流式研习社丨光谱流式的适用边界：基于触发条件与成本效益的技术选型分析

在前两篇系列文章中《 光谱流式与常规流式：补偿与光谱拆分的比较分析》《光谱流式细胞术的技术价值：它解决了哪些常规流式难题？》，我们分别梳理了光谱流式与常规流式的检测原理差异，以及光谱流式针对性解决的常规流式核心痛点——自发荧光干扰、spreading error限制分辨率、相近荧光素冲突、Tandem染料降解风险。

既然光谱流式能够实现远超常规流式的多色检测能力，是否意味着常规流式已经成为落后技术？是否所有流式实验都应当向光谱平台迁移？两种技术该怎么选？技术上的先进性并不等同于场景上的普适性。对大量常规研究而言，常规流式凭借成熟的方法体系、稳定的检测结果与更低的运行成本，仍然是高效可靠的选择；而在另一部分特定研究场景中，光谱流式的技术特性具备常规流式难以替代的价值。比起抽象地比较两种技术的优劣，更具操作意义的判断标准是：哪种技术更适配具体的科学问题与实验场景。

具体来说，这种“适配”可以拆成两层判断：一是技术优势能否被实际触发，这取决于科研问题类型、Panel设计逻辑和样本自发荧光水平；二是即便触发条件成立，投入产出是否与技术收益相匹配——这就需要厘清光谱流式容易被忽略的隐性成本。

一、基础判断：技术优势的发挥取决于触发条件是否成立

很多人接触光谱流式后，会有一种“技术升级”的默认认知：既然它能解决常规流式的这么多痛点，那条件允许的话，似乎选择光谱平台总归更稳妥。但实际上，光谱流式所有的技术优势，都有明确的触发条件。你的实验会不会遇到这些问题，才是选型的第一判断标准——如果问题本身不存在，再强的技术优势也无从发挥。

在一些常见的场景里，光谱流式的价值有限，例如常规的6色PBMC免疫表型检测，用CD3/CD4/CD8/CD19/CD56搭配死活染料，荧光搭配没有相近荧光素冲突，样本本身自发荧光低，基本不使用串联染料，常规流式和光谱流式的检测结果几乎没有差异，但前者实验流程更短、耗材成本更低，显然是更优选择。反过来，如果实验本身就面临荧光素串色、自发荧光掩盖信号的问题，光谱流式才值得投入。

决定“触发条件是否成立”的，本质上是三个变量：实验所要回答的科研问题类型、Panel本身的荧光素组合逻辑，以及样本自身的自发荧光水平。

二、科研问题类型：探索性研究与验证性研究的信息密度差异

科研设计本身存在两种不同的信息需求，这个区分，某种程度上比"实验室现在有什么仪器"更早决定你需不需要光谱流式。

探索性研究往往需要在同一次实验中，从同一批细胞身上获取尽可能多的信息，如多个标志物的联合表达信息：哪几个标志物会同时出现在同一类细胞上，某个尚未命名的细胞亚群究竟由哪一组标志物组合定义。这类单细胞层面的联合表达（co-expression）信息，一旦拆分成多个小Panel分别检测、再事后按比例拼接，细胞与细胞之间的对应关系就已经丢失，无法靠统计学方法弥补。比如想要在外周血单个核细胞中无偏地解析T、B、NK、单核及树突状细胞的完整亚群结构，并同时记录其活化和功能状态，往往需要在单次实验中同时纳入二十个甚至更多个标志物。

验证性研究则相反：标志物通常已经由前期数据或文献确定，实验目的是针对一个具体假设给出统计学上可靠的确认。比如验证某种处理是否使T细胞上调CD69、CD25等活化标志物，配合一两个谱系标记和活/死染色，通常4~8种荧光素就足以覆盖实验需求，并不需要在单次实验中纳入更多维度——这也正是上一节那个6色PBMC检测属于"价值有限"场景的根本原因。

这种信息需求上的差异，直接决定了Panel设计是否会面临荧光素组合复杂、相互干扰的局面。

三、Panel设计逻辑：决定技术优势的是荧光素组合关系，而非颜色数量

业内常流传“15色以上建议用光谱流式”的说法，很多人把它当成硬性标准。但颜色数量其实是最表面的指标，真正决定你需不需要光谱流式的，是Panel内部荧光素的组合逻辑。

