Прогностические модели регуляции генов

В системной биологии «большие данные» — это огромные объёмы информации, которые можно собирать, хранить и анализировать с помощью вычислений, что позволяет выявлять ранее невидимые закономерности, важные для понимания, лечения или предотвращения болезней.

Однако современные статистические инструменты не очень точны в прогнозировании дискретного и несимметричного поведения отдельных клеток. По мнению Грегора Нойерта, PhD, и его коллег из Университета Вандербильта и Университета штата Колорадо, проблема не в больших данных, а в используемых инструментах.

В исследовании стрессового ответа у дрожжей, опубликованном в прошлом месяце в Proceedings of the National Academy of Sciences, они показали, как измерения на уровне одной молекулы и продвинутый вычислительный анализ позволяют создавать гораздо более точные, воспроизводимые и прогностические модели сложных механизмов, контролирующих профили экспрессии генов во времени и пространстве.

Эти подходы должны помочь в усилиях по прогнозированию того, как, например, мутации и изменения окружающей среды влияют на клеточную функцию и поведение, а также как болезни реагируют на комбинации лекарств.