来自范德比尔特大学的研究人员完成了质谱分析和显微技术的第一次“图像融合”，这一技术突破将能极大的提高癌症的诊断效率和治疗疗效。这一研究成果公布在Nature Method杂志上。

    显微技术能帮助研究人员获得组织的高分辨率图像，但“这种技术无法给你具体的分子信息，”范德比尔特大学的生化和质谱研究中心主任，文章的通讯作者Richard Caprioli博士说。

    而质谱技术能完成组织中蛋白，脂质及其它分子的各种精确分子，但是图像处理过于粗糙。如果能将这两种技术的优点结合起来，将能令研究人员获得高分辨率的体内分子构成。

    “对我来说，这是一项重要的技术突破，”Caprioli博士说。

    Caprioli表示这项技术能重新定义外科范畴，比如肿瘤外科手术时癌细胞与正常细胞边界的界限。目前这一界限是由组织学决定的，也就是通过显微镜观察细胞外观获取的。但是不少癌症患者在手术后又会复发，这有可能是因为一些癌细胞看上去像是正常细胞，如果利用质谱技术进行蛋白成分分析，那么就能精确标记癌细胞范围了。

    这一技术成果由多名研究人员完成，包括荷兰代尔夫特理工大学Raf Van de Plas博士，范德比尔特大学Junhai Yang博士等。

    在这项研究中，他们采用了一种称为回归分析(regression analysis，生物通译)的数学方法，从而能将质谱诗句的每个像素投射到显微成像的对应位置上，获得一个全新的“预测”图像。

    这在概念上类似于绘制标准曲线的实验点，Caprioli 说，虽然在这些真实测量点之间没有“实际点”，但是可以通过之前的实验进行预测。“我们预测数据也采用了相同的方法，”他说。

    原文标题：Image fusion of mass spectrometry and microscopy: a multimodality paradigm for molecular tissue mapping

    原文摘要：We describe a predictive imaging modality created by 'fusing' two distinct technologies: imaging mass spectrometry (IMS) and microscopy. IMS-generated molecular maps, rich in chemical information but having coarse spatial resolution, are combined with optical microscopy maps, which have relatively low chemical specificity but high spatial information. The resulting images combine the advantages of both technologies, enabling prediction of a molecular distribution both at high spatial resolution and with high chemical specificity. Multivariate regression is used to model variables in one technology, using variables from the other technology. We demonstrate the potential of image fusion through several applications: (i) 'sharpening' of IMS images, which uses microscopy measurements to predict ion distributions at a spatial resolution that exceeds that of measured ion images by ten times or more; (ii) prediction of ion distributions in tissue areas that were not measured by IMS; and (iii) enrichment of biological signals and attenuation of instrumental artifacts, revealing insights not easily extracted from either microscopy or IMS individually.