以色列理工学院拉帕波特医学院的研究人员开发了一种创新算法，可以检测从不同患者的肿瘤收集的多维数据中的不间断公分母。该研究发表在Cell Systems 上，由 Shai Shen-Orr 教授、Yishai Ofran 博士和 Ayelet Alpert 博士领导，并与 Technion、Rambam 医疗保健园区、Shaare Zedek Medical 的研究人员合作进行中心和德克萨斯大学。
近年来，癌症研究经历了一系列重大变革，包括引入单细胞高分辨率表征能力，或者更具体地说，使用单细胞 RNA 测序和蛋白质组学分析同时对癌症样本进行高通量分析。这导致在大量细胞上产生大量多维数据，从而可以表征健康组织和恶性组织。大量数据揭示了不同患者肿瘤之间的巨大差异，其中源自患者遗传背景的细胞特征对每个患者来说都是独一无二的。
尽管从特定患者的这种准确表征中获得了巨大的优势，但这种发展阻碍了不同患者的比较：在缺乏共同点的情况下，比较对于识别预后标志物(例如死亡率或疾病严重程度)至关重要)，变得不可能。
Technion 研究人员开发的 tuMap 算法通过“基于方差的比较”为这一复杂挑战提供了解决方案。创新算法提供了将众多不同肿瘤放置在统一尺度上的可能性，为比较提供了基准。通过这种方式，可以有意义地比较不同患者的肿瘤，以及同一患者在整个病程(例如，在诊断和治疗后)的肿瘤。该算法提供的分辨率可用于临床应用，例如以非常高的准确度预测各种临床指标，优于传统工具。尽管研究人员测试了算法在白血病肿瘤方面，他们认为它也与其他癌症类型相关。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！