同一份流式原始数据，交由不同人员分析，最终得到的阳性细胞比例甚至可能相差数倍。造成差异的原因，很多时候并不在仪器灵敏度或抗体本身，而在于圈门策略。门的位置如何设定、哪些事件被纳入统计、哪些细胞被提前排除、阳性边界如何定义，都会直接改变最终结果。流式圈门本质上并不是“画几个门”，而是在不断回答一个核心问题：哪些事件，才是真正具有生物学意义的目标细胞。因此，一套可靠的圈门体系，本质上是一套数据纯化与细胞定义体系。若前期圈门逻辑出现偏差，后续所有统计结果都可能建立在错误群体之上。
一、数据质控：圈门前的必要清洗
数据质控的核心目的，并不是单纯“清理杂点”，而是尽可能减少非生物学因素对后续分析的干扰。液流波动、细胞碎片、双联体、死细胞以及非目的细胞，都可能在后续统计中被误识别为真实阳性事件，因此需要在正式分析前逐步排除。
1. Time门
通过绘制“Time–散射光/荧光”散点图，可监测信号强度与事件率的稳定性。液路气泡、样品沉淀或管路阻力变化均会导致信号瞬时波动，这些区段内的事件不可靠。
图1. 通过Time门排除液流不稳定信号（图源：OMIP-022）
若时间信号出现明显中断或漂移，相应区段应直接舍弃，后续分析完全基于均一稳定的采集区间。这一步骤在许多常规分析中被省略，却直接决定了数据背景的干净程度。
2. FSC/SSC初筛
利用前向角散射光与侧向角散射光大致区分细胞碎片、目的细胞群及非细胞颗粒，初步定位目标群体所在区域。
图2. 不同样本FSC/SSC结果图
不同样本类型的散射光分布差异极大。组织解离样本含较多细胞碎片和纤维，培养细胞系散射特性又有不同。切忌不加辨析地套用文献或既往模板的坐标范围，必须基于当前样本的FSC/SSC图谱，确认目标群体真实位置。
3. 排除粘连体
两个或更多细胞通过细胞间互作、DNA黏连等粘在一起，通过激光照射时会表现为一个单一事件。若此类双联体/多联体未被排除，一个粘连事件可能同时携带两种不同谱系标记，被错误识别为“双阳性”细胞，扭曲真实共表达比例。
排除粘连体依赖脉冲信号几何属性：利用脉冲面积（A）与高度（H）或宽度（W）的关系，单细胞呈现A与H的线性比例，而粘连体则偏离该趋势，通常用FSC-A/FSC-H或FSC-W散点图进行圈选。
图3. 排除黏连体
组织解离样本、凋亡细胞或某些黏附性强的细胞（如单核/巨噬细胞、树突状细胞）粘连尤为严重，即使通过单细胞门，也须警惕残留的微小粘连体。门界不可过窄或过宽：过度切除会损失真实单细胞，过度包容会残存粘连体，一般以包纳主群体单细胞直线分布区为度。
4. 排除死细胞
仅凭FSC/SSC无法可靠区分死活，死细胞膜通透性增高，会大量非特异性吸附抗体，导致各荧光通道背景异常升高，产生严重假阳性，且死细胞释放的DNA可促进细胞粘连。因此，必须引入活性染料（如Zombie系列、Live/Dead Fixable系列）标记死细胞。
图4. 死细胞对实验结果的干扰
死细胞带来的非特异性信号对某些荧光素尤为显著，串联染料（Tandem dye）对死细胞的非特异性吸附更为敏感，易产生“假双阳”或连续表达的假象。
在实际流式分析中，需要被排除的往往不只有死细胞，还包括各种会干扰目标群体判定的非目的细胞。很多实验会同时采用“Dump channel”策略，通过负向标志物提前去除无关细胞群。例如，在分析淋巴细胞或T细胞时，常联合使用CD14、CD19等指标排除单核细胞与B细胞；分析NK细胞时，则常通过CD3排除T细胞。部分复杂组织样本中，还可能加入CD66b、Ter119等标志物进一步排除粒细胞或红系细胞。
图5. 负向标志物及死活染料排除非目的细胞
需要强调的是，数据质控并不存在完全固定的标准流程。Time门、FSC/SSC初筛、粘连体排除、死细胞排除等步骤，其先后顺序可根据样本类型、仪器状态及实验目的灵活调整，也并非每项实验都必须完整执行全部步骤。例如，部分高质量PBMC样本可能无需严格Time门清洗；而组织解离样本、肿瘤样本或长时间采集样本，则往往需要更加严格的数据清洗流程。真正关键的并非“是否机械执行固定步骤”，而是确保最终进入分析的事件具有稳定、可信且可重复的生物学意义。
二、细分细胞亚群
最常用的设门策略是顺序设门法。其核心在于通过层层限定，不断提高目标群体纯度。每一步门的建立，都依赖上一层已净化后的细胞群体，而不是重新回到全部原始事件。
以OMIP-029分析NK细胞亚群分析为例：
图6：OMIP-029分析NK细胞亚群
