Multiplex-IF-imaging

Multiplex immunofluorescence imaging

一行要約

Multiplex immunofluorescence (mIF) は FFPE 組織切片上で 7-100+ のタンパク質マーカーを同時可視化し、cell segmentation → phenotyping → spatial statistics のパイプラインにより TME の空間的免疫プロファイリングを可能にする imaging 手法であり、IO biomarker 開発 (immune-excluded vs inflamed phenotype の判定、PD-L1 空間的 heterogeneity)、TLS 検出 (Quigley et al. STARProtoc 2023)、CAF-T cell exclusion mapping (Grout et al. CancerDiscov 2022)、spatial profiling による targetable immunosuppressive mechanism の同定 (Eigenbrood et al. CancerRes 2025) の中核 enabling platform として clinical trial の translational endpoint に広く採用される。

原理

TSA Sequential Staining (Vectra / Akoya Polaris)

Tyramide signal amplification (TSA) による sequential staining は最も広く使用される mIF platform である。各 cycle で (1) 1 次抗体 → (2) HRP-conjugated 2 次抗体 → (3) Opal tyramide fluorophore → (4) 抗体 stripping (マイクロ波 / citrate buffer) を繰り返し、同一 FFPE 切片上に 7-9 マーカーを重畳する。TSA による signal amplification で低発現抗原の検出感度が従来 IF より向上する。Vectra Polaris (Akoya) は multispectral imaging + spectral unmixing で Opal dye の spectral overlap を deconvolve する。

Quigley et al. STARProtoc 2023 は Opal-TSA mIF を用いた tertiary lymphoid structure (TLS) 検出プロトコルを human / murine tissue で標準化し、CD20 / CD3 / CD21 / PNAd 等のマーカー panel と染色順序最適化を step-by-step で記述した実用的 protocol 論文である。

PhenoCycler / CODEX (Oligo-Conjugated Antibody)

PhenoCycler (旧 CODEX) は抗体に DNA oligonucleotide を conjugate し、相補的 fluorescent reporter probe の sequential hybridization → imaging → stripping を繰り返すことで 40-100+ plex を 1 切片上に実現する。各 cycle で 3 reporter (3 color) を同時 hybridize → image → strip し、40 cycle で 100+ target を cover。抗体 stripping (TSA 法) による epitope damage が原理的に不要で、高 plex 環境で signal integrity が維持される点が利点。

Lunaphore COMET

Lunaphore COMET はマイクロフルイディクス chip 内で抗体の灌流・染色・stripping を 全自動化した sequential IF platform。1 marker あたり 約7 min の high-throughput 処理で、operator 依存性を最小化する。TSA 法と同様の sequential staining principle だが、chip 内制御により再現性が向上。

画像解析パイプライン

mIF raw image から biological insight を抽出するには多段階の computational pipeline が不可欠:

1. Cell segmentation: 核染色 (DAPI) + membrane marker から individual cell boundary を決定。深層学習ベースの segmentation (StarDist / Cellpose / HALO AI) が密集組織での精度を向上
2. Phenotyping: Cell ごとの marker intensity profile → predefined phenotype (CD8+ T cell / Treg / macrophage / tumor cell 等) に分類。Unsupervised clustering (FlowSOM / Phenograph) も使用される
3. Spatial statistics: Cell-cell proximity (nearest neighbor distance)、spatial interaction score、neighborhood analysis、immune cell density mapping。Immune-excluded vs inflamed vs desert phenotype の定量的分類に直結

Frangieh et al. NatCancer 2026 は single-cell + spatial profiling 技術を cancer biology / clinical oncology 文脈で包括的にレビューし、mIF を含む spatial protein imaging の現状と translational potential を整理した。

主要エビデンス / 適用領域

TME 空間的免疫プロファイリング

mIF は TME 内の免疫細胞の空間的分布と cell-cell interaction を protein level で直接可視化する primary tool である。Lavin et al. Cell 2017 は early-stage 肺腺癌の innate immune landscape を paired single-cell analyses (CyTOF + scRNA-seq) で mapping したが、mIF による spatial validation が結果の in situ 確認に不可欠であった。Grout et al. CancerDiscov 2022 は mIF を用いて CAF の spatial positioning と matrix program が human lung tumor での T cell exclusion を promote することを示し、immune exclusion の stromal architecture を空間的に解像した重要研究。

