常态MSI
 
    与MALDI和SIMS相比，DESI和激光烧蚀电喷雾技术（LAESI，由Protea Biosciences推出的激光技术）这些正常大气压下的电离技术拥有一些特殊的优势。最明显的优势是，他们不需要进行样品处理，在正常空气中操作即可，不需要真空。因此，他们可以用在活体样本上，甚至可以在患者身上进行操作。“我自己这辈子的追求就是：用未处理过的样品就可以进行质谱分析。”这是Cooks几十年来的目标。作为一个研究者，Cooks的工作是提取并测定植物生物碱的结构。很长的一段时间内，研究都非常艰辛，他只提取了一点“不纯的生物碱，而且也没有做出结构方面的进展”。直到他遇到了从斯坦福大学来演讲的Carl Djerassi。他说，Djerassi把他的材料样品带回了实验室，并收集它们的质谱，十天后又把结构发了回来。“这让我相信质谱分析法的强大。”Cooks说，“同时，我也发现提取方法学中存在的局限性。
    最近，Cooks和Agar将这一方法应用到5个正在进行治疗的脑癌病人的32个手术标本当中。该系统通过逐个像素报告了肿瘤的亚型、分级以及癌细胞的部分。Cooks说，这些数据可以让他们的团队在绘制肿瘤边界时找出不同组织病理学级别的各个区域，补充MRI数据。他还强调，他们使用的是“最便宜的”质谱分析仪器，Thermo Fisher公司的单级（与串联相对）低分辨率LTQ离子阱。但Agar也指出，这还是一个研究项目，团队不能实时将这些结果传递给外科医生，他们在波士顿收集样本，但真正成像却是在印第安纳州。自那以后，她的团队在布莱罕妇女医院的AMIGO手术室安装了Bruker公司利用DESI技术的amaZon Speed离子阱，用来进行脑瘤案例的测试。该手术室是医院的影像引导治疗国家中心。Agar说，很快他们会研制出乳腺癌测试，但是团队仍然不能指导外科医生真正操刀。这种方法首先必须经过验证，“这最终会需要经过临床试验进行验证。”

    简化数据分析

    最终，要想把MSI推向临床，就必须要跨越质谱仪专家，让真正需要使用它的人掌握这门技术。然而，没有几个临床医生能够掌握MSI技术、数据处理和信息学的精妙，而且更没有人愿意花时间学习了。在Cooks看来，如果这项技术“又娇贵，而且这项质谱技术需要博士才能掌握”的话，就很难进行推广，“它需要全自动，仪器也不能那么娇贵，必须要可靠而且相对简单。”

    对于典型的组织病理学应用来说，这不是什么问题，因为这个系统可以配置成智能盒子（turnkey boxes），只有通过特定的生物标记才能打开。全球的各大临床实验室已经在常规地使用非成像质谱仪，包括Bruker公司的MALDI BioTyper和Sequenom公司MassARRAY。Caprioli想要为组织学家和病理学家设计一款类似于显微镜的MSI，仪器小到甚至可以塞在桌下。实验室技术员只需要学会如何准备样本、操作机器，软件就可以进行剩下的操作。

    随着分辨率的提高，像素就会收缩。同时，进行“发现模式”实验的研究人员预先不知道哪个分子更为重要，所以他们要将所有分子都考虑进去，在成千上万个颜色通道上进行两两比较。

    所有这些像素加起来的数据是惊人的。Bowen说，他的同事Trent Northen在自己的工作中使用质谱成像技术，这些年已经收集了几百万兆字节的数据。对于初学者来说，打开数据文件都是个问题，这让他们非常依赖更精通于这项技术的专家。“你就会知道为什么它让这些科学家如此不悦了。”Bowen说。

    为了减轻他们的负担，Northen和Bowen与伯克利实验室数据可视化专家Oliver Ruebel一同研发了OpenMSI的云计算平台，用户可以直接在浏览器上浏览和操作质谱成像技术的云计算数据。Bowen介绍，美国能源部国家能源研究科学计算机中心（NERSC）的超级计算机用于支持该系统，将数据处理时间从几天减少到几分钟。

    Bowen说，他和Northen的合作者之一可以使用OpenMSI详细研究50千兆字节的数据集，这个数据集他在一年半前就收集到了，但是一直没有办法进行研究。“现在他就在（谷歌）浏览器中使用这项技术。”他举例说，包括浏览RGB图像，检验下面的光谱，并与同事分享数据，“所有你能想到的21世纪互联网所提供的功能，我们都能在OpenMSI上实现质谱成像技术的这一功能。”