流式研习社丨光谱流式细胞术的技术价值：它解决了哪些常规流式难题？

上一篇我们讨论了光谱流式与常规流式最核心的原理差异：常规流式用补偿矩阵逐通道"减去"溢出信号，光谱流式则采集每个细胞的完整发射光谱，通过数学解混（unmixing）同时分离所有荧光素的贡献。了解原理之后，一个更实际的问题自然浮现：这些差异，在实际实验中究竟解决了哪些具体的麻烦？

一、自发荧光：光谱流式优势最明显的应用场景之一

在流式细胞术里，自发荧光大概是让操作者最无奈的存在。它以背景噪声的形式存在于每一个细胞里，压缩信噪比，干扰弱阳性群体的识别，而且用传统的方法几乎没有办法真正消除。

为什么传统补偿无法处理自发荧光

传统补偿能发挥作用，有一个前提：溢出信号的来源必须是已知的、确定的荧光素。补偿矩阵的建立依赖于每种荧光素的单染对照——你知道FITC会向PE通道溢出多少，就可以设定系数把它减掉。自发荧光完全不符合这个前提。细胞的自发荧光是多种内源性分子的混合发射，包括NADH、FAD、脂褐素、胶原蛋白等，不对应任何已知荧光素的光谱特征。你根本无法设立一个"自发荧光单染管"纳入补偿体系。更麻烦的是，不同细胞类型之间自发荧光的强度差异可以达到数倍甚至数十倍。巨噬细胞是所有免疫细胞里自发荧光最强的之一，其荧光发射几乎覆盖整个可见光谱；而淋巴细胞的自发荧光相对较低。当这两类细胞同时存在于一管样本中时，常规流式没有任何工具可以针对性地处理这种异质性背景。

有研究曾报道，小鼠骨髓、脾脏、肝脏、淋巴结和胸腺中存在Foxp3阳性巨噬细胞亚群，后续研究发现原本被解释为FoxP3阳性的部分信号，实际上主要受到高自发荧光背景的影响。该案例提示，在高自发荧光组织中，自发荧光不仅会降低分辨率，还可能影响实验结果的解释。

图1. 小鼠骨髓巨噬细胞里Foxp3+信号，反设门后发现阳性信号与自发荧光细胞群重合（图源：DOI: 10.1016/j.jim.2012.08.014）

光谱流式的处理逻辑

光谱流式的unmixing框架不要求每个信号来源都是外源荧光素。你可以把未染色细胞的自发荧光光谱作为一个独立的"组分"纳入解混方程，让算法在分离各荧光素贡献的同时，也把自发荧光的成分单独提取出来。这在数学上与处理其他荧光素完全一致，但结果却不同：自发荧光不再只是被动接受的背景噪声，而是可以作为独立光谱组分参与拆分，并进一步作为独立参数进行分析。

面对复杂的生物样本，这一能力的价值尤其明显。肝脏来源的免疫细胞、肠道固有层的浸润细胞、肺泡灌洗液——这类样本中各细胞群的自发荧光特征差异很大，且在炎症、纤维化等病理状态下还会动态变化。光谱流式可以在同一样本中识别并分别处理多种不同来源的自发荧光特征，而不是用一个统一的背景去粗糙地扣除。

图2.光谱流式区分自发荧光（图源：DOI: 10.1002/cyto.a.24211）

二、Tandem染料的"静默失效"：几乎没人提的数据质量风险

在所有光谱流式真正解决的问题里，这一个最少出现在厂商介绍中，但对实验数据质量的实际影响却相当广泛。

Tandem染料是怎么"悄悄失效"的

PE-Cy7、APC-Cy7、BV786这类Tandem染料依赖FRET原理工作：donor荧光素（PE或BV等）吸收激发光，把能量传递给acceptor（Cy7等），由acceptor在更长波段发射荧光。这个能量传递过程在实验条件下并不是永久稳定的——光照、温度、反复冻融都会让donor和acceptor之间的偶联效率逐渐下降，即解偶联（uncoupling）。

