60 فأرًا، 1980 عينة، 234 مريضًا بسرطان الرئة. خلف كل رقم آلاف الجينات. يُقاس نشاطها لفهم المرض. لكن البيانات ليست متجانسة: بالنسبة لمريض واحد يتم تقييم مستوى البروتين (رقم متصل)، وإعطاء تشخيص (نعم/لا)، وتحديد النوع الفرعي للورم (فئة). دمجها في نموذج واحد كجمع درجات الحرارة المئوية مع الكيلومترات. المتخصصون في التعلم الآلي يضبطون أوزان الأخطاء يدويًا لكل مهمة. بدون لغة مشتركة، يستحيل الاتفاق على الأهمية — فالنتيجة تعتمد على الحالة.

اقترح مؤلفو العمل التخلي عن المقاييس المطلقة والانتقال إلى لغة نظام مشتركة. هكذا تعمل. النموذج، كمترجم، لا يحدق في الأرقام الدقيقة. إنه يلتقط الهرمية — من الأعلى، ومن الأدنى. يتعلم ترتيب المرضى: من لديه المؤشر الأعلى، أي ورم أكثر عدوانية. هذا النهج غير متأثر بالتحويلات الرتيبة (monotonic transformations). هذه عمليات تغير الأرقام لكنها تحافظ على الترتيب — مثل أخذ اللوغاريتم. عمليًا، يتم استبدال القاعدة الصارمة «أكبر/أصغر» بدالة سينية (sigmoid) ناعمة. هكذا يجري التحسين بسلاسة.

بنية الشبكة العصبية بسيطة. الطبقة الأولى المشتركة تنخل مئات جين وتُبقي فقط على اللاعبين الشاملين. العقاب الجماعي (group penalty)، وهو طريقة لاختيار السمات تصفر كل المعاملات للسمة غير المعلوماتية، يزيل التشويش. ثم لكل مهمة طبقاتها الخاصة، وتُصدر تنبؤات بدرجات ترتيبية اعتبارية. أظهرت التجارب في المحاكاة العددية وعلى بيانات المعلوماتية الحيوية الحقيقية أن الطريقة تتفوق على الترجيح الديناميكي وGradNorm والشبكات المنفردة.

الجينات المختارة لم تكن عشوائية. يتحكم Scd1 في أيض الدهون. E2F1 هو عامل نسخ في سرطان الثدي. RPLP2 هو مؤشر للسرطانة الغدية في الرئة. لغة النظام المشتركة لا تزيد الدقة فحسب. إنها تترجم المؤشرات المتباينة إلى سرد بيولوجي موحد، رابط بين المناعة وتكون الأورام. كل نوع من البيانات لم يعد لهجة منعزلة. الفئران الستون، والعينات الـ1980، والمرضى الـ234 لم يعودوا مجرد إحصاءات — علم الجينوم الخاص بهم، وملامح الرنا الخاصة بهم، وتشخيصاتهم أصبحت تتحدث لغة واحدة تفهمها الشبكة العصبية.