研究团队利用来自TCGA的RNA-seq数据，开发了一种名为RUV-III-PRPS的方法，能够有效去除文库大小、肿瘤纯度和批次效应对TCGA RNA-seq数据的影响。

研究团队分析比较了TCGA肿瘤样本和MOCA单细胞数据，构建了人类肿瘤发育图谱，系统地量化了癌症生物学和发育程序之间的相似性。使用该图谱构建了一个能高精度预测肿瘤类型的D-MLP分类器。

该研究对TCGA泛癌症图谱中的数据类型进行了大规模比较，并整合了不同癌症类型和驱动基因的结果。结果显示，相对于基线模型，基因表达数据可以最有效地捕捉突变状态的特征。

4月5日，国际著名学术杂志《细胞》在线上发表一篇来自MD Anderson梁晗团队的最新文章。

美国时间4月2日，首批与泛癌图谱相关的同行评审论文在线发表于Cancer Cell，共3篇文章，涵盖了多种癌症分子特征、癌症非整倍体和癌基因组长期非编码RNA等不同话题。

近日，德州大学休斯敦健康科学中心韩冷教授研究组在国际著名学术期刊Journal of the National Cancer Institute 在线发表了最新研究论文，深入探索了可选择性多聚腺苷酸化在癌症中的功能和临床相关性。

伴随着癌症精准医学理念的提出，基于大规模群体的数据将成为癌症医学研究的基础与临床转化新的突破口。随着基因测序技术的诞生和发展，国际上率先启动了癌症基因组图谱（TCGA）计划，其历时8年的研究为癌症精准医学的发展提供了重要的数据支撑.…