Spreading error的大小，从来不是由颜色总数决定的，而是取决于检测器中混入的荧光素数量、荧光素间的溢出程度，以及荧光素本身的发光强度。一个设计糟糕的10色Panel，可能比一个搭配合理的15色Panel，在常规流式上的表现还差。光谱流式的优势，往往不是在某个固定的颜色数节点突然显现，而是当Panel出现以下任意一种情况时，价值才会凸显：

• •    亮荧光素与低表达的暗marker相邻使用，亮荧光素的溢出会大幅压缩暗marker的分辨率；
• •    需要同时使用多个发射光谱相近、传统滤光片体系难以分离的荧光素；
• •    高参数Panel中，spreading error已经影响到弱表达群体的准确分群。

图1. 亮荧光素与低表达的暗marker相邻使用导致分辨率降低，左图阳性细胞群明显出现扩散，右图显示扩散误差与信号强度成正比（图源：DOI: 10.1002/eji.202170126）

例如：同样是8色Panel，如果靶标都是CD3、CD4这类高表达抗原，搭配FITC、PE、APC等光谱间隔清晰的荧光素，常规流式的补偿矩阵条件数会非常好（条件数越好，意味着补偿矩阵越稳定，解谱误差越小），分群清晰稳定。但如果你的8色Panel里，需要把PE这种强亮度荧光素搭配一个低表达的暗marker，还要同时用PE-Cy7和APC-Cy7两种光谱接近的染料，那常规流式的补偿调节难度比较大，亮荧光的溢出会影响暗marker的信号，这时候换光谱流式，分辨率会有明显的提升。

即便是四十色的超高参数Panel，设计核心也是系统评估荧光素亮度、抗原表达水平与光谱相似度的搭配，而非单纯堆砌颜色数量。颜色数是Panel设计的结果，不是选择技术平台的依据。

四、样本类型：自发荧光水平决定技术优势的实现程度

如果说Panel设计决定了光谱流式能不能发挥优势，那样本类型就决定了这个优势有多大。其中最核心的变量，就是自发荧光。

图2. 自发荧光对实验结果的影响，左侧图去除自发荧光，右侧图未去除自发荧光（图源：DOI: 10.3389/fbioe.2022.827987）

光谱流式最不可替代的价值之一就是对高自发荧光样本的处理能力，但这个价值成立的前提，是样本本身确实存在高强度、异质性的自发荧光背景。对于新鲜PBMC、悬浮培养细胞系这类自发荧光水平很低的样本，光谱流式的自发荧光提取能力基本没有用武之地，两种平台的检测结果不会有实质性差异。结合自发荧光的特点，以下几类样本场景，通常更容易体现光谱流式的优势：

• •    实体组织消化液：实体组织来源的细胞，自发荧光不仅强度高，而且不同细胞类型的光谱特征差异很大，是常规流式最棘手的场景之一。比如肿瘤组织、肝脏、肺脏的消化样本，常规流式里自发荧光会和多个荧光通道重叠，严重干扰分群；光谱流式可以把自发荧光作为独立信号拆分出来，分辨率有显著提升。
• •    固定后样本：固定处理会改变细胞的自发荧光特性，普遍提升背景噪音，而且固定时间、固定剂配方的差异，还会让自发荧光的特征发生变化，常规流式很难统一校正。光谱流式可以针对固定后的样本提取对应的自发荧光光谱，有效降低背景干扰。
• •    富含巨噬细胞的样本：巨噬细胞是自发荧光最强的免疫细胞类群之一，而且不同功能状态的巨噬细胞，自发荧光的光谱和强度都不一样。比如肝脏巨噬细胞、肿瘤相关巨噬细胞，在常规流式里很容易因为自发荧光干扰，无法准确区分亚群；光谱流式不仅能扣除干扰，甚至可以把自发荧光本身作为一个分群参数，区分不同吞噬功能的亚群。
• •    高背景器官组织：比如小鼠肺组织，本身就存在多种不同的自发荧光谱型，常规流式无法逐一区分扣除，光谱流式则可以针对性处理。

