Los Matemáticos en la Universidad Tecnológica de Michigan han desarrollado las nuevas herramientas potentes para aventar fuera los genes detrás de algunas de las enfermedades más insuperables de la humanidad.
Con uno, pueden echar detrás a través de las generaciones para establecer claramente los genes detrás de la enfermedad heredada. Con otros, han aislado 11 variaciones dentro de los genes - únicos polimorfismos llamados, SNPs o “recortes” del nucleótido - asociados al tipo - diabetes 2.
“Con crónico, las enfermedades complejas tienen gusto de Parkinson, diabetes y ALS [Lou Gehrig's Disease], los genes múltiples están implicados,” dijo a Qiuying Sha, profesor adjunto de ciencias matemáticas. “Usted necesita una prueba potente.”
Esa prueba es el Conjunto Que Aprende la Aproximación (ELA), el software que puede detectar un conjunto de SNPs que tiene en común un efecto importante sobre una enfermedad.
Con condiciones heredadas complejo, incluyendo tipo - la diabetes 2, los únicos genes puede precipitar la enfermedad en sus los propio, mientras que otros genes causan enfermedad cuando actúan juntos. En El Pasado, encontrar estas combinaciones del gen-gen ha sido especialmente poco manejable, porque los cálculos necesarios para corresponder con encima de los genes sospechados entre los 500.000 o en el genoma humano han sido tan virtualmente imposibles.
ELA evade este problema, primero drástico estrechando el campo de genes potencialmente peligrosos, y en segundo lugar, aplicando métodos estadísticos para determinar qué acto de SNPs en sus los propio y cuál acto en la combinación. “Pensamos que era bastante fresco,” Sha dijo.
Para probar su modelo en datos reales, las personas de Sha analizaban genes sobre de 1.000 personas en el Reino Unido, mitad con el tipo - 2 diabetes y mitad fuera. Determinaron 11 SNPs que, único o en pares, se conectan a la enfermedad a un alto nivel de probabilidad. Su trabajo ha sido validado por la Epidemiología Genética del gorrón y es accesible en línea en http://www3.interscience.wiley.com/cgi-bin/abstract/117890704/ABSTRACT.