最近的生物学研究已通过多重和高通量测定法对尺度和粒度进行了彻底的革命。跨多个实验参数（例如扰动，时间和遗传环境）的细胞反应会导致更丰富，更具概括性的发现。但是，这些多维数据集需要重新评估常规方法以进行表示和分析。传统上，实验参数被合并以将数据扁平化成二维矩阵，从而牺牲了由结构反映的关键实验上下文。正如马歇尔·麦克卢汉（Marshall McLuhan）所说的那样，“媒介是信息。”在这项工作中，我们建议实验结构是进行后续分析的介质，并且数据表示的最佳选择必须反映实验结构。我们引入了张量结构化分析和分解以保留此信息。我们认为，张量方法有望成为生物医学数据科学工具包的组成部分。