以色列理工學院Rappaport醫學院的研究人員開發了一項創新演算法，能夠檢測從不同患者腫瘤收集到的多維數據，並找出其中不間斷的共同點。該研究發表於國際期刊《Cell Systems》，由Shai Shen-Orr教授、Yishai Ofran博士和Ayelet Alpert博士帶領，並與Technion、Rambam醫療園區、Shaare Zedek醫療中心以及德州大學的研究人員合作進行。
近年來癌症研究經歷了一系列重大變革，包括引入單細胞高解析特性分析，也就是使用單細胞RNA定序和蛋白質體學技術同時對腫瘤樣本進行高通量分析。這項分析在大量細胞上取得無數的多維數據，進而得以表徵良性與惡性組織，大量數據更顯示不同病患腫瘤之間的巨大差異性。儘管這項技術能夠針對特定患者進行準確的表徵分析，卻無法在不同病患之間進行比較，因為在缺乏共同點的情況下是不能比較和辨識預後標記（例如死亡率或疾病嚴重程度）的。
這項新開發的tuMap演算法透過「基於變異數的比較」為這一複雜挑戰提供解決方法。該新演算法提供了將各種不同腫瘤放置在同一尺度上的可能性，並為這樣的比較提供了基準，透過這種方式可以有效地比較不同患者之間的腫瘤以及同一患者在治療前後的腫瘤變化。該演算法提供的辨識率更可用於臨床應用，例如以非常高的準確度預測各種臨床指標且優於傳統方法。儘管研究人員目前只針對白血病進行測試，他們認為該演算法也適用於其他癌症類型。這項研究計畫由以色列科學基金會、Rappaport醫學科學研究院和美國國家衛生院（NIH）補助。
資料來源：
https://www.technion.ac.il/en/2021/10/personalized-medicine-platform-comparative-cancer/
