🧬 biology

ISPAT-3D: Spatially Varying Conditional Volumetric Network Estimation for 3D Tumor Imaging

यह शोध पत्र ISPAT-3D को प्रस्तुत करता है, जो एक पदानुक्रमित बेयसियन ढांचा (hierarchical Bayesian framework) है जो स्थानिक रूप से परिवर्तनशील, क्षेत्र-विशिष्ट कोशिका-प्रकार अंतःक्रिया नेटवर्क को मॉडल करने के लिए 3D मल्टीप्लेक्सयुक्त ऊतक इमेजिंग का लाभ उठाता है, जिससे आयतनिक प्रतिरक्षा-ट्यूमर गतिशीलता और एंजियोजेनिक पुनर्निर्माण पैटर्न का अनावरण होता है जो पारंपरिक 2D विश्लेषणों में अदृश्य हैं।

मूल लेखक: Sagnik Bhadury, Arvind Rao

प्रकाशित 2026-07-03

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sagnik Bhadury, Arvind Rao

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

यहाँ ISPAT-3D पेपर का सरल भाषा और रचनात्मक उपमाओं (analogies) का उपयोग करते हुए हिंदी अनुवाद दिया गया है।

बड़ी तस्वीर: हमें 3D मानचित्र की आवश्यकता क्यों है?

कल्पना कीजिए कि एक ट्यूमर केवल स्लाइड पर दिखने वाली एक सपाट तस्वीर नहीं है, बल्कि तीन आयामों (dimensions) में बना एक विशाल, हलचल भरा शहर है। लंबे समय से, कैंसर का अध्ययन करने वाले वैज्ञानिक इस "ब्रेड के स्लाइस" (slice of bread) वाले दृष्टिकोण से इस शहर को देख रहे हैं। वे ट्यूमर का एक पतला टुकड़ा लेते हैं, उसे सूक्ष्मदर्शी (microscope) के नीचे देखते हैं, और यह समझने की कोशिश करते हैं कि विभिन्न "नागरिक" (प्रतिरक्षा कोशिकाएं, कैंसर कोशिकाएं, सहायक कोशिकाएं) एक-दूसरे के साथ कैसे बातचीत करते हैं।

इस "ब्रेड के स्लाइस" पद्धति के साथ समस्या यह है कि यह ऊर्ध्वाधर कहानी (vertical story) को छोड़ देती है। यह एक गगनचुंबी इमारत को केवल उसकी 10वीं मंजिल के फ्लोर प्लान को देखकर समझने की कोशिश करने जैसा है। आप लोगों को बात करते हुए देख सकते हैं, लेकिन आप इस तथ्य को मिस कर देते हैं कि 9वीं मंजिल के लोग ऊपर चिल्ला रहे हैं, या 11वीं मंजिल के लोग पूरी तरह से अलग-थलग हैं।

ISPAT-3D एक नया कंप्यूटर प्रोग्राम है जिसे स्लाइस देखना बंद करने और पूरे 3D भवन को देखना शुरू करने के लिए डिज़ाइन किया गया है। यह वैज्ञानिकों को यह मैप करने में मदद करता है कि विभिन्न कोशिका प्रकार (cell types) ट्यूमर के विभिन्न "पड़ोस" (neighborhoods) में, यानी कम-घनत्व वाले बाहरी इलाकों से लेकर उच्च-घनत्व वाले शहर के केंद्र तक, एक-दूसरे के साथ कैसे इंटरैक्ट करते हैं।

यह कैसे काम करता है: तीन-चरणीय जासूसी कहानी

लेखकों ने इस टूल को डेटा में तीन विशिष्ट रहस्यों को सुलझाने के लिए बनाया है:

1. "शोर" फिल्टर (Gaussian Process)
कल्पना कीजिए कि आप एक भीड़ भरे कमरे में बातचीत सुनने की कोशिश कर रहे हैं, लेकिन कमरा खुद एक धीमी गूँज (spatial trends) के साथ कंपन कर रहा है। प्रोग्राम पहले एक 'नॉइज़-कैंसलिंग हेडफ़ोन' की तरह कार्य करता है। यह उस "गूँज" की पहचान करता है जो ऊतक (tissue) के सामान्य लेआउट के कारण होती है (जैसे, कोशिकाएं भौतिकी के कारण स्वाभाविक रूप से एक साथ क्लस्टर हो जाती हैं) और इसे हटा देता है। यह पीछे वास्तविक बातचीत को छोड़ देता है—यानी, कोशिकाएं विशेष रूप से एक-दूसरे के साथ रहने या एक-दूसरे से बचने के लिए कैसे चुनाव कर रही हैं।

2. "साझा बनाम अद्वितीय" सॉर्टर (Multi-Study Factor Analysis)
एक बार शोर हट जाने के बाद, प्रोग्राम ट्यूमर के पांच अलग-अलग "पड़ोस" (बहुत कम, कम, मध्यम, उच्च और बहुत उच्च घनत्व) को देखता है।

साझा नेटवर्क (The Shared Network): यह पूछता है, "ऐसी कौन सी अंतःक्रियाएं (interactions) हर जगह होती हैं, चाहे पड़ोस कितना भी भीड़भाड़ वाला क्यों न हो?" (जैसे कि सभी शहरों में ट्रैफिक लाइटें होती हैं)।
क्षेत्र-विशिष्ट नेटवर्क (The Zone-Specific Network): यह पूछता है, "ऐसी कौन सी अंतःक्रियाएं हैं जो केवल भीड़भाड़ वाले डाउनटाउन में होती हैं, लेकिन शांत उपनगरों में नहीं होतीं?" (जैसे कि केवल डाउनटाउन में ही सबवे सिस्टम होता है)।
यह इन दोनों परतों को अलग करता है ताकि वैज्ञानिक सार्वभौमिक नियमों और विशिष्ट क्षेत्रों के विशेष नियमों, दोनों को देख सकें।

3. "कंडीशनल" मैप (Partial Correlation)
अंत में, प्रोग्राम कनेक्शन का एक नक्शा बनाता है। लेकिन यह एक स्मार्ट नक्शा है। यह केवल यह नहीं कहता कि "कोशिका A, कोशिका B के पास है।" यह पूछता है, "क्या कोशिका A, कोशिका B के पास है भले ही हम कोशिका C को ध्यान में रखें?"

उपमा: यदि आप देखते हैं कि एक कुत्ता और एक बिल्ली एक-दूसरे के पास हैं, तो वे शायद इसलिए पास हैं क्योंकि वे दोनों एक फायर हाइड्रेंट के पास हैं (एक तीसरा कारक)। ISPAT-3D उस फायर हाइड्रेंट को पहचान लेता है जो उनके वहां होने का असली कारण है और उस कनेक्शन को हटा देता है। यह रेखा केवल तभी खींचता है जब कुत्ता और बिल्ली वास्तव में एक-दूसरे के साथ इंटरैक्ट कर रहे हों।

उन्होंने क्या पाया: दो वास्तविक उदाहरण

लेखकों ने इस टूल का परीक्षण दो अलग-अलग प्रकार के कैंसर "शहरों" पर किया: कोलोरेक्टल कैंसर (Colorectal Cancer) और ब्रेस्ट कैंसर (Breast Cancer)।

1. कोलोरेक्टल कैंसर सिटी (CRC1)

इस ट्यूमर में, प्रोग्राम ने पाया कि जैसे-जैसे ट्यूमर घना होता जाता है, "जुड़ने के नियम" बदल जाते हैं।