Time排除不稳定信号，FSC-A/H排除粘连体，再通过死活染料排除死细胞，然后FSC/SSC圈出淋巴细胞，CD3/CD4圈出T细胞群，在剩余CD3-CD4-细胞群中通过CD16/CD56排除CD16-CD56-细胞，最后圈出CD2+的NK细胞群。
值得注意的是，NK细胞并不是简单通过CD56单一指标直接定义。若在全部事件中直接分析CD56，单核细胞、活化T细胞甚至部分死细胞背景均可能进入统计范围。因此，OMIP-029先通过CD3/CD4排除T细胞相关群体，再在剩余细胞中结合CD16/CD56界定NK细胞范围，最后进一步利用CD2提高细胞群纯度。这种“先排除、再定义”的思路，是流式圈门中非常典型的逻辑。
流式圈门本质上是一种“递进式纯化”过程。前层门决定后层分析基础，而后层门则不断提高目标群体定义精度。不同实验目的决定了圈门路径并不存在固定模板。例如，PBMC样本通常以淋巴细胞区域作为主要分析入口；肿瘤组织由于碎片与坏死细胞较多，往往需要更严格的死细胞与杂质排除；骨髓样本则需结合SSC特征区分不同发育阶段细胞。
因此，文献中的经典圈门路径只能作为参考框架，而不能机械照搬。真正合理的设门策略，应建立在当前样本类型、染色方案及实验目的基础之上。
三、门界的标尺：对照决定门的位置
设门的核心难题始终是“门到底该画在哪里”。科学界公认的门界依据，来自于系统的对照设计。
1. FMO 对照
FMO（Fluorescence Minus One）对照是指含有实验中除目标荧光以外的所有其他染料标记的细胞对照管。其目的是观察目标通道在“理论阴性状态”下的背景范围，从而为划定阳性边界提供参考。多色方案中，每个关键标志物——尤其是弱表达、连续性表达或被视为划分阳性/阴性的标志物——都应有对应的FMO对照。往往是划定阳性边界最可靠的参考之一。
图7. FMO对照设门（DOI: 10.1038/nri1416）
2. 同型对照
同型对照使用与检测抗体相同种属、亚型、荧光素标记但无特异结合能力的抗体。虽然在早期可用于估算非特异结合，但在现代多色流式中，同型对照无法真实反映补偿后的背景，且不同细胞类型非特异结合差异巨大，因此不推荐作为独立设门依据。
3. 生物学对照
如未刺激vs刺激样本、基因敲除vs野生型、中和抗体阻断等，用于验证信号是否由处理因素诱导。生物学对照主要用于说明“是否存在应答”，不适宜作为精确划定阳性门界的唯一凭证。最佳实践是将生物学对照与FMO结合使用：FMO确定阳性边界，生物学对照验证该边界下的生物学合理性。
四、常见问题与解决方案
1. 细胞分群不清晰
不同群体界限模糊，散点图重叠。优化思路包括调整抗体浓度、延长孵育时间、重新调节补偿、增加死活及非目的细胞排除。
2. 阳性信号弱
弱阳性不一定表示抗原表达低。荧光素亮度不足、补偿扩散、固定通透条件不佳均可能压缩阳性群与阴性群的分离度。优化策略应聚焦于提高群体分辨能力，而非单纯增加荧光强度。
3. 非特异性染色
非特异信号可来自抗体过量、孵育过长、Fc受体未封闭或死细胞非特异结合。可通过降低抗体浓度、缩短孵育时间、使用Fc受体封闭剂及严格排除死细胞来改善。
4. 稀有细胞群圈门困难
背景噪音高或阳性/阴性信号重叠，可导致低频细胞难以识别。优化思路包括增加上样细胞数、采用富集技术、使用更灵敏检测方法及结合FMO对照。
总结
圈门不是“画图”，而是定义细胞
很多时候，流式分析结果的差异，并不来自仪器灵敏度或抗体本身，而来自分析者如何定义“哪些细胞值得被统计”。圈门看似只是几个散点图上的边界，实际却是在不断回答一个核心问题：哪些事件是真正具有生物学意义的目标细胞。每一步排除碎片、去除粘连体、清洗死细胞、限定谱系标志物，本质上都是在提高目标群体的纯度与定义精度。
因此，流式圈门从来不是简单的“画门技术”，而是一套建立在样本特性、实验目的、对照设计与生物学逻辑之上的数据筛选体系。前层门决定后层分析基础，而后层门则不断缩小目标群体范围，最终让分析结果尽可能接近真实生物学状态。真正可靠的圈门策略，并不存在完全固定的模板。不同样本、不同实验目的、不同染色方案，都可能改变最佳分析路径。相比机械套用文献中的经典门径，更重要的是理解每一步圈门背后的逻辑：为什么要排除、为什么这样设门、哪些事件不应进入最终统计。只有当圈门逻辑、对照体系与实验目的彼此一致时，流式数据才能真正从“荧光信号”转变为可信的生物学结论。
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。
Reference:
