IMC

Imaging mass cytometry (IMC)

一行要約

IMC (Imaging Mass Cytometry) は金属同位体標識抗体 (最大 40+ markers) で染色した組織切片を UV レーザーでピクセル単位 (1 μm) にアブレーションし ICP-TOF-MS で定量する高多重空間プロテオミクス技術であり、TME アーキテクチャの包括的 mapping (Sorin et al. Nature 2023)、好中球 / マクロファージ / T 細胞の cell-cell interaction 解析 (Enfield et al. CancerDiscov 2024)、IO biomarker の空間的 context 評価 (Desharnais et al. NatCommun 2025) に不可欠な enabling platform であり、Hyperion (Standard BioTools) / MIBI-TOF (IONpath) が二大プラットフォームとして稼働している。

原理

金属標識抗体と染色プロセス

IMC では従来の蛍光色素の代わりに、希土類金属同位体 (141Pr, 142Nd, 143Nd, …, 176Yb 等、原子番号 89-209 の質量範囲) をポリマーキレーターで抗体に結合 (conjugation) させた金属標識抗体を使用する。組織切片 (FFPE 5 μm / 凍結切片) を通常の IHC と同様に抗原賦活化 → ブロッキング → 一次抗体カクテル染色 → 洗浄の工程で処理する。蛍光標識と異なり金属同位体間のスペクトル重複 (spectral overlap) が原理的にゼロであるため、40+ markers の同時染色が compensation なしで可能である。現行の Standard BioTools (旧 Fluidigm) Maxpar conjugation kit は 約50 金属チャネルを提供する。

Hyperion：レーザーアブレーション + ICP-TOF-MS

Hyperion imaging system (Standard BioTools) は染色済み組織切片を 213 nm UV レーザーで 1 μm × 1 μm ピクセル単位にアブレーションする。各レーザーショットで蒸発した金属イオンはアルゴンガスで ICP (inductively coupled plasma) に輸送されイオン化され、TOF-MS (飛行時間型質量分析計) で各金属同位体の質量 / 強度を 200 μs 以内に同時測定する。連続的なラスタースキャンにより、ROI (region of interest) 全体の 2D 金属分布画像を再構成する。典型的な acquisition speed は 200 pixels/sec で、1 mm^2 ROI の取得に約 2 時間を要する。

MIBI-TOF：二次イオン質量分析

MIBI-TOF (Multiplexed Ion Beam Imaging by Time-of-Flight) (IONpath) は一次イオンビーム (酸素 O2^- または セシウム Cs+) を組織切片に照射し、金属標識抗体由来の二次イオンを TOF-MS で検出する。空間分解能は 約260 nm で Hyperion (1 μm) より高く、subcellular compartment (核 / 細胞質 / 膜) レベルの marker localization が可能。スキャン速度は Hyperion と同等〜やや低速であるが、解像度の優位性から細胞表面受容体の分布パターン解析に適する。

データ解析パイプライン

IMC raw data は各金属チャネルの pixel-level intensity image (TIFF stack) として出力される。解析パイプラインは以下の段階を含む： (1) Segmentation: 核マーカー (iridium intercalator / Histone H3) を用いた細胞核検出 → watershed / deep learning (Mesmer / Cellpose) による cell segmentation (2) Single-cell feature extraction: 各 segmented cell の金属チャネル平均強度を抽出し single-cell expression matrix を構築 (3) Cell phenotyping: Clustering (FlowSOM / PhenoGraph / Leiden) またはマニュアルゲーティングで cell type を annotation (4) Spatial analysis: Cell-cell proximity (neighborhood analysis) / spatial interaction score / cellular neighborhood (CN) identification / community detection

Multiplex IF / Spatial Transcriptomics との比較

特性	IMC (Hyperion)	MIBI-TOF	mIF (PhenoCycler/CODEX)	Spatial Tx (Visium/MERFISH)
検出対象	タンパク質 (40+ markers)	タンパク質 (40+ markers)	タンパク質 (40-60+ markers)	mRNA (100-10,000+)
空間分解能	1 μm	約260 nm	約0.5 μm	55 μm (Visium) / 約100 nm (MERFISH)
スペクトル重複	なし	なし	あり (iterative cycling で回避)	N/A
スループット	低 (約1 mm^2/2h)	低	中-高 (whole slide 可)	中
組織破壊	あり (アブレーション)	あり	なし	一部なし
FFPE 適合性	良好	良好	良好	限定的-良好