बदलाव: ट्यूमर के बीच में, "पुलिस" (CD4+ T cells) मुख्य रूप से "शांति रक्षकों" (Tregs) के साथ रहती थीं। लेकिन जैसे ही आप बहुत घने, भीड़भाड़ वाले कोर की ओर बढ़ते हैं, "स्पेशल फोर्सेज" (CD8+ T cells) शांति रक्षकों के साथ इंटरैक्शन संभालने में आगे निकल जाती हैं।
3D सरप्राइज: जब उन्होंने अपने 3D मैप की तुलना पुराने 2D स्लाइस मैप से की, तो उन्होंने पाया कि 2D स्लाइस एक विशाल "एक्सक्लूजन ज़ोन" (exclusion zone) को पूरी तरह से मिस कर गए थे। 3D में, B-सेल्स और T-सेल्स वास्तव में एक-दूसरे से बच रहे थे, लेकिन 2D स्लाइस में, वे स्वतंत्र रूप से मिश्रित होते दिख रहे थे। 3D दृश्य ने खुलासा किया कि वे वास्तव में इमारत के अलग-अलग "फ्लोर" पर रह रहे हैं।

2. ब्रेस्ट कैंसर सिटी (HER2-positive)

इस ट्यूमर में, प्रोग्राम ने एक दिलचस्प संरचनात्मक संबंध पाया।

"स्लीव" कनेक्शन: कम घनत्व वाले क्षेत्रों में (जहाँ ट्यूमर अभी शुरू ही हो रहा है), प्रोग्राम ने "निर्माण श्रमिकों" (Cancer-Associated Fibroblasts) और "बाहरी दीवार" (Myoepithelial cells) के बीच एक लगभग पूर्ण संबंध पाया। यह एक 3D संरचनात्मक विशेषता है जो एक डक्ट (duct) के चारों ओर लिपटी हुई एक आस्तीन (sleeve) की तरह दिखती है। एक एकल 2D स्लाइस में, यह रैंडम दिखता है; 3D में, यह एक स्पष्ट वास्तुशिल्प इकाई (architectural unit) है।
एंजियोजेनिक शिफ्ट (Angiogenic Shift): जैसे-जैसे ट्यूमर घना हुआ, निर्माण श्रमिकों ने दीवार को गले लगाना बंद कर दिया और "पाइपों" (रक्त वाहिकाओं/एंडोथेलियल कोशिकाओं) के करीब रहना शुरू कर दिया। यह सुझाव देता है कि ट्यूमर बढ़ने के साथ सक्रिय रूप से नई रक्त आपूर्ति लाइनें बना रहा है।
पतन (The Collapse): सबसे अधिक भीड़भाड़ वाले, उच्च-घनत्व वाले क्षेत्रों में, अंतःक्रियाओं का पूरा नेटवर्क टूटने लगा। जो स्पष्ट नियम थे कि कौन किसके साथ रहेगा, वे गायब हो गए, जिससे पता चलता है कि ट्यूमर इतना भीड़भाड़ वाला है कि संगठित संरचना टूट रही है।

यह क्यों मायने रखता है (पेपर के अनुसार)

पेपर का दावा है कि ISPAT-3D इस विशिष्ट कार्य को सफलतापूर्वक करने वाला पहला टूल है: 3D ट्यूमर छवियों को लेना, स्थानिक "शोर" (spatial noise) को हटाना, और सार्वभौमिक नियमों को स्थानीय नियमों से अलग करके एक कंडीशनल इंटरैक्शन मैप बनाना।

यह केवल एक बेहतर चित्र नहीं है: यह उन जैविक सत्यों को प्रकट करता जो 2D में देखना शारीरिक रूप से असंभव है। उदाहरण के लिए, कोशिकाएं जो एक सपाट स्लाइस में मिश्रित दिख सकती हैं, वे वास्तव में गहराई में कुछ मिलीमीटर अलग हो सकती हैं, जिसे केवल 3D मॉडल ही पहचान सकता है।
यह एक "कंडीशनल" दृश्य है: यह हमें बताता है कि कोशिकाएं वास्तव में किससे बात कर रही हैं, न कि केवल यह कि कौन संयोग से उसी कमरे में है।
यह "ज़ोन-अवेयर" है: यह समझता है कि ट्यूमर एक समान पिंड (blob) नहीं है; नियम इस बात पर निर्भर करते हैं कि भीड़ कितनी है।

