作者：泰立瑞
更新日期：2026-11-03
两张组织切片的细胞比例相近，组织结构却可能不同：一张切片中免疫细胞进入肿瘤区域，另一张主要分布在边缘；同样数量的细胞，也可能形成紧密细胞团、弥散分布或不同的局部邻域。单纯统计“有多少细胞”，难以回答“这些细胞在哪里、与谁相邻、形成了怎样的组织结构”。
TR-Spa 是泰立瑞（Terrydr）图像分析软件中的细胞空间分析模块，围绕细胞—细胞、细胞邻域和组织结构三个尺度，提供距离、连接网络、空间相关性、邻域聚类、密度与拓扑等分析方法。 它接收细胞位置、类型及相关特征，将原位图像中的空间分布转化为可以查看、比较和解释的定量结果，适用于多重免疫荧光、空间蛋白组学及肿瘤微环境等研究场景。
为什么细胞空间分析需要多种方法
“两类细胞是否靠近”与“组织中是否形成相似的细胞邻域”属于不同问题，所需分析尺度也不同。TR-Spa 将距离、网络、邻域和组织结构放在同一分析体系中，帮助研究者从具体问题出发选择方法，再把计算结果放回组织位置解释。
实际选择方法时，应先明确问题，再决定计算内容：
| 研究问题 | TR-Spa 中可选择的分析方向 | 主要关注内容 |
|---|---|---|
| A 类细胞距离最近的 B 类细胞有多远？ | 细胞对最小距离 | 距离分布与原位位置 |
| 某类细胞周围通常是什么细胞？ | Delaunay、KNN 连接网络 | 邻接对象与邻居组成 |
| 两类细胞在不同距离尺度上如何分布？ | 交叉对相关函数、Cross Ripley’s K | 随距离变化的空间模式 |
| 是否存在组成相似的局部微环境？ | 邻域聚类与邻域邻接分析 | 邻域类别、位置与连接关系 |
| 细胞群在组织中形成什么整体结构？ | 密度、Alpha 形状、拓扑与空白空间分析 | 聚集、边界、连通及空隙 |
左右滑动可查看完整表格
同一张图像可以从多个角度分析，但每张图表都应对应一个清楚的问题。这样得到的结果，更便于写入研究方法和结果部分。
第一个尺度：从细胞距离到连接网络
TR-Spa 支持计算 A 类细胞到最近 B 类细胞的最小距离，并展示相应分布。对于研究细胞接近程度的任务，这提供了比整体细胞比例更直接的空间描述。需要注意，A 到 B 与 B 到 A 的分布可能不同：两类细胞数量和空间密度不同时，不能将两个方向混为一个指标。
连接网络则回答“每个细胞周围连接了谁”。TR-Spa 提供 Delaunay 和 KNN 两种网络，可结合距离范围、细胞类型和 K 值等设置查看连接关系，并统计邻居数量或组成。网络中的线代表所选规则下的空间连接；连接规则、距离单位和参数应与结果一同记录。
图1｜细胞位置与连接网络叠加显示，节点颜色区分类别，连线展示所选规则下的空间邻接关系。
对于需要观察多个距离尺度的研究，交叉对相关函数（CPCF）可用于描述不同细胞类型的空间分布关系。相比只设一个固定半径，距离曲线有助于观察分布模式随尺度的变化。曲线的峰谷仍需要结合细胞密度、组织结构、ROI（感兴趣区域） 范围及相应统计设置解释。
图2｜交叉对相关函数曲线，展示不同细胞类别组合在多个距离尺度上的分布模式。
此外，模块还提供细胞形态分布比较和局部拓扑相关图，让研究者将细胞面积、圆度、方向及空间位置结合起来查看。
第二个尺度：识别细胞邻域与局部微环境
细胞邻域分析关注一个细胞及其周围细胞的组成。当多个位置具有相似的局部组成时，可以进一步探索它们是否对应某种组织结构或局部微环境。
TR-Spa 支持邻域聚类，并提供邻域类别在原始坐标中的分布、邻域邻接和相关分析。分析时可以根据问题设置邻接层数等参数，再回到组织图像中查看各邻域的实际位置。邻域编号只是计算分组，需要结合组成与原图结构赋予含义。
图3｜邻域聚类的原位分布，不同颜色帮助识别组成相似的局部细胞微环境。
对于希望比较局部密度共同变化的任务，样方相关性分析可将分析区域划分为网格，再比较不同细胞类型在各样方中的分布。网格尺寸会影响观察尺度：过大可能掩盖局部差异，过小则容易受到稀疏计数影响。因此，网格大小应围绕研究对象设置，并在样本比较中保持一致。
图4｜六边形样方与细胞位置叠加，将离散细胞分布组织为可比较的区域统计。
第三个尺度：观察组织中的密度、边界和空隙
当问题从相邻细胞扩展到整个区域，TR-Spa 提供核密度估计（KDE）、Alpha 形状、概率分布差异、持久同源性及空白空间等分析方向。
KDE 可用于查看细胞分布较密集或较稀疏的位置；Alpha 形状可帮助描述点群构成的整体形态；KL 散度与 Wasserstein 距离分别从相应定义描述分布差异，结果应按各自指标解释；拓扑方法则从连通结构、空隙及其随尺度的变化提供补充信息。它们分别回答不同层次的问题，应围绕研究目标选择。