IMC / MIBI-TOF はタンパク質レベルの高多重空間プロテオミクスに特化し、mIF はスループットと whole-slide スキャンに優位、spatial transcriptomics はtranscriptome-scale の発現プロファイリングに優位である。臨床研究ではIMC + spatial transcriptomics の統合 (multi-modal spatial profiling) が TME 解析の次世代 standard として台頭している (Frangieh et al. NatCancer 2026)。

主要エビデンス / 適用領域

肺癌 TME の空間的免疫ランドスケープ

Sorin et al. Nature 2023 は IMC を含む single-cell spatial profiling で肺腫瘍免疫微小環境の包括的 landscape を構築し、immune-excluded / immune-infiltrated / immune-desert の spatial phenotype が治療応答と予後に関連することを大規模コホートで実証した landmark study。Desharnais et al. NatCommun 2025 は NSCLC の TME を IMC で空間的に mapping し、IO biomarker (PD-L1 / CD8 / Treg) の spatial context が従来の bulk scoring より予後予測に優れることを示した。

Eigenbrood et al. CancerRes 2025 は spatial profiling で腫瘍内の regionally distinct な microenvironment と標的化可能な免疫抑制機構を同定し、IMC の治療標的発見における utility を示した。

Myeloid / T Cell Spatial Architecture と Immune Evasion

Enfield et al. CancerDiscov 2024 は肺癌で myeloid 細胞と T 細胞の spatial architecture が immune evasion と臨床 outcome を orchestrate することを IMC で実証した重要研究。Myeloid-T cell proximity / spatial interaction pattern が免疫排除の spatial biomarker として機能し、ICI 応答予測に応用可能であることを示した。

Wagner et al. Cell 2019 は乳癌で IMC を用いた single-cell atlas を構築し、tumor-immune ecosystem の spatial organization を包括的に記述。T cell exhaustion、Treg infiltration、myeloid cell polarization の spatial pattern が tumor subtype と治療応答に関連することを示した。Joyce et al. Science 2015 は T cell exclusion の概念を体系化し、IMC 等の spatial imaging による immune-excluded phenotype の visualization の重要性を提唱した。

好中球 / マクロファージの空間プロファイリング

IMC は好中球 (Neutrophil-TAN) やマクロファージの腫瘍内空間分布と機能状態の同時評価に特に有用である。Kapellos et al. CellRep 2023 は COPD における好中球とその前駆細胞の systemic alteration を IMC で spatial profiling し、疾患早期段階での neutrophil compartment の変化を可視化した。

好中球は腫瘍内で heterogeneous な表現型 (N1 anti-tumor / N2 pro-tumor / low-density neutrophil / PMN-MDSC) を示し、その空間的分布と周囲の cell-cell interaction が機能を決定する。IMC の 40+ marker panel は CD66b / MPO / CD15 / LOX-1 / PD-L1 / Arginase-1 等の好中球マーカーを一度に検出し、従来の IHC (2-3 markers) では不可能であった neutrophil subset の spatial phenotyping を実現する。

Brain Tumor / Metastasis の TME Atlas

Karimi et al. Nature 2023 は原発性脳腫瘍と脳転移の single-cell spatial immune landscape を IMC で比較し、brain-specific immune niche の特徴と治療標的化可能な免疫抑制機構を同定した。脳転移巣における spatial immune profile は原発巣と大きく異なり、organ-specific TME の重要性を示した。

Cellular Neighborhood と Cancer Ecosystem

Lichun et al. NatCancer 2026 は cellular neighborhood (CN: 空間的に近接する細胞群のパターン) の概念を pan-cancer で体系化し、IMC / mIF データから CN を計算的に同定する方法論を整理した。Quail et al. Cell 2026 は cancer ecosystem の multi-scale 動態を reviewし、IMC が mesoscale (細胞間相互作用 / tissue architecture) の解像に中核的役割を果たすことを位置づけた。Marine et al. Cell 2026 は intratumor heterogeneity の multi-layer mapping が免疫療法の advancement に不可欠であることを論じ、spatial proteomics の enabling role を強調した。

臨床試験 Translational Endpoint としての IMC

IMC は phase I/II 臨床試験の translational endpoint として治療前後の TME remodeling を定量評価するツールとして導入が進んでいる。Planchard et al. CancerCell 2026 (ICARUS-LUNG01) は datopotamab deruxtecan の biomarker analysis に spatial profiling を組み込み、治療応答と TME 変化の関連を解析した。Reuss et al. JImmunotherCancer 2020 は neoadjuvant nivolumab + ipilimumab の resectable NSCLC 試験で multiplex imaging を translational endpoint に採用した。