संक्षेप में, ISPAT-3D ट्यूमर के एक सपाट, भ्रमित करने वाले मानचित्र को एक गतिशील, 3D मार्गदर्शिका (guidebook) में बदल देता है जो दिखाता है कि कैसे कोशिकीय "नागरिक" ट्यूमर के बढ़ने और बदलने के साथ खुद को व्यवस्थित करते हैं।

तकनीकी सारांश: ISPAT-3D

समस्या विवरण
ट्यूमर माइक्रोएन्वायरमेंट (TME) का स्थानिक संगठन प्रतिरक्षा कार्य और रोग की प्रगति को समझने के लिए महत्वपूर्ण है। जबकि उच्च-आयामी मल्टीप्लेक्स इमेजिंग तकनीकें (जैसे CyCIF, IMC, MIBi) अब 3D में सिंगल-सेल रिज़ॉल्यूशन सक्षम करती हैं, मौजूदा विश्लेषणात्मक विधियाँ सेल-प्रकार इंटरैक्शन नेटवर्क के लिए काफी हद तक द्वि-आयामी (2D) बनी हुई हैं। वर्तमान दृष्टिकोण ऊतक खंडों (tissue sections) को स्वतंत्र समतलीय डोमेन के रूप में मानते हैं, जो गहराई अक्ष (depth axis) और ठोस ट्यूमर की अंतर्निहित 3D वॉल्यूमेट्रिक संरचना की उपेक्षा करते हैं। इसके अलावा, ये विधियाँ अक्सर स्थानिक ऑटोकोरिलेशन (spatial autocorrelation) को ध्यान में रखने में विफल रहती हैं, जिससे युग्मवार सह-उपस्थिति (pairwise co-occurrence) के मापन में अतिरंजित मान प्राप्त होते हैं, और आमतौर पर एक एकल सारांश नेटवर्क उत्पन्न करते हैं जो ट्यूमर घनत्व प्रवणता (density gradients) द्वारा संचालित स्थानिक विषमता को त्याग देता है। फलस्वरूप, ट्यूमर घनत्व प्रवणता के साथ बदलने वाले सेल-प्रकारों के बीच कंडीशनल डिपेंडेंस स्ट्रक्चर अभी भी अनिश्चित (uncharacterized) हैं।

कार्यप्रणाली
लेखक ISPAT-3D (Informed Spatially Aware Patterns in 3D) पेश करते हैं, जो 3D मल्टीप्लेक्स कैंसर इमेजिंग डेटा से स्थानिक रूप से परिवर्तनशील, ज़ोन-विशिष्ट इंटरैक्शन नेटवर्क को पुनः प्राप्त करने के लिए डिज़ाइन किया गया एक पदानुक्रमित बायेसियन फ्रेमवर्क है। यह विधि तीन क्रमिक चरणों में कार्य करती है:

