以色列理工学院Rappaport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中收集的多维数据中不间断的共同特征。这项研究发表在《细胞系统》杂志上，由Shai Shen-Orr教授、Yishai Ofran博士和Ayelet Alpert博士领导，由Technion、Rambam医疗保健校园、Shaare Zedek医学中心和德克萨斯大学的研究人员合作进行。
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。这导致产生了关于大量细胞的大量多维数据，使健康组织和恶性组织的特征得以确定。这些大量的数据揭示了不同患者肿瘤之间的巨大差异，其中来自患者遗传背景的细胞特征对每个患者都是独特的。
尽管这种对特定患者的准确描述带来了巨大的优势，但这种发展阻碍了不同患者的比较:在缺乏共同特征的情况下，对确定预后标志物(如死亡率或病情严重程度)至关重要的比较就不可能进行。
Technion研究人员开发的tuMap算法通过“基于方差的比较”为这一复杂的挑战提供了解决方案。这种创新的算法提供了在一个统一的尺度上放置大量不同肿瘤的可能性，为比较提供了一个基准。通过这种方法，不同患者的肿瘤可以有意义地进行比较，同一患者的肿瘤在整个病程中(例如，诊断时和治疗后)也可以进行比较。该算法提供的分辨率可用于临床应用，如预测各种临床指标，具有非常高的准确性，优于传统工具。尽管研究人员在白血病肿瘤上测试了该算法，但他们认为它也将适用于其他类型的癌症。