Single-Cell Multi-Omics との統合

Nam et al. NatRevGenet 2021 は single-cell multi-omics (scRNA-seq + spatial proteomics + epigenomics) の統合が cancer evolution 理解を変革するビジョンを提示。IMC は spatial proteomics layer として scRNA-seq (dissociated single-cell の transcriptome) を空間情報で complement する。Stubbington et al. Science 2017 は single-cell transcriptomics と spatial imaging の統合が免疫システム理解の次世代 paradigm であることを示した。Frangieh et al. NatCancer 2026 は single-cell と spatial profiling の clinical oncology への統合を包括レビューした。

限界と注意点

• スループットの低さ: Hyperion の acquisition speed は 約200 pixels/sec であり、1 mm^2 ROI に約 2 時間を要する。Whole-slide scan は現実的に困難 (数十時間) であり、ROI selection のバイアスが結果を左右する。Multiplex-IF-imaging (PhenoCycler) は whole-slide スキャンが可能でスループットに優位
• 組織破壊性: レーザーアブレーションまたはイオンビーム照射により組織は不可逆的に破壊されるため、同一切片での追加染色 / 解析は不可能。Sequential section で異なるパネルを適用する workaround はあるが、完全な serial registration は困難
• 抗体パネル最適化の負荷: 金属標識抗体の conjugation 最適化 (抗体-金属ペアの選定、signal intensity の均一化) に数ヶ月を要する。Cross-reactivity / non-specific binding の validation が蛍光抗体以上に重要 (金属 channel 間 spillover は原理的にないが、酸化物干渉 / abundance sensitivity が minor issue)
• Segmentation の困難さ: 密集した組織 (扁平上皮癌 / 高密度リンパ球浸潤領域) では cell segmentation error が significant。Over-segmentation / under-segmentation が downstream の cell phenotyping に propagate する。Deep learning segmentation (Mesmer / Cellpose) で改善しているが、組織型ごとの training が必要
• コスト: 金属標識抗体パネル (約40 markers) の試薬コストは $500-1,000/slideであり、大規模コホート解析にはsignificantな予算が必要。機器本体(Hyperion:>$500K) の initial investment も高い
• 定量性の限界: IMC の signal intensity はタンパク質発現量と線形関係にあるが、dynamic range は flow cytometry / ELISA に劣る。低発現マーカーの detection limit は金属 isotope の natural background に依存
• RNA 検出の制限: IMC はタンパク質検出に最適化されており、mRNA の直接検出には Spatial-transcriptomics (MERFISH / Xenium) が必要。Protein-RNA correlation の discordance は既知の limitation

Open Questions

• Whole-slide IMC / High-throughput 化: 次世代 Hyperion (Hyperion XTi) / 新規 platform による acquisition speed 向上と whole-slide scanning の実現。100+ mm^2 / 数時間の達成が大規模コホート解析の前提条件
• 3D Spatial Proteomics: Serial section の IMC image を computational registration で 3D reconstruction する手法の確立。Vasculature / nerve / lymphatic network の 3D architecture 解析
• Multi-modal Integration の標準化: IMC (protein) + spatial transcriptomics (RNA) + spatial metabolomics (MALDI-MSI) の同一組織からの統合 pipeline。Cross-platform registration と multi-modal cell phenotyping の方法論確立
• Spatial Biomarker の prospective validation: 後方視的研究で同定された spatial biomarker (cell-cell proximity score / cellular neighborhood composition) の prospective 臨床試験での validation と治療効果予測 utility の確認
• AI-Driven Spatial Analysis: Graph neural network / vision transformer による spatial pattern recognition の自動化。Human annotation-free の cell phenotyping と spatial interaction scoring
• Longitudinal Biopsy の IMC 解析: 治療前後の paired biopsy に対する IMC 解析で TME remodeling を定量追跡するプロトコルの標準化。Needle biopsy (小組織量) への最適化