判断的核心逻辑其实很简单：自发荧光是否已经实质性影响了你关心的目标群体的分辨——如果有，光谱流式的优势就会体现出来；如果没有，两种平台的差异可能并不明显。

五、隐性成本评估：方法学投入与技术收益的匹配关系

科研问题类型、Panel设计逻辑与样本自发荧光水平，决定的是光谱流式的技术优势能否被实际触发。但触发条件成立，并不等同于这项技术在投入产出上同样合理——这就涉及隐性成本的评估。谈到这里，绕不开成本问题。多数人会先算仪器采购、试剂耗材这些显性成本，但光谱流式真正容易被低估的，是方法学层面的隐性成本——这些成本不会体现在报价单里，却会实实在在消耗实验时间与人力。

首当其冲的是单染对照的精度门槛。和常规流式的补偿对照不同，光谱流式的单染对照的质量要求更严格，对试剂批次、细胞类型、仪器状态都很敏感，这被认为是光谱流式实验中最耗费人力的环节之一。例如Tandem染料必须用同一批次，而且不能一次制备长期使用——不同Tandem染料的光降解速率差异很大，降解后的染料光谱会发生偏移，直接影响拆分准确性，需要定期重新验证。

图3. 使用不同批次的Tandem染料导致光谱unmixing出现误差（图源：DOI: 10.3390/ijms26125911）

其次是分析门槛的转移。很多人觉得光谱流式不用调补偿，操作更简单。实际上它只是把常规流式的补偿调整，换成了信号拆分的质量控制：判断拟合残差是否合理、识别拆分伪影、排查对照问题，这些都需要全新的知识体系，不是靠常规流式的经验就能直接迁移的，团队的学习成本是持续性的，而非一次性投入。

除此之外，全光谱数据的体量更大，下游高维分析的预处理步骤也更多，数据清洗、批次校正、尺度转换这些工作，在大规模筛选实验中会被成倍放大。如果用到新型荧光染料或者定制偶联物，还可能遇到商业光谱库没有覆盖的情况，需要自行制备验证参考光谱，前期的工作量会进一步增加。这些成本不是不能承担，而是要和实验的技术收益匹配。如果只是短期做一次低参数验证实验，这些隐性成本会远大于光谱流式带来的收益。

结语

光谱流式解决的是一组具体、真实的技术问题，但这些问题并非存在于所有流式实验中——它不是常规流式的全面升级替代版，而是针对特定痛点的专项强化方案。技术选型的核心，从来不是追逐最前沿的技术，也不是抽象地比较两种平台谁更先进，而是需要同时满足两个条件：技术优势是否被实际触发——这取决于科研问题类型、Panel设计逻辑与样本自发荧光水平；以及触发条件成立后，隐性成本是否与技术收益相匹配。两个条件均成立，才是真正适合选择光谱流式的场景；若仅满足其一，常规流式可能仍是更稳妥的选择。

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] Wanner, N., Barnhart, J., Apostolakis, N., Zlojutro, V., & Asosingh, K. (2022). Using the Autofluorescence Finder on the Sony ID7000TM Spectral Cell Analyzer to Identify and Unmix Multiple Highly Autofluorescent Murine Lung Populations. Frontiers in bioengineering and biotechnology, 10, 827987. https://doi.org/10.3389/fbioe.2022.827987
• [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] Bourdely, P., Petti, L., Khou, S., Meghraoui-Kheddar, A., Elaldi, R., Cazareth, J., Mossadegh-Keller, N., Boyer, J., Sieweke, M. H., Poissonnet, G., Sudaka, A., Braud, V. M., & Anjuère, F. (2022). Autofluorescence identifies highly phagocytic tissue-resident macrophages in mouse and human skin and cutaneous squamous cell carcinoma. Frontiers in immunology, 13, 903069. https://doi.org/10.3389/fimmu.2022.903069
• [4] Astakhova, E. A., Gubaeva, A. S., Naumova, D. A., Egorova, A. E., Maznina, A. A., Rybkina, I. G., Osmanov, I. M., Tabakov, D. V., Mityaeva, O. N., & Volchkov, P. Y. (2025). Spectral Flow Cytometry: The Current State and Future of the Technology. International journal of molecular sciences, 26(12), 5911. https://doi.org/10.3390/ijms26125911