研究员开发有为的新的基因网络分析方法

比较长使用的线性模型，基于相关性的统计方法是更加可靠的方式根据新的布朗大学研究映射可能是潜在的癌症治疗目标的复杂基因交往和极细微的基因。

因为它描述为跟踪人力基因连接数，任务的一套有为的新工具重要为了解和对待癌症和其他疾病，这个研究是重要的。 结果本周出现于国家科学院的行动的在线编辑。

“基因互相影响用许多复杂方式”，教授和主任说利昂物理和神经科学木桶匠、学院和神经系统的脑子在布朗。 “什么我们需要是映射或者网络，这些连结。 什么我们在此项目识别是做的此映射一个更加有效的方法”。

从域的包括的科学家的生物、物理，统计数据和计算机科学在布朗、 Universita? di Bologna 在意大利和特拉唯夫大学在 - 开始的以色列回答问题的研究小组 -。 一致命的 “oncoprotein”什么时候被接通，基因活动的什么链式反应它引起？

蛋白质， c-Myc，造成细胞倍增。 如果蛋白质是被生产的未经检查的，它可能导致乳房、冒号和癌症的其他类型。 C-Myc 每年造成超过 70,000 死亡在美国。

一旦 c-Myc 切换被投掷，千位其他基因开始抽蛋白质或接通其他基因，仍然激活更多基因。 一种方式学习连接数此万维网将引起这个链式反应和随着时间的推移学习它。 要做发生，布朗研究员产生一个聪明的实验。

约翰 Sedivy、一位长期 c-Myc 研究员和主任染色体组的和 Proteomics，缺乏 c-Myc 基因的被开发的汇率细胞布朗的中心。 进一步修改这些细胞做表单 c-Myc 蛋白质，可能被切换的开/关由激素治疗它莫西芬。

一批细胞对待与它莫西芬，然后收获了以后一，二，四，八和 16 时数。 另一批细胞没获得这种药物，然而在同一时期被收获了构成。

在实验生成的对基因活动的分析显示了 c-Myc 基因网络的 1,191 个可能的球员。 一个统计小组，导致由有学院脑子和神经系统和教授的 Gastone Castellani，关联研究教授在 Universita? di Bologna，测试二个方法设法塑造此网络。

一个是这个线性马尔可夫设计，用于的一个几十年的工具咬嚼一切从体育运动统计数据到语言生产。 其他是在网络理论基础上的对比法，用于解释复杂系统例如电网和神经网络。

在运用两个统计方法以后于实验数据，这个小组发现对比法是一个更加有效的分析工具。 这个方法对获取基因网络更改是足够敏感的在它莫西芬处理以后，导致 c-Myc 启动显著修改的 130 个基因列表。 此方法也是可靠的。 当研究员改造了数据计时点，那些网络更改消失。

相反，这个线性马尔可夫设计修建的基因网络看来是不区分的对它莫西芬的作用。 既使当研究员拖曳了数据计时点，这个网络看上去主要没有变化。

“网络理论是巨大情报的在分析简单的种类染色体例如酵母”， Sedivy 说。 “这里，这个原理被运用于复杂系统： 人。 整体概念 - 时间数列试验和统计数据和网络理论的组合 - 相当新颖。 这应该是一个重要新的途径到学习基因表达”。

研究小组也包括从布朗大学的 Brenda 奥康内尔和 Nicola Neretti; 从 Universita? di Bologna 的丹尼尔 Remondini; 并且 Nathan Intrator，在布朗大学和特拉唯夫大学的保持位置。

国家卫生研究所、 Ministero dell'Instruzione、 dell'Università e della Ricera，脑子和神经系统学院和研究的副总统办公室在布朗大学的资助了这个工作。

http://www.brown.edu/