Lichun et al. NatCancer 2026 は cellular neighborhood 概念を mIF / spatial profiling で体系化し、TME の組織的構造が治療応答と関連することを示した。Zhao et al. NatCancer 2025 は TP53-associated tissue remodeling の cellular / spatial atlas を構築し、mIF による multicellular ecosystem の可視化を実証した。

PD-L1 空間的 Heterogeneity と IO Biomarker

PD-L1 発現の空間的 heterogeneity は single-marker IHC の限界を浮き彫りにし、mIF による multi-marker 文脈での PD-L1 評価が IO biomarker として検討されている。Lantuejoul et al. JThoracOncol 2020 は PD-L1 testing の現状と限界を整理し、mIF が PD-L1 と他の immune marker (CD8 / FoxP3 / CD68) の co-expression / spatial relationship を同時評価できる利点を指摘した。Zugazagoitia et al. ClinCancerRes 2020 は high-plex digital spatial profiling で NSCLC の PD-1 blockade beneficial biomarker を同定し、spatial protein expression が single-marker IHC を超える予測能を持つことを示した。

Reuss et al. JImmunotherCancer 2020 は neoadjuvant nivolumab + ipilimumab の resectable NSCLC 試験で mIF を translational endpoint として使用し、治療前後の TME immune landscape 変化を spatial に追跡した。Kashima et al. CancerRes 2021 は mIF を用いて EGFR-TKI 耐性の diverse mechanism を single cell level で可視化した。Schaff et al. CancerRes 2021 は SCLC の regulatory state fragmentation を heterotypic microenvironment で mIF により解析した。

TLS (Tertiary Lymphoid Structure) 検出

TLS は腫瘍内に形成される組織化リンパ構造で、IO 応答の positive predictor として注目される。mIF は TLS の構成成分 (B cell follicle / T cell zone / follicular dendritic cell / high endothelial venule) を同一切片上に可視化し、TLS maturation stage を評価できる唯一の practical platform である。Quigley et al. STARProtoc 2023 が標準化された Opal-TSA TLS 検出プロトコルを提供した。

Spatial Profiling による Targetable Mechanism 同定

Eigenbrood et al. CancerRes 2025 は mIF / spatial profiling で regionally distinct な microenvironment を同定し、各 region の targetable immunosuppressive mechanism (PD-L1+ macrophage niche / Treg-enriched zone / immune-excluded stroma) を空間的に区別した。この approach は「腫瘍全体の平均」ではなく「spatial compartment 別」の治療戦略立案に資する。

SCLC / Neuroendocrine Tumor の TME 解析

Chan et al. CancerCell 2021 は human SCLC atlas で mIF による TME 空間解析を実施し、SCLC の immunosuppressive landscape を spatial に記述した。Mahadevan et al. CancerDiscov 2021 は SCLC の intrinsic immunogenicity が cellular plasticity と関連することを mIF で validation した。Campisi et al. CancerCell 2026 は SCLC GEMM で vascular STING activation と NK cell の spatial interaction を mIF で可視化した。

Neutrophil / Myeloid Spatial Biology

Hirschhorn et al. Cell 2023 は mIF で neutrophil と T cell の spatial interaction を直接可視化し、CD8+ T cell が neutrophil を recruit して antigen-loss variant を排除する機構を示した。Kloosterman et al. Cell 2023 は macrophage の spatial distribution と cancer ecosystem の co-evolution を mIF で解析した。Xue et al. Nature 2022 は肝腫瘍の immune microenvironment subtype と neutrophil heterogeneity を spatial protein imaging で定義した。

Clinical Trial Translational Endpoint

mIF は現在多くの phase II/III IO 試験で exploratory biomarker として standard 採用されている。Immune cell density (CD8+ TIL / Treg / macrophage) の spatial distribution、proximity score (CD8-tumor cell distance)、immune phenotype classification (inflamed / excluded / desert) が treatment response 予測に検討される。Han et al. SciAdv 2021 は TCR repertoire と mIF spatial data を統合し、IO delivery stratification の classifier を構築した。He et al. CellRepMed 2021 は thymic carcinoma の pembrolizumab response predictor を mIF で同定し、rare tumor における spatial biomarker の utility を示した。