定量数据显示，APC-Cy7等Tandem染料的降解速率还与细胞类型有关——同一管样本中，单核细胞携带的Tandem染料降解程度可以显著高于淋巴细胞。

图3. Tandem染料解耦联（图源：DOI: 10.1002/cyto.a.20774）

解偶联之后，原本应该由acceptor发射的荧光，变成由donor在自己的波段发射出来。对于PE-Cy7来说，就是PE通道（约575 nm附近）出现了额外信号，Cy7通道（约785 nm）的信号减弱。

为什么常规流式发现不了这个问题

常规流式的每个检测器只看自己带通范围内的总信号。PE-Cy7发生解偶联后，PE通道信号升高——操作者看到的现象是"PE-Cy7向PE通道有泄漏"，直觉反应是补偿没做好，于是调高补偿系数。补偿调整之后，数据在视觉上恢复了"正常"——但这个"正常"是用错误的补偿设定强行修正的。PE-Cy7实际携带的生物信号已经部分失真，Tandem染料降解这件事本身也被补偿操作掩盖掉了。没有任何报错，FCS文件格式上完全完整，数据看起来毫无问题。

这就是"静默失效"的本质：错误不被系统标记，以看似正常的形式留在数据里。对于多批次实验或多中心协作，不同批次的Tandem染料降解程度不一致，而补偿设定又系统性地掩盖了这种差异，跨批次数据的可比性因此受到影响，而研究者往往浑然不知。

光谱流式让问题从"隐形"变成"可见"

在光谱流式中，每个细胞的完整光谱被记录下来。PE-Cy7正常状态与解偶联状态的全谱特征是不同的：正常时能量主要由Cy7在785 nm附近发射，解偶联后PE在578 nm附近有额外的donor发射峰。当用正常PE-Cy7的参考光谱去拟合一个部分解偶联的样本时，unmixing的拟合残差会增大——这是一个可以被量化检测的信号，提示参考光谱与实测光谱存在系统性不一致，即Tandem染料的实际状态与参考不符。

光谱流式不能修复已经降解的Tandem染料，但它把这个问题从"看不见的错误"变成了"可以检测到的异常"。换句话说，光谱流式并没有阻止Tandem染料降解，但它提高了发现问题的能力，使原本隐藏在补偿矩阵中的误差变得可追踪、可评估。这对实验质量管理是一个实质性的提升，在长期纵向研究和多中心合作中尤其有价值。

三、补偿Spreading Error：一个被长期低估的数学问题

如果说自发荧光是流式操作中感受得到的痛点，那么spillover spreading error（溢出扩散误差）则是一个更隐蔽、但同样真实的限制——它不以任何明显的方式报错，却在悄悄给你的数据质量设置天花板。

传统补偿的逻辑是：把其他荧光素溢入目标通道的那部分信号减掉。从直觉上看，这是把干扰去掉，数据应该变得更干净。
但事情没有这么简单。补偿减掉的那个溢出信号本身并不是一个精确的数，它是一个带有测量误差的估计值。当你把两个各带误差的数相减，结果的不确定性不是减少，而是叠加——这是基本的误差传播定律，任何数学操作都无法绕过。
Roederer于2001年系统描述并命名了这一现象：补偿操作之后，被补偿通道里的群体分布会变宽，而且变宽的幅度与溢出荧光素的亮度的平方根成正比。荧光素越亮，补偿之后的扩散越严重。

图4. Spreading Error

用实验室的视角来描述：在一个含有PE的高参数Panel里，PE通道旁边的荧光素通道，即使补偿的均值是准确的，阴性群的分布也会被"拉宽"。如果你要检测的是一个弱阳性群体，它可能就淹没在这个被拉宽的阴性群里，无法区分。