- [1] Mahnke, Y. D., & Roederer, M. (2010). OMIP-001: Quality and phenotype of Ag-responsive human T-cells. Cytometry. Part A : the journal of the International Society for Analytical Cytology, 77(9), 819–820. https://doi.org/10.1002/cyto.a.20944
- [2] Chattopadhyay, P. K., Roederer, M., & Price, D. A. (2010). OMIP-002: Phenotypic analysis of specific human CD8+ T-cells using peptide-MHC class I multimers for any of four epitopes. Cytometry. Part A : the journal of the International Society for Analytical Cytology, 77(9), 821–822. https://doi.org/10.1002/cyto.a.20945
- [3] Graves, A. J., Padilla, M. G., & Hokey, D. A. (2014). OMIP-022: Comprehensive assessment of antigen-specific human T-cell functionality and memory. Cytometry. Part A : the journal of the International Society for Analytical Cytology, 85(7), 576–579. https://doi.org/10.1002/cyto.a.22478
- [4] Mahnke, Y. D., Beddall, M. H., & Roederer, M. (2015). OMIP-029: Human NK-cell phenotypization. Cytometry. Part A : the journal of the International Society for Analytical Cytology, 87(11), 986–988. https://doi.org/10.1002/cyto.a.22728
- [5] Perfetto, S. P., Chattopadhyay, P. K., & Roederer, M. (2004). Seventeen-colour flow cytometry: unravelling the immune system. Nature reviews. Immunology, 4(8), 648–655. https://doi.org/10.1038/nri1416
- [6] Perfetto, S. P., Chattopadhyay, P. K., Lamoreaux, L., Nguyen, R., Ambrozak, D., Koup, R. A., & Roederer, M. (2006). Amine reactive dyes: an effective tool to discriminate live and dead cells in polychromatic flow cytometry. Journal of immunological methods, 313(1-2), 199–208. https://doi.org/10.1016/j.jim.2006.04.007
- [7] Wistuba-Hamprecht, K., Pawelec, G., & Derhovanessian, E. (2014). OMIP-020: phenotypic characterization of human γδ T-cells by multicolor flow cytometry. Cytometry. Part A : the journal of the International Society for Analytical Cytology, 85(6), 522–524. https://doi.org/10.1002/cyto.a.22470
