肿瘤组织具有高度异质性，传统的空间转录组技术难以全面揭示肿瘤的特性。为了解决这一难点问题，西安交通大学叶凯教授团队提出以基因表达的空间分布来构建肿瘤组织的整体计算框架，相关研究成果于2月12日发表在《细胞·基因组学》杂志上。

　　“传统方法通常将肿瘤组织的采样点视为独立的‘房子’，统计每个采样点的细胞类型和基因表达信息。然而肿瘤组织细胞类型多样、基因表达杂乱无章，区域界限模糊，老办法很容易产生误差。”叶凯表示。

　　叶凯教授团队长期致力于生物信息学方法研究，将新开发的STMiner方法运用于遗传病和肿瘤的早诊和精准治疗：即利用二维高斯混合模型和最优传输理论，将离散的采样点转化为连续的基因分布地图。

　　“打个比方，就像从零散的‘房屋信息’中绘制出一张完整的‘居民分布图’。”叶凯说，STMiner方法不仅能更准确地反映肿瘤组织的真实情况，还能减少干扰信息，帮助科学家更清晰地观察基因的空间分布规律。

　　凭借这一方法，叶凯教授团队成功定位了高度复杂边界不清的肿瘤组织中的独特基因表达模式，清晰区分了正常与异常组织的边界，并识别出一些此前被忽视的关键基因和空间结构。

　　“在肿瘤诊治方面，它可以帮助医生更精准地判断肿瘤的边界和发展程度，并筛选出肿瘤内部免疫组织特异性表达的基因。”叶凯表示，新发现为肿瘤研究开辟了全新路径，有望为未来的精准治疗提供重要依据。