OMAP-1 Organ Mapping Antibody Panel (OMAP) for Multiplexed Antibody-Based Imaging of Human Lymph Node with IBEX, v1.5

OMAP-1 was designed for IBEX (Iterative Bleaching Extends multi-pleXity) imaging of fixed frozen human lymph nodes<br>(Radtke et al. 2020; 2022). The panel contains 39 antibodies and the nuclear marker Hoechst 33342 for image alignment<br>and nuclear segmentation. This OMAP provides a spatial context for all anatomical structures and most cell types<br>present in the ASCT+B lymph node table, v1.1 (Jorgensen, Radtke, and Rodriguez 2021). Additionally, the inclusion of<br>protein biomarkers BCL2, CD10, CD138, and CD44 allow profiling of lymph node disease states, e.g., follicular lymphoma<br>and metastasis. The core and prioritized OMAP targets detailed here overlap (~50-85%) with panels developed for<br>multiplexed imaging of lymphoid samples using other technologies and sample preparations (Lin et al. 2018;<br>Kennedy‐Darling et al. 2021). This OMAP does not contain antibodies for typing pericytes, plasmacytoid dendritic<br>cells, or different T helper lineages (Th1, Th2, Th17). Beyond spatial mapping of healthy human lymph nodes, this OMAP<br>was used to characterize the tissue microenvironment of follicular lymphoma lymph nodes. For this study, object-based<br>cellular segmentation was performed using a convolutional neural network (CNN)-based approach with Mask R-CNN<br>architecture and ResNet-50 as a backbone. As an input three channels were used: Hoechst for nuclei, CD45 as a base<br>membrane, and composite of several other membrane markers (CD138, CD163, CD94, CD69, CD8, CD4). More details and<br>accompanying datasets associated with OMAP-1 can be found here (Radtke et al. 2024; Andrea J Radtke et al. 2021).<br>Several antibodies required custom conjugation by commercial suppliers or antibody conjugation kits (e.g., Alexa Fluor<br>532, Thermo Fisher Scientific A20182). Additional details on the IBEX method, sample preparation, reagent validation,<br>and example datasets can be found on the IBEX Knowledge-Base (Radtke et al. 2025, Yaniv et al. 2025).<br><br>**Bibliography:**<br><br>* Andrea J Radtke, Colin J Chu, Ziv Yaniv, Li Yao, James Marr, Rebecca T Beuschel, Hiroshi Ichise, et al. 2021. “Accompanying Dataset for: ‘IBEX: An Iterative Immunolabeling and Chemical Bleaching Method for High-Content Imaging of Diverse Tissues.’” Zenodo. https://zenodo.org/records/5244551.<br>* Jorgensen, Marda, Andreas Radtke, and Natalie Rodriguez. 2021. “Lymph-Node (v1.1) Graph Data, v1.1.” 2021. https://lod.humanatlas.io/asct-b/lymph-node/v1.1/.<br>* Kennedy‐Darling, Julia, Salil S. Bhate, John W. Hickey, Sarah Black, Graham L. Barlow, Gustavo Vazquez, Vishal G. Venkataraaman, et al. 2021. “Highly Multiplexed Tissue Imaging Using Repeated Oligonucleotide Exchange Reaction.” *European Journal of Immunology* 51 (5): 1262–77. https://doi.org/10.1002/eji.202048891.<br>* Lin, Jia-Ren, Benjamin Izar, Shu Wang, Clarence Yapp, Shaolin Mei, Parin M Shah, Sandro Santagata, and Peter K Sorger. 