重要論文 Top 10

1. ★★★★★ Sorin et al. Nature 2023 — 肺腫瘍免疫微小環境の single-cell spatial landscape を構築、spatial phenotype と治療応答の関連を実証
2. Enfield et al. CancerDiscov 2024 — Myeloid-T cell spatial architecture が肺癌の immune evasion と outcome を決定、spatial biomarker を提示
3. ★★★★ Desharnais et al. NatCommun 2025 — NSCLC TME の spatial mapping — IO biomarker の spatial context が bulk scoring より予後予測に優位
4. ★★★★ Karimi et al. Nature 2023 — 脳原発 / 脳転移の spatial immune landscape 比較 — organ-specific TME の treatment implications
5. ★★★★ Wagner et al. Cell 2019 — 乳癌 IMC single-cell atlas — tumor-immune ecosystem の spatial organization の包括的記述

関連エンティティ

• Multiplex-IF-imaging / Flow-cytometry-CyTOF / Spatial-transcriptomics
• Neutrophil-TAN / Pre-metastatic-niche
• PD-L1 / PD-1-inhibitor

関連論文

Basic-Brain metastasis

• Maritan et al. JCIInsight 2026 — Distinct immune landscapes characterize highly versus minimally invasive brain metastases
• Zhu et al. JImmunotherCancer 2026 — Spatial immune atlas of breast cancer brain metastasis reveals CD163
• Voglis et al. NeuroOncol 2026 — Spatially-resolved single-cell imaging of melanoma brain metastases identifies localized immune 1

Basic-Extracellular vesicles

• Wang et al. CellMetab 2023 — Extracellular vesicles in fatty liver promote a metastatic tumor microenvironment

Basic-Immunotherapy

• Stubbington et al. Science 2017 — Single-cell transcriptomics to explore the immune system in health and disease

Basic-Neutrophil and myeloid cell

• Marteau et al. CancerCell 2026 — Single-cell integration and multi-modal profiling reveals phenotypes and spatial organization of neutrophils in
• Enfield et al. CancerDiscov 2024 — Spatial architecture of myeloid and T cells orchestrates immune evasion and clinical outcome in lung cancer
• Kapellos et al. CellRep 2023 — Systemic alterations in neutrophils and their precursors in early-stage chronic obstructive pulmonary disease
• Redavid et al. JImmunotherCancer 2026 — Targeting macrophage-driven NK cell immunosuppression to improve cancer immunotherapy
• Gabrilovich et al. NatRevImmunol 2009 — Myeloid-derived suppressor cells as regulators of the immune system

Basic-Oncogene and genetics

• Nam et al. NatRevGenet 2021 — Integrating genetic and non-genetic determinants of cancer evolution by single-cell multi-omics
• Tanay et al. Nature 2017 — Scaling single-cell genomics from phenomenology to mechanism

Basic-Others

• Wen et al. Blood 2022 — Molecular mechanisms of leukocyte beta2 integrin activation
• Wagner et al. Cell 2019 — A single-cell atlas of the tumor and immune ecosystem of human breast cancer
• Quail et al. Cell 2026 — Cancer ecosystems a dynamic interplay across scales

Basic-Tumor microenvironment

• Eigenbrood et al. CancerRes 2025 — Spatial profiling identifies regionally distinct microenvironments and targetable immunosuppressive mechanisms in
• Lichun et al. NatCancer 2026 — Cellular neighborhoods in cancer
• Desharnais et al. NatCommun 2025 — Spatially mapping the tumour immune microenvironments of non-small cell lung cancer
• Karimi et al. Nature 2023 — Single-cell spatial immune landscapes of primary and metastatic brain tumours
• Sorin et al. Nature 2023 — Single-cell spatial landscapes of the lung tumour immune microenvironment

Clinical-NSCLC-Driver negative

• Aprile et al. OncoTargetsTher 2014 — Ramucirumab Preclinical research and clinical development

Clinical-NSCLC-EGFR

• Vuong et al. CancerCell 2026 — Hypoxia shapes both therapeutic response and resistance in metastatic clear cell renal cell carcinoma

Clinical-Novel modalities

• Planchard et al. CancerCell 2026 — Efficacy, safety, and biomarker analysis of datopotamab deruxtecan in advanced non-small cell lung cancer ICARUS-LUNG01

Clinical-Others

• Lombardi et al. JHepatol 2026 — A myeloid immunosuppressive phenotype defines primary refractoriness to atezolizumab plus bevacizumab in hepatocellular

Clinical-SCLC

• Zhao et al. SignalTransductTargetTher 2026 — Sintilimab plus concurrent chemoradiotherapy for treatment of locally advanced small cell lung cancer (SINCE-01) a