ज़ोन-विशिष्ट एनिसोट्रोपिक गॉसियन प्रोसेस (GP) रिग्रेशन:
ऊतक आयतन (tissue volume) को स्थानीय ट्यूमर सेल घनत्व के आधार पर ट्यूमर तीव्रता ज़ोन में विभाजित किया जाता है। प्रत्येक ज़ोन के भीतर प्रत्येक सेल प्रकार के लिए, देखे गए तीव्रता सतह पर एक एनिसोट्रोपिक GP फिट किया जाता है। महत्वपूर्ण रूप से, मॉडल सीरियल सेक्शन इमेजिंग के एनिसोट्रोपिक रिज़ॉल्यूशन को ध्यान में रखते हुए ऊतक तल ( $\ell_S$ ) और अक्षीय गहराई दिशा ( $\ell_Z$ ) के लिए अलग-अलग लेंथस्केल पैरामीटरों का उपयोग करता है। यह चरण देखे गए तीव्रता को एक सुचारू स्थानिक रुझान (nuisance) और एक अवशिष्ट सिग्नल (residual signal) में विघटित करता है। स्थानिक रूप से समायोजित अवशेषों (residuals) को अगले चरण के लिए भेजा जाता है, जो प्रभावी रूप से सेल-सेल इंटरैक्शन सिग्नल को अलग करने के लिए वैश्विक स्थानिक रुझानों को "डीकॉन्फाउंड" (deconfund) करता है।
मल्टी-स्टडी फैक्टर एनालिसिस (MSFA):
पाँच ट्यूमर ज़ोन से प्राप्त अवशेषों को कई "स्टडीज" के रूप में माना जाता है। एक बायेसियन MSFA मॉडल क्रॉस-सेल-प्रकार कोवेरिएंस मैट्रिसेस को निम्नानुसार विघटित करता है:
- एक साझा घटक ( $\Phi\Phi^\top$ ) जो सभी ट्यूमर घनत्व ज़ोन में सामान्य इंटरैक्शन पैटर्न का प्रतिनिधित्व करता है।
- ज़ोन-विशिष्ट घटक ( $\Lambda_q\Lambda_q^\top$ ) जो विशिष्ट घनत्व स्तरों के अद्वितीय विचलन को कैप्चर करते हैं।
- इडियोसिंक्रेटिक वेरिएंस ( $\Psi_q$ )।
  अनुमान (Inference) के लिए कोऑर्डिनेट एसेंट वेरिएशनल इन्फरेंस (CAVI) का उपयोग किया जाता है ताकि लाखों कोशिकाओं के पैमाने पर कम्प्यूटेशनल सुगमता सुनिश्चित हो सके।
नेटवर्क निर्माण:
अनुमानित लोडिंग मैट्रिसेस से, फ्रेमवर्क पार्शियल कोरिलेशन नेटवर्क बनाता है। साझा नेटवर्क $\Phi\Phi^\top$ से व्युत्पन्न है, जबकि ज़ोन-विशिष्ट नेटवर्क $\Phi\Phi^\top + \Lambda_q\Lambda_q^\top + \Psi_q$ से व्युत्पन्न हैं। सिस्टम में अन्य सभी सेल प्रकारों को नियंत्रित करते हुए कंडीशनल को-लोकलाइज़ेशन (सकारात्मक किनारे) या स्थानिक निष्कासन (नकारात्मक किनारे) का प्रतिनिधित्व करने वाले पार्शियल कोरिलेशन प्राप्त करने के लिए इन कोवेरिएंस मैट्रिसेस को इनवर्ट करके, विधि प्रिसिजन मैट्रिसेस निकालती है।

प्रमुख योगदान

प्रथम 3D वॉल्यूमेट्रिक नेटवर्क अनुमान: ISPAT-3D को 3D मल्टीप्लेक्स इमेजिंग डेटा से स्थानिक रूप से परिवर्तनशील, ज़ोन-विशिष्ट सेल-प्रकार इंटरैक्शन नेटवर्क को पुनः प्राप्त करने के लिए विशेष रूप से डिज़ाइन किए गए पहले सांख्यिकीय पद्धति के रूप में प्रस्तुत किया गया है।
एनिसोट्रोपिक स्थानिक डीकॉन्फाउंडिंग: एनिसोट्रोपिक GPs का उपयोग 3D में स्मूथ स्थानिक रुझानों को इंटरैक्शन सिग्नल्स से अलग करने के लिए किया जाता है, जो स्थानिक ऑटोकोरिलेशन के प्रभाव को संबोधित करता है जो 2D विश्लेषणों को प्रभावित करता है।
साझा बनाम ज़ोन-विशिष्ट संरचना का विघटन: MSFA घटक वैश्विक TME आर्किटेक्चर और ट्यूमर भार द्वारा संचालित स्थानीय परिवर्तनों के सह-अनुमान को सक्षम बनाता है, जो कि सिंगल-ज़ोन या होल-स्लाइड सारांश विधियों में अनुपलब्ध क्षमता है।
स्केलेबिलिटी: फ्रेमवर्क करोड़ों कोशिकाओं वाले डेटासेट (जैसे CRC1 एटलस) को संभालने के लिए वेरिएशनल इन्फरेंस और स्थानिक रूप से स्तरीकृत सबसैंपलिंग (Fisher Z-transform के माध्यम से एकत्रित) का उपयोग करता है।

