免疫系統的運作奧妙而複雜，若要深入探索其中的機制，不僅需要扎實的知識基礎，還需仰賴精密的檢測技術。流式細胞術（Flow Cytometry）正是這項研究的重要工具，它能夠快速分析單個細胞的特性，為免疫學、腫瘤學及各類生物醫學研究提供關鍵數據。隨著螢光標記流式細胞術的發展趨於成熟，該領域在同時分析約 30 個參數時遇到了技術瓶頸，導致進展一度受阻。直到光譜流式細胞術（spectral flow cytometry）的出現，才打破這一限制，為未來數年內實現同時分析 100 個參數奠定了基礎，帶來劃時代的變革。與此同時，資訊技術的飛躍發展也為 細胞組學（cytomics）帶來了劃時代的變革，使其能夠與基因組學（genomics）和蛋白質體學（proteomics）等成熟的系統性研究方法並駕齊驅，在多組學（multi-omics）研究中佔據重要地位。此外，近期技術創新正積極探索將流式細胞技術的高通量特性與其他偵測方法相結合，而不再僅依賴螢光標記。這些發展將進一步提升流式細胞儀的應用價值，使其成為生物醫學實驗室中不可或缺的核心工具。此篇文章中 ，Robinson 等人綜述當前細胞分析與偵測技術的發展現況，深入探討傳統與微流體分選技術（microfluidic sorting）的應用與進展，並介紹新一代流式細胞儀的技術特點。此外，文章亦前瞻未來可能出現的技術，展望流式細胞術在生物醫學領域的發展潛力與應用前景。

圖 2. 運動螢光成像的實驗驗證

為驗證壓縮感測方法的可行性，研究者首先以螢光微球作為模型系統進行實驗。微球被置於玻璃載玻片上，電子平臺沿指定方向移動，使其穿過光學編碼結構。研究設計了兩種模式：SI（Structured Illumination，結構化照明）與 SD（Structured Detection，結構化偵測）。在 SI 模式下，微球通過結構化光照射，激發的螢光訊號經光學編碼轉化為時間波形；在 SD 模式下，微球均勻照明，其螢光影像經由孔徑陣列形成時間波形。計算機可依據時間波形重建二維影像，並與傳統陣列相機拍攝的影像進行比較。實驗結果表明，壓縮感測可準確捕捉微球的空間螢光資訊，並重建清晰影像，證實了時間波形作為空間資訊載體的可靠性。這一模型實驗為後續細胞多色成像提供了可控平台，也展示了 GC 方法的靈活性與可擴展性。

結語

從微球模型的驗證，到多色細胞成像，再到影像自由分類與 FiCS 分選，GC 將細胞的空間與形態資訊轉譯為時間波形，使光學訊號與計算分析高度整合。每個細胞的時間波形記錄其微觀形態特徵，機器學習模型則解碼並分類這些訊號。Ghost Cytometry 提供了一種高效、精準且可即時應用的單細胞分析方法，不僅拓展了傳統流式細胞儀的能力，也為免疫學、腫瘤學及多色單細胞研究提供了全新視角。GC 以光與演算法為橋梁，將微觀世界的複雜性轉化為可量化、可解釋、可操作的數據，為單細胞分析技術樹立了新的里程碑。