TissueFAXS Cytometry专业组织流式定量分析技术根据识别到的肿瘤轮廓，结合实验需要，实现以微米为尺度寻找肿瘤内外不同距离范围的目的细胞的功能。可定义的识别标准包括核/质/膜的各种形态及染色，也可以包括双标/三标乃至无上限标记数量的共表达目的细胞。通过精确定量微环境中发挥不同功能的特定细胞及其位置，找到不同实验组中的差异趋势。
■ 基于细胞-组织社会学的数据驱动研究
细胞社会学是研究细胞社会性的科学，即通过研究细胞间识别、通讯、集合的模式，对细胞与细胞、细胞与组织乃至整个机体的相互依存、相互制约、相互作用的关系进行研究，包含细胞对组织功能的影响，以及整体和细胞群对细胞的生长、分化和死亡等活动的调节控制。
StrataQuest专业组织流式定量分析软件独有的细胞-组织社会学分析功能，通过细胞识别及特异性结构识别、组织识别功能，可以获得：
1. 目的细胞在组织原位的数量关系、面积大小、形态学参数
2. 细胞-细胞、细胞-组织、组织-组织之间微米级的空间位置关系
3. 目标特异性染色的强度、分布、统计关系
■ 多重循环免疫荧光染色及细胞表型分析
多重循环免疫荧光染色及定量分析技术，通过在常规切片上进行多轮免疫荧光全景扫描，来构建高维信息图像，可检测多达60多种抗原信息。首先利用算法将拼接好的全景图像拟合，从而重新创建一个合成图像，包含每轮染色中的单个细胞每个通道的生物标记信息。
通过TissueFAXS Cytometry定量分析技术，利用染色荧光强弱判断单细胞蛋白表达量，并可以对任意通道任意信号（细胞、荧光探针、肿瘤组织、神经纤维等）的数量/形态/位置/结构等进行深度大数据分析。
（利用Sample Registration功能，可以选择目标样本进行叠加处理，获得以DAPI为核心的多轮染色多通道叠加图像。通过计算DAPI细胞核的情况，继而对每个通道中细胞核、细胞质、细胞膜信号进行精准量化分析。）
(Blenman KRM &Bosenberg MW. doi: 10.1002/cyto.a.23668.)
在每个通道的单细胞识别层面，自动生成的虚拟影像中，采用两种不同的模式进行识别：一种用来识别细胞核，另外一种用于鉴定细胞表型的生物标记。随后，通过确定目的蛋白的阳性率，最终完成整个定量分析。
■ CLASSIFIER组织特质化数据挖掘
基于AI自学习的Classifier组织识别算法，通过圈定的背景与组织区域，系统根据特定区域特征进行模型训练，综合形态/结构/颜色等条件自动获得目标组织的轮廓。
新版StrataQuest Classifier算法获得的组织识别结果，也同样支持与其他算法模块联动，如反卷积运算、集合运算、布尔运算等等，以实现创新研究中更为精准复杂的定量分析要求。
■ 基于神经网络(DNN)与深度学习的单细胞识别算法
2020年，TissueGnostics公司在专业单细胞核识别算法基础上，结合深度神经网络算法（Deep Neural Networks，DNN），开发了新一代基于AI的单细胞核识别方法，不但可以更准确分辨互相挤压重叠的细胞核，而且对于细胞轮廓边界识别，排除了非焦面的模糊边界带来的不确定性，提高了细胞核/质/膜形态学识别的准确率。
■ 细胞影像散点图采集单个细胞的真实轮廓
TissueFAXS Cytometry组织流式定量分析技术提供多种可选数据呈现模式（细胞真实轮廓图、散点图、直方图、热力图及原始数据等）。在TissueFAXS Cytometry二维类流式散点图与组织原位定量细胞进行实时对应校验的基础上，新增了细胞影像散点图，不但可以在散点图象限内获得真实细胞的直观分布趋势，更可以获得所有目标细胞在组织中的整体表现，便于研究者从整体水平对细胞组织定量标准进行把控。
