I Matematici all'Università Tecnologica del Michigan hanno sviluppato i nuovi strumenti potenti per la spulatura fuori dei geni dietro alcune delle malattie più intrattabili dell'umanità.
Con uno, possono fondere indietro attraverso le generazioni per segnare i geni con esattezza dietro la malattia ereditata. Con un altro, hanno isolato la 11 variazione all'interno dei geni - singoli polimorfismi chiamati, SNPs o “colpi di forbici„ del nucleotide - connessi con il diabete di tipo 2.
“Con cronico, le malattie complesse gradiscono Parkinson, diabete ed ALS [Lou Gehrig's Disease], i geni multipli sono implicati,„ ha detto Qiuying Sha, un assistente universitario delle scienze matematiche. “Avete bisogno di una prova potente.„
Quella prova è l'Insieme che Impara l'Approccio (ELA), software che può individuare un insieme di SNPs che ha insieme un effetto significativo su una malattia.
Con i termini ereditati complesso, compreso il diabete di tipo 2, i singoli geni possono precipitare la malattia da sè, mentre altri geni causano la malattia quando agiscono insieme. Nel Passato, trovare queste combinazioni del gene-gene è stata particolarmente poco maneggevole, perché i calcoli stati necessari per abbinare sui geni sospetti fra i 500.000 circa nel genoma umano sono stati virtualmente impossibili.
ELA schivare questo problema, in primo luogo drasticamente limitando il campo dei geni potenzialmente pericolosi ed in secondo luogo, applicando i metodi statistici per determinare quale atto di SNPs da sè e quale agiscono in associazione. “Abbiamo pensato che fosse abbastanza fresco,„ Sha ha detto.
Per verificare il loro modello sui dati reali, il gruppo di Sha ha analizzato i geni da 1,000 persone eccessive nel Regno Unito, la metà con il diabete di tipo 2 e la metà senza. Hanno identificato 11 SNPs che, separatamente o nelle paia, sono collegati alla malattia con un alto livello di probabilità. Il Loro lavoro è stato accettato dall'Epidemiologia Genetica del giornale ed è accessibile in linea a http://www3.interscience.wiley.com/cgi-bin/abstract/117890704/ABSTRACT.