Eksperimen microarray saat ini memungkinkan tingkat aktivitas ribuan gen yang akan diukur sekaligus, memberikan jendela ke dalam peristiwa molekuler yang mendasari kesehatan dan penyakit.
Pemilihan gen memiliki tingkat aktivitas yang berbeda antara kondisi yang menarik (seperti kanker dan non-kanker) Oleh karena itu muncul sebagai tujuan utama dari analisis data. Namun, dengan ribuan gen biasanya banyak untuk memilih dan paling banyak beberapa lusin set pengukuran yang tersedia, analisis diferensial semacam ini sangat menantang. Uji statistik yang berbeda menghasilkan hasil yang berbeda karena asumsi yang mendasarinya, namun pada data nyata itu biasanya tidak mungkin untuk mengatakan metode mana yang mungkin benar.
Para peneliti di Universitas Oxford telah mengembangkan metode baru yang mampu memberikan ukuran dari konsistensi untuk tes tersebut. Hal ini mampu menilai efektivitas setiap algoritma untuk data tertentu dan dapat lebih dimanfaatkan untuk belajar bagaimana untuk menghasilkan metode statistik yang efektif untuk menguji data yang diberikan.
Metode baru memiliki kelebihan yang berbeda dan manfaat banyak dibandingkan dengan metode yang ada untuk screening. Salah satu keuntungan utama adalah bahwa ia mampu menilai algoritma statistik dengan memilih algoritma khusus dari data menggunakan konsep konsistensi. Teknik, yang sangat kuat, membantu mengurangi risiko memilih algoritma yang tidak tepat. Ini membantu untuk meminimalkan kesalahan dan karena itu menyebabkan potensi pengurangan yang signifikan dalam biaya produksi data.