限界と注意点

• Sequential staining の epitope 損傷: TSA 法では cycle ごとの抗体 stripping (マイクロ波加熱) が抗原 epitope を損傷するリスクがある。染色順序の最適化 (sensitive epitope を early cycle に配置) が必須。PhenoCycler は oligo-reporter strip であり epitope damage が原理的に低減される
• Cell segmentation 精度: 密集組織 (squamous cell carcinoma / lymphoid aggregate) では nuclear segmentation の under/over-segmentation が phenotype 分類に直結する。Deep learning-based segmentation で改善中だが、annotation bias の propagation に注意
• 2D 切片の limitation: 5 μm FFPE 切片の 2D imaging であり、3D 構造情報 (cell-cell contact の実体、blood vessel との 3D relationship) は限定的。Serial section 3D reconstruction / tissue clearing + confocal で部分的に対処可能だが throughput が犠牲
• Marker 数 vs 解像度の tradeoff: TSA 法は 7-9 plex で spectral unmixing の限界に達し、それ以上は PhenoCycler / IMC (imaging mass cytometry) が必要。IMC は 40+ metal-tagged antibody を使うが、throughput が低く (1 ROI: 数時間) large cohort study には不向き
• 定量化の標準化: Fluorescence intensity の normalization / batch correction、inter-laboratory reproducibility の standardization が確立途上。MIBI (multiplexed ion beam imaging) / Spatial-transcriptomics との cross-platform concordance 評価も進行中
• Spatial transcriptomics との比較: Spatial-transcriptomics (Visium / MERFISH / Xenium) は transcriptome-scale の spatial profiling を提供するが、protein-level の functional state (post-translational modification / cell surface marker) は mIF が唯一の in situ 検出法である。両者は相補的であり、protein + RNA 統合 spatial profiling が理想

Open Questions

• Spatial biomarker の臨床実装: mIF-derived spatial biomarker (CD8-tumor proximity score / immune phenotype classification) が prospective clinical trial での patient selection に translate できるか。FDA companion diagnostic としての standardization path
• Whole-slide spatial profiling の throughput: 現行 mIF は ROI-based analysis が主であり、whole-slide comprehensive analysis の TAT / コスト障壁。AI-guided ROI selection で efficiency 向上の可能性
• 3D spatial information の獲得: Serial section / tissue clearing / light-sheet microscopy との統合による 3D TME reconstruction の実現可能性。True cell-cell contact vs 2D proximity artifact の弁別
• Multi-modal spatial integration: mIF (protein) + Spatial-transcriptomics (RNA) + spatial metabolomics の同一切片 / consecutive section 統合による comprehensive spatial omics。技術的 feasibility と analytical framework の構築
• Deep learning による自動化: Cell segmentation → phenotyping → spatial analysis の fully automated pipeline。Annotation-free / self-supervised learning approach の臨床 validation
• IMC / MIBI との技術的収束: Metal-tagged vs fluorescent-tagged antibody platform の長期的 competitive landscape。Throughput vs plex の optimal balance

重要論文 Top 10

1. ★★★★★ Grout et al. CancerDiscov 2022 — mIF で CAF spatial positioning → T cell exclusion を NSCLC で解像した landmark
2. ★★★★★ Eigenbrood et al. CancerRes 2025 — Spatial profiling で regional TME heterogeneity と targetable mechanism を同定
3. ★★★★ Quigley et al. STARProtoc 2023 — Opal-TSA mIF による TLS 検出プロトコルの standardization
4. ★★★★ Chan et al. CancerCell 2021 — Human SCLC atlas — mIF による TME spatial immunosuppressive landscape
5. ★★★★ Frangieh et al. NatCancer 2026 — Spatial profiling 技術の包括的レビュー — mIF positioning を整理

関連エンティティ

• IMC / Flow-cytometry-CyTOF / Spatial-transcriptomics
• Digital-pathology / FISH
• PD-L1 / PD-1-inhibitor

関連論文

直近 30 件のみ表示中 (関連 81 件)。 全件は MOC ページ または Obsidian (source Markdown) から辿れます。

Basic-Brain metastasis

• Faust et al. NatImmunol 2026 — Astrocyte-driven immunosuppression in the brain tumor microenvironment

Basic-Extracellular vesicles

• Cai et al. MolCancer 2026 — Extracellular vesicles in solid tumors from tumor ecology to engineered therapeutics

