以色列理工學院拉帕波特醫(yī)學院的研究人員開發(fā)了一種創(chuàng)新算法，可以檢測從不同患者的腫瘤收集的多維數(shù)據(jù)中的不間斷公分母。該研究發(fā)表在Cell Systems 上，由 Shai Shen-Orr 教授、Yishai Ofran 博士和 Ayelet Alpert 博士領導，并與 Technion、Rambam 醫(yī)療保健園區(qū)、Shaare Zedek Medical 的研究人員合作進行中心和德克薩斯大學。
近年來，癌癥研究經歷了一系列重大變革，包括引入單細胞高分辨率表征能力，或者更具體地說，使用單細胞 RNA 測序和蛋白質組學分析同時對癌癥樣本進行高通量分析。這導致在大量細胞上產生大量多維數(shù)據(jù)，從而可以表征健康組織和惡性組織。大量數(shù)據(jù)揭示了不同患者腫瘤之間的巨大差異，其中源自患者遺傳背景的細胞特征對每個患者來說都是獨一無二的。
盡管從特定患者的這種準確表征中獲得了巨大的優(yōu)勢，但這種發(fā)展阻礙了不同患者的比較：在缺乏共同點的情況下，比較對于識別預后標志物(例如死亡率或疾病嚴重程度)至關重要)，變得不可能。
Technion 研究人員開發(fā)的 tuMap 算法通過“基于方差的比較”為這一復雜挑戰(zhàn)提供了解決方案。創(chuàng)新算法提供了將眾多不同腫瘤放置在統(tǒng)一尺度上的可能性，為比較提供了基準。通過這種方式，可以有意義地比較不同患者的腫瘤，以及同一患者在整個病程(例如，在診斷和治療后)的腫瘤。該算法提供的分辨率可用于臨床應用，例如以非常高的準確度預測各種臨床指標，優(yōu)于傳統(tǒng)工具。盡管研究人員測試了算法在白血病腫瘤方面，他們認為它也與其他癌癥類型相關。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！