2018. “Highly Multiplexed Immunofluorescence Imaging of Human Tissues and Tumors Using T-CyCIF and Conventional Optical Microscopes.” *eLife* 7 (July): e31657. https://doi.org/10.7554/eLife.31657.<br>* Radtke, Andrea J., Colin J. Chu, Ziv Yaniv, Li Yao, James Marr, Rebecca T. Beuschel, Hiroshi Ichise, et al. 2022. “IBEX: An Iterative Immunolabeling and Chemical Bleaching Method for High-Content Imaging of Diverse Tissues.” *Nature Protocols* 17 (2): 378–401. https://doi.org/10.1038/s41596-021-00644-9.<br>* Radtke, Andrea J., Evelyn Kandov, Bradley Lowekamp, Emily Speranza, Colin J. Chu, Anita Gola, Nishant Thakur, et al. 2020. “IBEX: A Versatile Multiplex Optical Imaging Approach for Deep Phenotyping and Spatial Analysis of Cells in Complex Tissues.” *Proceedings of the National Academy of Sciences* 117 (52): 33455–65. https://doi.org/10.1073/pnas.2018488117.<br>* Radtke, Andrea J., Ekaterina Postovalova, Arina Varlamova, Alexander Bagaev, Maria Sorokina, Olga Kudryashova, Mark Meerson, et al. 2024. “Multi-Omic Profiling of Follicular Lymphoma Reveals Changes in Tissue Architecture and Enhanced Stromal Remodeling in High-Risk Patients.” *Cancer Cell* 42 (3): 444–463.e10. https://doi.org/10.1016/j.ccell.2024.02.001.<br>* Radtke, Andrea J., Ifeanyichukwu U. Anidi, Leanne Arakkal, Armando J Arroyo-Mejías, Rebecca T. Beuschel, Katy Börner, Colin J. Chu, et al. 2025. “The IBEX Knowledge-Base: A Central Resource for Multiplexed Imaging Techniques.” *PLOS Biology* 23 (3): e3003070. https://doi.org/10.1371/journal.pbio.3003070.<br>* Yaniv, Ziv, Ifeanyichukwu U. Anidi, Leanne Arakkal, Armando J Arroyo-Mejías, Rebecca T. Beuschel, Katy Börner, Colin J. Chu, et al. 2025. “The IBEX Imaging Knowledge-Base: A Community Resource Enabling Adoption and Development of Immunofluorescence Imaging Methods.” *eLife* 14: RP105737.

OMAP-1 是为固定冷冻人淋巴结的IBEX（Iterative Bleaching Extends Multiplexity，迭代漂白扩展多重成像技术）成像实验设计的（Radtke等，2020；2022）。该抗体组合包含39种抗体，以及用于图像配准与细胞核分割的核标志物Hoechst 33342。
此OMAP数据集可为ASCT+B淋巴结表格v1.1（Jorgensen、Radtke与Rodriguez，2021）中收录的所有解剖结构与绝大多数细胞类型提供空间背景信息。此外，纳入的蛋白生物标志物BCL2、CD10、CD138及CD44可用于分析淋巴结疾病状态，例如滤泡性淋巴瘤与转移灶。
本文所述的核心与优先OMAP靶点，与采用其他技术及样本制备方法开发的淋巴组织样本多重成像抗体组合的重叠率约为50%~85%（Lin等，2018；Kennedy‐Darling等，2021）。该OMAP未包含用于分型周细胞、浆细胞样树突状细胞或不同辅助性T细胞亚群（Th1、Th2、Th17）的抗体。
除了对健康人淋巴结进行空间定位绘图外，该OMAP还被用于表征滤泡性淋巴瘤淋巴结的组织微环境。本研究中，基于对象的细胞分割采用了基于卷积神经网络（Convolutional Neural Network, CNN）的方法，架构为Mask R-CNN，主干网络为ResNet-50。输入通道共3个：用于标记细胞核的Hoechst、作为基底膜标记的CD45，以及CD138、CD163、CD94、CD69、CD8、CD4等多种膜标志物的复合通道。
有关OMAP-1的更多细节与配套数据集，可参见Radtke等2024年与Andrea J Radtke等2021年的研究。部分抗体需要由商业供应商定制偶联，或使用抗体偶联试剂盒（例如Alexa Fluor 532，赛默飞世尔科技A20182）。有关IBEX方法、样本制备、试剂验证与示例数据集的更多细节，可参见IBEX知识库（Radtke等，2025；Yaniv等，2025）。

**参考文献：**

* 安德里亚·J·拉德克（Andrea J Radtke）、科林·J·丘（Colin J Chu）、齐夫·亚尼夫（Ziv Yaniv）、李尧（Li Yao）、詹姆斯·马尔（James Marr）、丽贝卡·T·比舍尔（Rebecca T Beuschel）、广石一西（Hiroshi Ichise）等，2021。《“IBEX：用于多种组织高内涵成像的迭代免疫标记与化学漂白方法”配套数据集》。Zenodo。https://zenodo.org/records/5244551.
* 马尔达·约根森（Marda Jorgensen）、安德里亚·拉德克（Andreas Radtke）与娜塔莉·罗德里格斯（Natalie Rodriguez），2021。《淋巴结（v1.1）图形数据v1.1》。https://lod.humanatlas.io/asct-b/lymph-node/v1.1/.