这种困难不是仪器灵敏度不够，也不是操作者补偿没做好——是补偿这个操作本身造成的数学上的分辨率限制。颜色数越多，各个方向的spreading error相互叠加，问题越严重。这也是为什么常规流式在超过20个颜色之后，Panel设计会变得格外困难，每增加一种荧光素都要反复权衡它会给其他通道带来多大的扩散代价。

光谱unmixing在这里做了什么不同的事

光谱流式的unmixing用最小二乘拟合在全光谱维度上同时求解所有荧光素的贡献，而不是一个通道一个通道地依次相减。这是一个全局优化过程，对误差的传播方式和逐通道减法有本质差异。

需要如实说明的是：光谱unmixing并非完全免疫于方差传播——当两个荧光素的全谱特征非常接近时（高共线性），unmixing同样会出现数值上的不稳定。但它在架构上为处理多组分、高参数场景提供了更合理的数学基础，因此，在部分高参数Panel中，光谱流式能够更好地维持群体分辨率。但需要指出的是，抗原检测灵敏度仍同时受到荧光素亮度、仪器性能以及实验设计等多种因素影响。

四、区分光谱相近的荧光素：Panel设计逻辑的真正转变

这一点经常被表述为"光谱流式可以用更多颜色"。这没有错，但背后更有价值的含义被遮蔽了：光谱流式改变的是Panel设计时的逻辑起点。

常规流式Panel设计有一条近乎铁律：发射峰相近、激发波长相同的荧光素不能同时使用。FITC（519 nm）和BB515（515 nm）是不可兼容的，PE（578 nm）和mCherry（610 nm）几乎不可能共存。这个约束是真实的——两种荧光素的发射光谱在传统的带通滤片体系里严重重叠，任何补偿都解决不了这个问题。

光谱流式通过全谱比对而非单点检测来区分荧光素。即使两个荧光素的发射峰非常接近，只要它们在整体光谱形态上存在可区分的差异，unmixing就可以将它们分离。实验已证明，Qdot 705和BV711、V450与BV421等在常规流式里被视为"不可兼容"的荧光素对，在光谱流式上可以同时使用并正常区分。

图5. (A) Qdot 705和BV711这两种染料的发射光谱高度重叠 (B) 这两种染料可以被用在全光谱流式中(C)Qdot 705和BV711用于识别CD8和CD56(D)APC和Alexa Fluor 647在光谱流式种共用结果

对实验者来说，这带来的是设计思路的转变。过去做Panel设计，常常面临这样的处境：想给某个低表达抗原配一个亮荧光素，偏偏那个荧光素和已有的某个荧光素"太近"，只好换一个亮度差一些的。这种妥协一旦发生，dim population的分辨率就下来了，而且这类上游设计妥协往往会贯穿整个实验，影响的是最终数据质量的上限。

光谱流式让这种妥协的发生频率大幅降低。Panel设计可以更多地从生物学需求出发——这个marker弱，先把最亮的荧光素留给它——而不是先绕开光学约束，再在剩下的荧光素里凑合。

五、数据可重复性：一个值得认真对待的长期问题

常规流式的补偿设定在原则上有标准化方法（使用抗体捕获珠、阴阳性群峰值对齐等），但在实际执行中，补偿值的判断不可避免地包含操作者的主观判断，尤其在手动微调时。不同操作者、不同日期、不同批次试剂下设置的补偿，往往存在微小但积累的差异。单次实验里这些差异通常看不出来。但在多批次纵向研究或多中心合作中，补偿设定的不一致是数据可比性的潜在威胁。真实的多中心研究实践表明，跨仪器、跨机构的流式数据标准化是一个真实存在的工程问题，需要额外投入大量的标准化流程设计来弥补。

