Новый алгоритм отслеживает эволюцию генетических сетей в течение жизненного цикла дрозофилы
Новый алгоритм, разработанный специалистами по информатике из Университета Карнеги-Меллон, впервые показал, как генетические сети плодовой мушки Drosophila melanogaster эволюционируют в течение жизненного цикла насекомого.
Хотя было известно, что взаимосвязи между генами дрозофилы меняются со временем, существующие экспериментальные подходы не позволяли детально отследить эти изменения в реальном времени. Новый алгоритм Tesla, использующий методы машинного обучения, теперь позволяет исследователям выяснить, как происходит перестройка этих сетей по мере развития насекомого.
"Наш новый метод использует обмен информацией между эволюционирующими сетями и позволяет выявить взаимосвязи, существующие короткий момент времени", — пояснил Эрик П. Син, один из авторов работы.
В статье, опубликованной в Proceedings of the National Academy of Sciences, Син и аспирант Амр Ахмед детализируют, как алгоритм Tesla можно использовать для анализа не только эволюционирующих генетических сетей у дрозофил, но и изменений в голосующих блоках в Сенате США или сдвигов в социальной сети академического сообщества в области машинного обучения.
"Как только мы поймем динамику сети, мы сможем строить модели, предсказывающие её реакцию на стимулы и выявляющие её уязвимости", — отметил Син.
Анализ генетических сетей дрозофилы
Для анализа генетических сетей дрозофилы учёные использовали существующую базу данных, в которой измерялась активность 4 028 генов в 66 интервалах, охватывающих эмбриональный, личиночный, куколочный и взрослый периоды жизненного цикла. Каждое измерение, выполненное с помощью микрочипов, давало «снимок» активности генов в данный момент времени.
Алгоритм Tesla, используя новое расширение метода разреженной регрессии, смог реконструировать перестройку связей между генами, выяснив, как одна сеть связана со следующей в последовательности. Результатом стал первый «фильм» о старении генной сети дрозофилы.
Авторы отмечают, что из-за возможных пробелов в исходных данных пока нельзя сделать однозначных биологических выводов из этого «фильма», но анализ демонстрирует перспективность метода Tesla.
Другие применения алгоритма
- Политика: Анализ записей голосования по 642 законопроектам в Сенате США в 2005–2006 гг. показал, как менялись связи между сенаторами. Алгоритм выявил тенденцию к объединению сенаторов-демократов и республиканцев в отдельные блоки, а также динамику голосования независимых сенаторов, таких как Джеймс Джеффордс и Линкольн Чафи.
- Научное сообщество: Алгоритм также был применён для анализа изменений в социальной сети академического сообщества, занимающегося машинным обучением.
"Насколько нам известно, Tesla представляет собой первый практичный и масштабируемый метод для восстановления крупномасштабных, изменяющихся во времени сетей, лежащих в основе социокультурных и биологических процессов, с произвольным временным разрешением", — заключили авторы в своём отчёте.