परिणाम
लेखकों ने सिमुलेशन अध्ययनों और दो वास्तविक दुनिया के 3D डेटासेट पर अनुप्रयोग के माध्यम से ISPAT-3D का मूल्यांकन किया: एक कोलोरेक्टल कैंसर (CRC1) नमूना (3D CyCIF एटलस से) और एक HER2-पॉजिटिव डक्टल ब्रेस्ट कार्सिनोमा (BC) नमूना (3D IMC से)।

सिमुलेशन: विभिन्न कर्नेल विनिर्देशों (Matérn-3/2 और RBF), सेल काउंट और क्लस्टर आकार कॉन्फ़िगरेशन में, ISPAT-3D ने साझा और ज़ोन-विशिष्ट नेटवर्क संरचनाओं दोनों को पुनः प्राप्त करने में उच्च सटीकता प्रदर्शित की। औसत RV गुणांक 0.65 से 1.0 के बीच रहा, जिसमें सांख्यिकीय शक्ति लगातार 0.85 से ऊपर और नियंत्रित False Discovery Rates (FDR) देखी गई।
CRC1 अनुप्रयोग:
- साझा नेटवर्क: मैक्रोफेज और स्ट्रोमा के बीच एक मजबूत सकारात्मक कंडीशनल एसोसिएशन और टी सेल्स और रेगुलेटरी टी सेल्स (Tregs) के बीच नकारात्मक जुड़ाव प्रकट किया।
- ज़ोन-विशिष्ट डायनेमिक्स: एक टी सेल मॉड्यूल की पहचान की जो ट्यूमर भार के साथ तीव्र होता है। विशेष रूप से, प्रमुख नियामक जुड़ाव (regulatory association) मध्यम घनत्व पर CD4+↔Treg से बदलकर अधिकतम घनत्व पर CD8+↔Treg हो गया, जो ट्यूमर कोर की ओर साइटोटॉक्सिक दमन (cytotoxic suppression) की ओर संक्रमण का सुझाव देता है।
- 3D विशिष्टता: 2D बेसलाइन के साथ तुलना से पता चला कि 3D डीकॉन्फाउंडिंग ने उन महत्वपूर्ण इंटरैक्शन को पुनः प्राप्त किया जो 2D में अदृश्य थे, जैसे कि B सेल्स और T सेल्स के बीच मजबूत कंडीशनल एक्सक्लूजन, और CD8+ T सेल्स और स्ट्रोमा के बीच को-लोकलाइज़ेशन।
ब्रेस्ट कैंसर (BC) अनुप्रयोग:
- साझा नेटवर्क: कैंसर-एसोसिएटेड फाइब्रोब्लास्ट्स (CAFs) और मायोएपिथेलियल लेयर के बीच लगभग पूर्ण कंडीशनल कपलिंग, और इम्यून सेल्स एवं ट्यूमर सबटाइप्स के बीच मजबूत नकारात्मक जुड़ाव दिखाया।
- ज़ोन-विशिष्ट डायनेमिक्स: एक CAF↔एंडोथेलियल को-लोकलाइज़ेशन को उजागर किया जो विशेष रूप से मध्यम और उच्च ट्यूमर भार पर उभरता है (जो एंजियोजेनिक रीमॉडलिंग के अनुरूप है) और एक B सेल↔CAF जुड़ाव पाया गया जो उच्च-घनत्व वाले ज़ोन तक सीमित है (जो तृतीयक लिम्फोइड स्ट्रक्चर गठन के अनुरूप है)।
- 3D विशिष्टता: 3D विश्लेषण ने दिखाया कि इम्यून आबादी ट्यूमर कंपार्टमेंट से वॉल्यूमेट्रिक रूप से अलग है, एक ऐसा सिग्नल जो 2D विश्लेषणों में सह-उपस्थिति (co-occurrence) के रूप में ढह गया। इसने CD4+ T सेल↔मैक्रोफेज संबंधों में निम्न भार (positive) से उच्च भार (negative) की ओर बदलाव का भी पता लगाया, जो TME में कार्यात्मक संक्रमण को दर्शाता है।

