★ FEATURED ARTICLE 1. 从单细胞线索到组织原位Treg 与 CD8 T 互作为什么需要空间蛋白成像补位单细胞测序在肿瘤免疫微环境研究里的价值很多人已经体会过了。它能比较清楚地把 CD8 T、CD4 T、Treg、巨噬细胞、单核细胞、DC 这些群体分开还能看 PDCD1、LAG3、ICOS、CXCR3、ITGB1 这类功能基因在不同细胞里的表达差异。但做过几轮分析之后你会发现一个尴尬的地方单细胞告诉你“有这群细胞、它们状态不一样”却没法直接告诉你“它们在组织里到底挨得近不近”。这正是 Treg 与 CD8 T 这类互作线索最需要补的一环。转录层面的细胞通信推断比如 CellChat 这类方法本质上是基于配体-受体表达去推测“可能发生相互作用”。它给出的是假设不是空间事实。Treg 和 CD8 T 到底在肿瘤边界区、免疫丰富邻域还是淋巴细胞丰富邻域里靠得更近CD8 T 到最近 Treg 的距离是多少PD1CD8 T 落在哪个邻域这些问题单细胞测序回答不了。空间蛋白成像PCF常以 CODEX 等形式落地补的就是这个缺口。它把抗体 Panel、单细胞分割、蛋白表达和空间坐标绑在一起让你围绕已知免疫细胞和功能 marker 建立组织原位的观察框架。对 Treg、CD8 T、巨噬细胞、PD-L1、Ki67、HLA-DR 这些蛋白标志物明确的问题PCF 特别合适。它不是把单细胞测序再做一遍也不是简单替代空间转录组而是把转录层线索转换成蛋白层和组织层观察。我试过把单细胞发现的 Treg-CD8 T 互作线索直接拿去做空间验证中间踩过不少坑marker 组合没定好、邻接评分口径不统一、分割结果和蛋白强度对不上。下面按一条可跟做的路径把配置、请求和核对步骤拆开讲。适合正在做肿瘤免疫微环境、免疫丰富区、肿瘤边界区、TAM 生态位或免疫相关基础研究分组差异的课题。2. TaoToken 前置准备把模型调用与配置基线搭好在正式跑空间蛋白成像分析之前先把模型调用这条链路理顺。TaoToken 在这里的角色是提供统一的模型接入入口方便你在写分析脚本、生成配置、核对结果时随时调用模型做辅助。官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 不加 UTM。你需要先拿到 API Key。进入控制台后创建密钥路径在 console 页面https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 。创建完把 Key 复制出来后面配置里要用。模型对话页面可以用来快速验证模型是否通https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。如果你打算长期做编码或 Agent 类任务可以看 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。这里要强调一个原则Base URL、Key、Model ID 三件套必须写全缺一个都会在请求时报错。很多 401 或 local proxy failed 的问题追根到底就是这三件套没对齐。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite API Keys 管理在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。如果你用 Claude Code 这类工具Anthropic 兼容入口在 https://taotoken.net/claudecode-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentClaudeCodeAnthropicutm_campaignrewrite 。把 Key 拿到手之后先别急着写复杂脚本。用模型对话页面发一条最简单的请求确认返回正常。这一步能帮你排除网络、Key 权限、模型名拼写这些低级问题。确认通了之后再进入下面的配置文件环节。整个前置准备控制在十分钟以内重点是让后面每一步都有可复现的基线。3. 可复制配置空间蛋白成像分析脚本与 settings 片段这一节给可直接复制的配置。先建一个工作目录比如pcf_treg_cd8里面放三个文件panel.json、settings.toml、run_pcf.py。下面逐个给内容。panel.json定义抗体 Panel 和 marker 组合这是 PCF 分析的核心。Treg 用 FOXP3CD8 T 用 CD8功能状态加 PD1、ICOS、Ki67、HLA-DR区域标记加 PanCK 和 DAPI。{ panel_name: treg_cd8_pcf_v1, markers: { Treg: [FOXP3, CD4, CD25], CD8_T: [CD8, CD3], checkpoint: [PD1, LAG3, ICOS], proliferation: [Ki67], antigen_presentation: [HLA-DR], tumor_region: [PanCK], nucleus: [DAPI] }, neighborhood: { radius_um: 30, min_cells: 5, metrics: [treg_cd8_adjacency, cd8_to_nearest_treg_distance] } }settings.toml放模型调用和输出路径。注意 Base URL 和 Model ID 要和你实际用的对齐。[model] base_url https://taotoken.net/api api_key sk-你的Key model_id 你的模型ID timeout_s 60 [input] slide_dir ./slides panel_file ./panel.json [output] result_dir ./results save_segmentation true save_neighborhood true [qc] min_cells_per_roi 200 max_distance_um 100run_pcf.py是主脚本负责读配置、跑分割、算邻接评分、输出结果。下面给一个可运行骨架。import json import toml import requests from pathlib import Path cfg toml.load(settings.toml) panel json.load(open(panel.json)) def call_model(prompt): resp requests.post( f{cfg[model][base_url]}/v1/chat/completions, headers{Authorization: fBearer {cfg[model][api_key]}}, json{ model: cfg[model][model_id], messages: [{role: user, content: prompt}] }, timeoutcfg[model][timeout_s] ) resp.raise_for_status() return resp.json()[choices][0][message][content] def compute_adjacency(cells, radius_um): treg [c for c in cells if c[type] Treg] cd8 [c for c in cells if c[type] CD8_T] pairs 0 for t in treg: for c in cd8: d ((t[x]-c[x])**2 (t[y]-c[y])**2) ** 0.5 if d radius_um: pairs 1 return pairs / max(len(cd8), 1) if __name__ __main__: cells load_cells(cfg[input][slide_dir]) score compute_adjacency(cells, panel[neighborhood][radius_um]) print(ftreg_cd8_adjacency{score:.4f}) Path(cfg[output][result_dir]).mkdir(exist_okTrue) json.dump({adjacency: score}, open(f{cfg[output][result_dir]}/score.json, w))如果你用 Claude Code 或 Cline MCP 这类工具把 Base URL、Key、Model ID 填进对应配置即可。Cline MCP 的配置片段如下注意三件套写全。{ mcpServers: { taotoken: { command: npx, args: [-y, taotoken/mcp], env: { BASE_URL: https://taotoken.net/api, API_KEY: sk-你的Key, MODEL_ID: 你的模型ID } } } }Codex 的auth.json也类似把 Base URL、Key、Model ID 对齐即可。配置写完先别跑全量拿一张切片试。4. 验证请求与成功结果邻接评分和距离指标怎么核对配置就绪后先跑一张切片验证。命令很简单python run_pcf.py --slide ./slides/sample_01.tif --panel ./panel.json成功的话终端会打印类似treg_cd8_adjacency0.3421的邻接评分同时在results/下生成score.json和分割、邻域结果文件。这时候要做三件事核对。第一核对细胞总数。qc.min_cells_per_roi设的是 200如果某张切片跑出来只有几十个细胞多半是分割参数或染色质量问题别急着看评分。第二核对邻接评分的量纲。treg_cd8_adjacency是每个 CD8 T 平均邻接的 Treg 对数半径 30 微米。这个值在不同切片间可比但前提是 Panel 和分割口径一致。第三核对 CD8 T 到最近 Treg 的距离分布。如果中位距离明显大于 100 微米说明这两群细胞在该 ROI 里基本不邻接评分低是合理的。我实测下来比较稳的做法是先用模型对话页面让模型帮你解释一遍评分口径确认你理解的和脚本算的一致。模型对话入口https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。把score.json的内容贴进去问“这个邻接评分怎么解读”能快速发现口径偏差。成功结果的标志是评分有数值、距离分布有直方图、分割图能肉眼对上 FOXP3 和 CD8 的染色位置。三者对不上就回到分割环节排查。别跳过核对直接下结论空间蛋白成像的坑大多出在分割和 marker 阈值上。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth跑配置和请求时下面几类报错最常见逐个给排查路径。401 Unauthorized。九成是 Key 不对或没带上。检查settings.toml里api_key是否和 API Keys 页面一致注意别把 Key 前后的空格带进去。如果用的是环境变量确认变量名拼写。API Keys 管理页https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。local proxy failed。这类报错通常和本地网络配置有关检查你的请求是否走了不该走的本地端口。把 Base URL 写成https://taotoken.net/api不要额外加代理参数。如果工具里有 proxy 设置清空它。reading choices 报错。一般是返回结构和你解析的字段对不上。先打印完整响应体确认choices字段存在。如果模型返回的是流式格式而你按非流式解析就会读不到choices。把请求里的stream设为false再试。OAuth 相关报错。多见于 Claude Code 这类工具的登录态冲突。如果你已经用 API Key 方式接入就把 OAuth 登录态清掉避免两套认证打架。Claude Code 的 Anthropic 兼容入口https://taotoken.net/claudecode-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentClaudeCodeAnthropicutm_campaignrewrite 。还有一个隐蔽的坑Model ID 拼写。不同模型的 ID 大小写、连字符不一样写错会报模型不存在。把 Base URL、Key、Model ID 三件套逐字核对一遍能省掉大半排查时间。接入文档里有完整字段说明https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。6. 把线索落到组织原位后续验证动作与接入入口单细胞测序给出 Treg 与 CD8 T 的互作线索之后PCF 的验证动作可以固定成一套流程定 Panel、跑分割、算邻接评分、核对距离分布、按邻域分层比较。这套流程跑顺了你就能把“可能互作”的转录假设变成“在组织原位确实邻接”的蛋白层证据。后续如果要做分组差异比较把每张切片的treg_cd8_adjacency和cd8_to_nearest_treg_distance汇总成表按响应组和非响应组做统计。注意样本量和切片质量别用单张切片下结论。PCF 的价值在于把细胞关系量化成空间指标指标本身要经得起重复。如果你在接入或排障环节卡住优先看 API Keys 和接入文档https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 、https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。需要验证模型返回是否正常用模型对话页面https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。长期做编码或 Agent 类分析任务可以看 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。本文仅为科研技术方法介绍不涉及疾病诊断、治疗建议、疗效预测、用药指导或临床决策。文中提及研究发现均来自学术文献相关分析结果需结合更多实验和研究进一步观察与复核不构成任何医疗意见。参考文献Myojin Y, et al. Gut 2025;0:1–13. doi:10.1136/gutjnl-2024-334026。
阅读完成 · 觉得有帮助？
