针对生物组织中代谢物种类多样、理化性质各异、含量差异大等特点，研究团队改进了AFAI技术的气流传输系统和优化喷雾溶剂组成，与高分辨质谱联用，并且自主研发了具有集成数据处理和信息挖掘功能的质谱成像软件系统（Mass Imager），建立了生物组织中代谢物免标记、高灵敏、高覆盖的成像分析与功能识别的AFADESI-MSI新方法，使其检测灵敏度提高至pg级水平、含量动态范围跨越3个数量级，覆盖十多个种类、1500余个代谢物；比较完整地检测出同一代谢通路中大多数功能代谢物，并精确表征与识别其在组织亚区域的分布特征。此外，采用人工神经网络算法，以内源性代谢物为天然内标，建立了虚拟校正定量质谱成像分析新方法，解决了生物组织中难以添加内标化合物的技术难题，实现了整体动物体内药物的准确定量成像分析
肿瘤细胞通过代谢重编程以适应其恶性增殖，是其区别于正常细胞的重要特征，因此肿瘤代谢的深入表征能够为研究其发病机制以及发现潜在诊疗靶点提供新的契机。该团队建立了基于AFADESI-MSI技术的空间分辨代谢组学方法，并提出了“下游代谢物关联上游代谢酶”的肿瘤代谢表征策略，深入分析代谢通路，结合免疫组化验证，发现相关代谢通路及其代在食管癌组织中发生了紊乱，为研究食管癌的发病机制提供了代谢水平的分子依据，并为食管癌的诊疗干预提供了新的潜在靶点
研究成果在生物组织中低含量代谢物的质谱成像检测、质谱成像海量数据可视化处理和质谱成像定量分析等关键技术方面取得了突破进展；拓展了质谱成像技术，使其成为一种高通量的分子定位与功能识别的分子组织学研究工具。此外，基于质谱成像技术的原位代谢组学方法，可更全面和高通量地表征肿瘤的微区代谢改变并发现其潜在功能，从而为研究肿瘤代谢机制提供了新思路和新视角。
再帕尔·阿不力孜教授就质谱未来发展愿景表示，质谱技术具有很强的生命力和发展空间，在基因组学、蛋白质组学、结构组学等多学科、多手段的交叉组合下，质谱技术、代谢组学有望积极推动精准医学的发展及个体化诊疗、新药研发的应用进程。再帕尔·阿不力孜也提到质谱仪器的发展，一方面需要适应国家与行业的重大需求，解决被动依赖、被动牵制、卡脖子等技术问题，一方面推动科技创新，以引领科技前沿抢占制高点，实现重点领域的跨越发展。
