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。