西安交通大学叶凯教授团队创新性地提出了STMiner方法，旨在解决传统空间转录组技术在揭示肿瘤组织异质性方面的局限。该方法通过利用基因表达的空间分布，构建肿瘤组织的整体计算框架，将离散的采样点转化为连续的基因分布地图。相较于传统方法将采样点视为独立的“房子”，STMiner能更准确地反映肿瘤组织的真实情况，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，从而更有效地定位复杂肿瘤组织中的独特基因表达模式。

🧬STMiner方法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，如同将零散的房屋信息绘制成一张完整的居民分布图。

🎯该方法能够清晰地区分正常与异常组织的边界，这在肿瘤研究中至关重要，有助于更准确地判断肿瘤的侵袭范围和发展阶段。

🔬通过STMiner，研究团队成功识别出一些此前被忽视的关键基因和空间结构，为深入理解肿瘤的发生发展机制提供了新的线索。

    科技日报讯 （记者王禹涵）肿瘤组织具有高度异质性，这导致传统的空间转录组技术难以全面揭示其特性。2月20日，记者从西安交通大学获悉，为了解决这一难题，该校教授叶凯及其团队提出了STMiner方法，即利用基因表达的空间分布来构建肿瘤组织的整体计算框架，相关研究成果于近日发表在《细胞·基因组学》杂志上。

    叶凯表示，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，传统办法很容易产生误差。STMiner方法能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，就像把零散的房屋信息绘制成一张完整的居民分布图。这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。