帮助确定复杂Panel中的阳性边界；合适的生物学阴性对照则有助于理解真实阴性群体的背景水平。需要注意的是，不同Control解决的问题并不完全相同，单阳对照主要用于调节补偿，而不是直接作为目标Marker的阳性判断依据。当没有合适的阴性参考时，单纯依赖经验阈值容易放大分析者之间的差异。

3. 同一份数据为什么不同人会得到不同阳性率？

如果目标群体本身边界模糊，而分析人员对阳性边界、背景范围或上游Gate的定义存在差异，那么同一份原始数据可能得到不同的阳性率。这也是为什么异常结果排查不能只截取最终的百分比，而应该同时回看完整的Gate层级、对照以及关键散点图或直方图。分析标准发生变化时，结果的变化应被视为一个需要单独控制的变量。

六、阳性率异常升高的系统排查路径

实际排查时，可以按照“先判断现象，再定位环节”的顺序进行，而不是一次性修改多个条件。建议首先判断阳性群体与阴性群体分别发生了什么变化，再逐步检查抗体、背景、荧光检测和数据分析。这样做的好处是，每一步都能保留一个明确的判断依据，也更容易在重复实验中定位真正的变量。

1. 第一步：确认结果变化的形态：比较阳性群体与阴性群体的位置、宽度及分离程度，判断是阳性信号增强还是背景整体升高。
2. 第二步：核查抗体因素：确认抗体克隆、荧光标记、使用量以及历史滴定结果是否发生变化，并重点观察抗体用量增加后背景是否同步升高。
3. 第三步：检查非特异性背景：确认Fc受体是否封闭。
4. 第四步：检查背景荧光：比较未染或阴性参考群体，确认是否存在自发荧光升高，以及异常事件是否主要来自状态异常的细胞。
5. 第五步：检查多色检测：如果异常只发生在多色实验中，重点核查单阳对照、补偿以及相关荧光之间的扩散影响。
6. 第六步：复核Gate与阳性边界：确认上游Gate、阳性Gate和对照依据是否与历史实验保持一致，排除分析标准变化造成的假性升高。
7. 第七步：结合历史数据综合判断：将阳性率与MFI、阴性背景、分离程度及对照结果一起比较，最终判断变化更可能来自生物学、染色体系、检测体系还是数据分析。

七、常见异常现象与优先排查方向

结语

流式染色后阳性率异常升高，真正需要判断的并不是“百分比为什么变大”，而是“哪些事件被重新纳入了阳性群体”。如果阳性群体发生真实增强，需要进一步确认抗原与检测体系的变化；如果阴性群体同步右移，则应优先排查背景；如果问题只在多色实验中出现，则需要考虑补偿和信号扩散；如果原始数据基本不变而最终百分比发生明显变化，则应回到Gate和阳性边界。

对于流式实验而言，可靠的结果并不依赖某一个单独环节，而是建立在抗体特异性、合理的染色条件、可解释的背景、稳定的荧光检测以及一致的数据分析标准之上。只有将阳性率与群体位置、背景和分离情况结合起来解读，才能更接近真实的生物学变化。

关于我们

abinScience创立于法国，专注于高质量生命科学试剂的开发与生产，立足法国斯特拉斯堡创新科技中心，以"Empowering Bioscience Discovery"为愿景。

abinScience流式抗体产品覆盖常用检测指标，品类丰富，可满足多物种（Human/Mouse/Rat/Dog/Hamster/Monkey等）科研实验需求，为科研提供稳定可靠的支持。

参考文献

• [1] Nemoto, S., Mailloux, A. W., Kroeger, J., & Mulé, J. J. (2016). OMIP‑031: Immunologic checkpoint expression on murine effector and memory T‑cell subsets. Cytometry. Part A : the journal of the International Society for Analytical Cytology, 89(5), 427–429. https://doi.org/10.1002/cyto.a.22808
• [2] Cossarizza, A., Chang, H. D., Radbruch, A., Abrignani, S., Addo, R., Akdis, M., Andrä, I., Andreata, F., Annunziato, F., Arranz, E., Bacher, P., Bari, S., Barnaba, V., Barros‑Martins, J., Baumjohann, D., Beccaria, C. G., Bernardo, D., Boardman, D. A., Borger, J., Böttcher, C., … Yang, J. (2021). Guidelines for the use of flow cytometry and cell sorting in immunological studies (third edition). European journal of immunology, 51(12), 2708–3145. https://doi.org/10.1002/eji.202170126
• [3] Andersen, M. N., Al‑Karradi, S. N., Kragstrup, T. W., & Hokland, M. (2016). Elimination of erroneous results in flow cytometry caused by antibody binding to Fc receptors on human monocytes and macrophages. Cytometry. Part A : the journal of the International Society for Analytical Cytology, 89(11), 1001–1009. https://doi.org/10.1002/cyto.a.22995
• [4] Hulspas, R., O'Gorman, M. R., Wood, B. L., Gratama, J. W., & Sutherland, D. R. (2009). Considerations for the control of background fluorescence in clinical flow cytometry. Cytometry. Part B, Clinical cytometry, 76(6), 355–364. https://doi.org/10.1002/cyto.b.20485
• [5] Roederer M. (2001). Spectral compensation for flow cytometry: visualization artifacts, limitations, and caveats. Cytometry, 45(3), 194–205. https://doi.org/10.1002/1097‑0320(20011101)45:3<194::aid‑cyto1163>3.0.co;2‑c
• [6] Nguyen, R., Perfetto, S., Mahnke, Y. D., Chattopadhyay, P., & Roederer, M. (2013). Quantifying spillover spreading for comparing instrument performance and aiding in multicolor panel design. Cytometry. Part A : the journal of the International Society for Analytical Cytology, 83(3), 306–315. https://doi.org/10.1002/cyto.a.22251