महत्व और दावे
पेपर का दावा है कि ISPAT-3D "ट्यूमर जीव विज्ञान में एक गुणात्मक रूप से भिन्न खिड़की" प्रदान करता है, जो वॉल्यूमेट्रिक स्थानिक कंडीशनल इंटरैक्शन को कैप्चर करता है जो सेक्शन-स्तरीय (2D) विश्लेषणों के लिए संरचनात्मक रूप से अदृश्य हैं। लेखक दावा करते हैं कि उनकी विधि न केवल कंडीशनल इंडिपेंडेंस ग्राफ के रूप में बल्कि ग्रेडिएंट्स के रूप में भी इंटरैक्शन संरचनाओं को पुनः प्राप्त करती है जो ट्यूमर घनत्व के साथ व्यवस्थित रूप से बदलते हैं।

इस कार्य का महत्व इसकी क्षमता में निहित है:

3D-विशिष्ट जीव विज्ञान को हल करना: यह प्रदर्शित करना कि कई जैविक रूप से प्रासंगिक इंटरैक्शन (जैसे CAF-एंडोथेलियल कपलिंग, इम्यून एक्सक्लूजन पैटर्न) 3D ज्यामिति के आर्टिफैक्ट हैं और 2D स्लाइस से अनुमानित नहीं किए जा सकते।
TME विषमता को लक्षणित करना: स्थिर, पूरे-ट्यूमर सारांश से आगे बढ़कर घनत्व-स्तरीकृत, सेलुलर क्रॉस-टॉक के गतिशील मानचित्रों की ओर बढ़ना।
कार्यप्रणाली और जीव विज्ञान को जोड़ना: एक सांख्यिकीय ढांचा प्रदान करना जो सीधे 3D मल्टीप्लेक्स डेटा में लिगैंड-रिसेप्टर इंटरैक्शन और स्थानिक निश (niches) की व्याख्या का समर्थन करता है।

लेखक अपनी सीमाओं के संबंध में विनम्र रहते हैं, यह स्वीकार करते हुए कि विशाल डेटासेट्स पर गॉसियन प्रोसेस की कम्प्यूटेशनल बाधाओं के कारण विधि स्पैटियली स्ट्रैटिफाइड सबसैंपलिंग पर निर्भर करती है और वर्तमान कार्यान्वयन GP चरण में ज़ोन को स्वतंत्र रूप से मानता है। वे नोट करते हैं कि जबकि विधि का परीक्षण $p < n$ परिदृश्यों में किया गया था, यह उच्च-आयामी सेटिंग्स ( $p > n$ ) के लिए सैद्धांतिक रूप से लागू है। इस कार्य को TME की वॉल्यूमेट्रिक वास्तुकला को समझने की दिशा में एक आधारभूत कदम के रूप में रखा गया है, जिसमें भविष्य की दिशाओं में कॉज़ल इन्फरेंस और अतिरिक्त 3D स्पेसिमेन पर अनुप्रयोग शामिल हैं।