细胞级荧光定量分析平台

    TissueQuest（TQ）细胞级荧光定量分析平台是针对组织原位单细胞进行自动识别及定量的软件，用于解决荧光样本中，不同类型细胞的细胞核/质/膜上特异性染色信号筛选。根据样本染色情况、及细胞的形态特征，精准分析不同实验组之间的数据差异。

    TQ采用样本导入+一键分析的精简操作模式，再根据数据定量分析的结果，利用散点图正反向回溯工具，针对样本差异性,调整分析参数。这种反复校验的数据获取流程，基于强大的软件图像运算能力，实时得到切片所包含的大数据信息，引导研究者最终获得反映样本实际情况的数据结果。

技术特点

细胞核识别算法

多种细胞质形态学识别模式

细胞表型原位分析

正反向回溯

FISH分析

多种数据呈现模式

正反向回溯验证

    组织、细胞数据分析中运用正反向回溯功能，支持从图像到数据的正向分析，也支持从数据结果到图像的反向回溯验证，将影像与分析结果紧密结合，实现数字化图像、散点图及数据间的三方面实时联动。对数据有效性进行独立重复的验证，精准衡量组织细胞信号拆分辨识结果，保证样本识别的精度、阳性率划分的阈值或是追溯阳性信号在组织中的原位信息的可靠性，更进一步帮助研究者快速定位分化干细胞等稀有细胞亚群。

多种细胞质形态学识别

    在关于细胞质识别的运算过程中，TG不仅利用市场上常见的细胞椭圆拟合算法（Ring Mask），计算固定的细胞外围轮廓，还可根据样本中细胞质染色的真实外围轮廓，进行marker精准识别（Growing Mask），并计算统计其多个细胞染色情况及形态学相关参数。利用两种算法的自由组合，既实现识别算法的选择独立性，又达到大范围复杂细胞多样性的精准辨识数据真实性。

数据群圈选统计

    组织流式定量分析技术赋予每个细胞多个分析参数，配合Gate和Input Gate功能，可供使用者筛选特定的感兴趣细胞亚群。

利用 Gate 工具根据细胞核大小、染色强度差异能够准确筛选出有消息报，并且排除粘连细胞和细胞碎片（左侧散点图）。新建散点图仅分析有效细胞（右侧散点图），利用 Gate 可进一步将有效细胞划分成不同 marker 表达强度群体，简单实现marker 表达强度准确统计。

细胞表型原位共表达分析

    细胞的共表达分析，一直是免疫荧光样本中重要却十分繁琐的步骤，尤其是多标样本的准确分析更是大家经常面临的难题，在这里TG简化分析步骤，利用流式散点图中设GATE门进行细胞筛选的分析思路，对免疫荧光样本拆分后的各通道细胞逐层设门、实时降维分析，最终得到目的细胞数量及原位分布等信息，精简而高效的分析流程，再利用反向回溯功能使共标记的目的细胞群在样本中一目了然。