光谱流式的unmixing依赖参考光谱——每种荧光素在当前仪器状态下的完整发射特征。这些参考光谱可以精确测量、数字化存储，并在不同批次之间进行定量比对。仪器状态稳定时，参考光谱应高度重现；一旦出现漂移，可以被定量检测到。相比补偿值的主观判断，这提供了一种更客观的质控基础。
在仪器配置相同的条件下，不同实验室共享同一套参考光谱在理论上是可行的，从而减少站点间的系统性差异。研究者已建议将光谱流式的抗体Panel信息公开存储至可共享数据库，以推动这一层面的方法标准化。

结语

上述问题看似彼此独立，但本质上都指向同一个限制：常规流式主要利用有限检测通道中的荧光强度信息，而光谱流式利用的是完整发射光谱信息。信息维度的增加并没有改变荧光信号本身的物理规律，却为研究人员提供了更多解析复杂信号的可能性。从自发荧光识别到spreading error控制，从相近荧光素区分到Tandem染料异常监测，光谱流式真正改变的并非颜色数量，而是解析信号的方式。光谱流式采集全谱信息这一底层改变所带来的系统性效应。这也是为什么在评价光谱流式的价值时，如果只停留在"可以跑更多颜色"这个层面，会错过大部分真正重要的内容。

当然，光谱流式也有自己的代价：unmixing对参考光谱的质量依赖性远高于常规流式对单染对照的依赖，一个不准确的参考光谱带来的影响会覆盖整个Panel而不是局限在某个通道。

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] Roederer M. Spectral compensation for flow cytometry: visualization artifacts, limitations, and caveats. Cytometry. 2001;45(3):194-205.
• [2] Daemen S, et al. Managing Autofluorescence in Spectral Flow Cytometry for Macrophage Identification in the Liver. European Journal of Immunology. 2026. doi: 10.1002/eji.70217.
• [3] Schaefer PM, et al. NADH Autofluorescence—A Marker on its Way to Boost Bioenergetic Research. Cytometry Part A. 2019;95(1):34-46.
• [4] Abir AH, Weckwerth L, Wilhelm A, et al. Metabolic profiling of single cells by exploiting NADH and FAD fluorescence via flow cytometry. Molecular Metabolism. 2024;87:101981.
• [5] Bertolo A, Baur M, Guerrero J, Pötzel T, Stoyanov J. Autofluorescence is a Reliable in vitro Marker of Cellular Senescence in Human Mesenchymal Stromal Cells. Scientific Reports. 2019;9(1):2074.
• [6] Roederer M. Spectral compensation for flow cytometry: visualization artifacts, limitations, and caveats. Cytometry. 2001;45(3):194-205.
• [7] Schmutz S, Valente M, Cumano A, Novault S. Spectral Cytometry Has Unique Properties Allowing Multicolor Analysis of Cell Suspensions Isolated from Solid Tissues. PLoS ONE. 2016;11(8):e0159961.
• [8] Hulspas R, O'Gorman MRG, Wood BL, Gratama JW, Sutherland DR. Flow cytometry and the stability of phycoerythrin-tandem dye conjugates. Cytometry Part A. 2009;75(12):1002-1009.
• [9] Le Roy C, Varin-Blank N, Ajchenbaum-Cymbalista F, Letestu R. Flow cytometry APC-tandem dyes are degraded through a cell-dependent mechanism. Cytometry Part A. 2009;75(10):882-888.
• [10] Le Lann L, Jouve PE, Alarcón-Riquelme M, et al. Standardization procedure for flow cytometry data harmonization in prospective multicenter studies. Scientific Reports. 2020;10(1):11567.
• [11] Cosma A, Quintana-Murci L, Holtmann H, et al. A practitioner's view of spectral flow cytometry. Nature Methods. 2024;21(5):740-743.
• [12] Li, F., Yang, M., Wang, L., Williamson, I., Tian, F., Qin, M., Shah, P. K., & Sharifi, B. G. (2012). Autofluorescence contributes to false-positive intracellular Foxp3 staining in macrophages: a lesson learned from flow cytometry. Journal of immunological methods, 386(1-2), 101–107.