例如，研究者可以先查看某类细胞是否形成连续密集区域，再比较不同区域的密度分布，最后结合邻域组成解释这些结构。由局部到整体的组合分析，有助于保留组织原位信息。
图5｜密度图与另一类细胞位置叠加，同时观察聚集区域和不同群体的空间分布。
一套可靠的空间分析怎样开始
空间分析依赖三个基础：可靠的细胞对象、可以解释的细胞类型，以及正确的空间坐标。ROI 的选择同样重要。把组织空白、破损或不同组织区室混在同一个分析范围内，可能改变距离与密度结果。
建议先在代表性区域完成细胞分割与分类检查，明确所分析的细胞类型、坐标单位和区域范围，再选择距离、网络或邻域方法。跨样本比较时，应记录像素标定、距离阈值、K 值、邻域范围和网格尺寸等设置，并保持可比较的分析口径。
观察到空间靠近，可以为后续研究提出线索；要进一步讨论细胞通讯、作用机制或干预效果，还需要相应实验与研究设计支持。
TR-Spa 的特点与整套软件的衔接
选择细胞空间分析软件时，需要考虑方法是否对应研究问题，以及参数与原图能否核查。TR-Spa 将多个空间尺度的方法组织在同一分析体系内。研究者可以围绕问题切换距离、网络、邻域与组织结构视角，并结合原始图像检查结果，减少只依赖一个统计值解释复杂组织的局限。
MIF 数据通常在完成细胞分割、表型与质控后进入 TR-Spa；H&E 数据则可通过 TR-HECellSage 形成相应形态学细胞类别。两条路径都应核查细胞对象、类别、坐标和 ROI，按研究问题选择空间方法。
泰立瑞图像分析模块与功能
泰立瑞图像分析软件覆盖图像准备、细胞分析、结果质控与任务执行。研究者可根据图像类型和研究目标，选择相应模块衔接分析流程。
| 模块/工具 | 核心功能 |
|---|---|
| TR-NoiseX | 图像预处理、背景过滤、通道管理与 OME-TIFF 输出 |
| TR-StainSync | 跨模态、多轮染色与连续切片图像的自动配准 |
| TR-DotAlign | 手动图像配准、对应点编辑、预览检查与结果导出 |
| TR-TMA | 组织芯片核心检测、行列识别、缺失标记与转批注 |
| TR-Seg | 结合核与膜辅助信息生成细胞轮廓 |
| TR-PhenoClass | 结合模型分析与标记物规则进行细胞表型分类 |
| TR-PhenoDiscover | 基于特征聚类探索、细分细胞亚群 |
| TR-LiveQC | 细胞表达、数量图表与原图联动质控 |
| TR-Spa | 细胞距离、网络、邻域、密度与组织空间分析 |
| TR-HECellSage | HE 细胞识别与分类、自定义模型训练及应用 |
| TR-Pipeline | 批量执行分割、阈值面积、PhenoClass 与导出任务 |
| Terry AI 助手（小T）/ TR-AI | 自然语言查询、分析任务规划与工具调用 |
左右滑动可查看完整表格
常见问题
如何比较免疫细胞在肿瘤内部、边缘和周围区域的空间分布？
先依据组织学和研究目的明确肿瘤内部、边缘及周围区域，并准备可靠的细胞类别与坐标。泰立瑞 TR-Spa 提供密度、细胞距离、连接网络和邻域等分析，可按问题查看免疫细胞在这些范围内的聚集与分布。区域定义、尺度和参数应保持可比较，再结合组织原图解释差异。
怎样计算一类细胞到最近另一类细胞的距离？
TR-Spa 支持细胞对最小距离分析，可计算 A 类细胞到最近 B 类细胞的距离并查看分布。分析前应核对类别、组织坐标和物理单位，并明确比较方向。A 到 B 与 B 到 A 的距离分布可能不同，尤其在两类细胞数量或密度差异较大时，应分别解释。
怎样分析某类细胞周围的邻居组成，识别局部细胞微环境？
可在 TR-Spa 中用 Delaunay 或 KNN 网络查看邻接对象，并按距离范围、K 值等规则统计邻居组成；进一步可用邻域聚类探索组成相似的局部微环境。将邻域类别放回组织坐标查看，再结合细胞组成与组织结构赋予含义，便于区分计算分组和可解释的微环境。
两个样本的细胞比例相近，怎样比较它们的空间组织差异？
可通过 TR-Spa 进一步比较细胞距离分布、连接网络、局部邻域组成及密度等空间模式，观察同样比例的细胞是否呈现不同聚集或组织方式。跨样本比较前，应统一可比较的区域范围、细胞类型定义、坐标单位和参数，并结合样本层面的重复及统计设计解释差异。
两类细胞在空间上靠近，能否直接说明它们存在功能互作？
空间接近可作为研究细胞互作的线索，但直接证明功能互作还需要表达、实验验证和研究设计等依据。TR-Spa 的距离、网络或邻域结果描述相应规则下的位置关系；例如网络中的连线表示空间连接，不单独构成功能或因果关系的证据。
围绕细胞距离、局部邻域或肿瘤微环境开展研究，可了解泰立瑞图像分析软件，或联系泰立瑞提供图像、目标细胞类型与研究问题，沟通适合的空间分析路径。