* 朱莉娅·肯尼迪-达林（Julia Kennedy‐Darling）、萨利尔·S·巴特（Salil S. Bhate）、约翰·W·希基（John W. Hickey）、萨拉·布莱克（Sarah Black）、格雷厄姆·L·巴洛（Graham L. Barlow）、古斯塔沃·巴斯克斯（Gustavo Vazquez）、维沙尔·G·文卡特拉曼（Vishal G. Venkataraaman）等，2021。《使用重复寡核苷酸交换反应进行高多重组织成像》。《欧洲免疫学杂志》51(5)：1262–77。https://doi.org/10.1002/eji.202048891.
* 林家仁（Jia-Ren Lin）、本杰明·伊扎尔（Benjamin Izar）、王舒（Shu Wang）、克拉伦斯·亚普（Clarence Yapp）、梅少林（Shaolin Mei）、帕林·M·沙阿（Parin M Shah）、桑德罗·桑塔加塔（Sandro Santagata）与彼得·K·索杰（Peter K Sorger），2018。《使用T-CyCIF与常规光学显微镜对人体组织与肿瘤进行高多重免疫荧光成像》。《eLife》7(July)：e31657。https://doi.org/10.7554/eLife.31657.
* 安德里亚·J·拉德克（Andrea J. Radtke）、科林·J·丘（Colin J. Chu）、齐夫·亚尼夫（Ziv Yaniv）、李尧（Li Yao）、詹姆斯·马尔（James Marr）、丽贝卡·T·比舍尔（Rebecca T. Beuschel）、广石一西（Hiroshi Ichise）等，2022。《IBEX：用于多种组织高内涵成像的迭代免疫标记与化学漂白方法》。《自然实验方案》17(2)：378–401。https://doi.org/10.1038/s41596-021-00644-9.
* 安德里亚·J·拉德克（Andrea J. Radtke）、伊夫林·坎多夫（Evelyn Kandov）、布拉德利·洛卡姆普（Bradley Lowekamp）、艾米丽·斯佩兰扎（Emily Speranza）、科林·J·丘（Colin J. Chu）、安妮塔·戈拉（Anita Gola）、尼尚特·塔库尔（Nishant Thakur）等，2020。《IBEX：用于复杂组织中细胞深度表型分析与空间分析的通用多重光学成像方法》。《美国国家科学院院刊》117(52)：33455–65。https://doi.org/10.1073/pnas.2018488117.
* 安德里亚·J·拉德克（Andrea J. Radtke）、叶卡捷琳娜·波斯特瓦洛娃（Ekaterina Postovalova）、阿丽娜·瓦尔拉莫娃（Arina Varlamova）、亚历山大·巴加耶夫（Alexander Bagaev）、玛丽亚·索罗金娜（Maria Sorokina）、奥尔加·库德里亚绍娃（Olga Kudryashova）、马克·梅耶森（Mark Meerson）等，2024。《滤泡性淋巴瘤的多组学分析揭示高危患者的组织架构改变与基质重塑增强》。《癌细胞》42(3)：444–463.e10。https://doi.org/10.1016/j.ccell.2024.02.001.
* 安德里亚·J·拉德克（Andrea J. Radtke）、伊费安伊丘库乌·U·阿尼迪（Ifeanyichukwu U. Anidi）、利安娜·阿拉卡尔（Leanne Arakkal）、阿曼多·J·阿罗约-梅希亚斯（Armando J Arroyo-Mejías）、丽贝卡·T·比舍尔（Rebecca T. Beuschel）、凯蒂·博尔纳（Katy Börner）、科林·J·丘（Colin J. Chu）等，2025。《IBEX知识库：多重成像技术的核心资源》。《PLOS生物学》23(3)：e3003070。https://doi.org/10.1371/journal.pbio.3003070.
* 齐夫·亚尼夫（Ziv Yaniv）、伊费安伊丘库乌·U·阿尼迪（Ifeanyichukwu U. Anidi）、利安娜·阿拉卡尔（Leanne Arakkal）、阿曼多·J·阿罗约-梅希亚斯（Armando J Arroyo-Mejías）、丽贝卡·T·比舍尔（Rebecca T. Beuschel）、凯蒂·博尔纳（Katy Börner）、科林·J·丘（Colin J. Chu）等，2025。《IBEX成像知识库：助力免疫荧光成像方法推广与发展的社区资源》。《eLife》14：RP105737.