Basic-Immunotherapy

• Chemla et al. Cell 2026 — HLA export by melanoma cells decoys cytotoxic T cells to promote immune evasion
• Zhang et al. Cell 2026 — A convergent uPAR-positive tumor ecosystem creates broad vulnerability to CAR t cell therapy
• Lopez-Janeiro et al. JClinInvest 2026 — Conventional type-1 DC density is associated with checkpoint inhibitor response across multiple types of cancer
• Steeghs et al. NatCancer 2026 — Tumor-localized CD40 agonism with mp0317, a FAP x CD40 darpin, reprograms the tumor microenvironment in patients with
• Wang et al. NatCellBiol 2026 — Slc2a1+ tumour-associated macrophages spatially control cd8+ t cell function and drive resistance to immunotherapy in

Basic-Neutrophil and myeloid cell

• Haist et al. CancerCell 2026 — Lymph node colonization induces tissue remodeling via immunosuppressive fibroblast-myeloid cell niches supporting
• Marteau et al. CancerCell 2026 — Single-cell integration and multi-modal profiling reveals phenotypes and spatial organization of neutrophils in
• Chen et al. ClinCancerRes 2026 — CCL3+ neutrophil signature predicts response to neoadjuvant toripalimab plus chemotherapy in patients with
• Wu et al. FrontImmunol 2026 — Tumor-associated neutrophils in pancreatic ductal adenocarcinoma mechanisms and therapeutic targeting
• Lin et al. JImmunotherCancer 2026 — Integrin CD11bCD18 reprograms macrophage polarization by suppressing ERKSTAT3 signaling to enhance antitumor immunity

Basic-Others

• Yiu et al. CancerDiscov 2026 — Same-slide spatial multiomics integration
• Li et al. Cell 2026 — Cellular architecture and neighborhood-informed virtual spatial tumor profiling from histopathology
• Abascal et al. JImmunotherCancer 2026 — FLT3L-secreting cDC1 in situ vaccination enhances antitumor immunity and synergizes with PD-1 blockade in murine
• Chen et al. JImmunotherCancer 2026 — Targeting CD74 may mitigate immune-escape features and enhance BCMA CAR-T activity in preclinical models of

Basic-Tumor microenvironment

• Zhang et al. Cell 2026 — Sensory neurons drive immune exclusion by stimulating a dense extracellular matrix in the breast cancer tumor
• Zhang et al. Cell 2026 — Uncovering spatially resolved functional genomics with CRISPR screen sequencing
• Podaza et al. CellRepMethods 2026 — Tumor immune microenvironment reconstitution in patient-derived organoids enables therapy modeling for NSCLC
• Isomoto et al. JClinInvest 2026 — Spatial single-cell proteotyping reveals immunotherapy-resistant features within the complex tumor microenvironment of
• Wu et al. JImmunotherCancer 2026 — Sensory neuron-derived CCL5 orchestrates an immunosuppressive niche via regulatory T cells to fuel head and neck tumor
• Lu et al. NatBiotechnol 2026 — Single-cell spatial pharmacobiology identifies conserved stromal barriers to therapeutic antibody delivery in human
• Lichun et al. NatCancer 2026 — Cellular neighborhoods in cancer
• Pramod et al. NatCancer 2026 — Heterogeneity and plasticity of cancer-associated fibroblasts

Clinical-NSCLC-Driver-Other

• Zhao et al. LungCancer 2026 — Clinical outcomes and tumor immune microenvironment in SMARCA4-deficient NSCLC A real-world retrospective study

Clinical-Novel modalities

• Hofman et al. LungCancer 2026 — New biomarkers for antibody-drug conjugates in lung cancer the pathologist’s perspective

Clinical-Others

• Naing et al. JImmunotherCancer 2026 — Phase 1 multicenter study of the NKG2A targeting antibody S095029 as a single agent and in combination with anti-pd-1
• Rohrberg et al. JImmunotherCancer 2026 — First-in-human study of lomvastomig, a PD-1-TIM-3 bispecific antibody, in patients with advanced andor metastatic solid

Clinical-SCLC

• Campisi et al. CancerCell 2026 — Vascular STING activation facilitates NK cell anti-tumor immunity in small cell lung cancer
• Wang et al. CellRepMed 2026 — Spatial multi-omics unveils the monoclonal origin, neuroendocrine plasticity, and microenvironment niches in combined