К вычислительной модели клетки: новый метод анализа геномных данных
Исследователи из Медицинской школы Калифорнийского университета в Сан-Диего предложили новый метод, который создает вычислительную модель клетки на основе больших сетей взаимодействий генов и белков. Цель — превратить огромные массивы геномных данных в значимую информацию о клетке, что имеет большое значение для биологии и медицины.
Новый подход: онтология, извлеченная из данных
Метод автоматически создает онтологию — спецификацию всех основных "игроков" в клетке и отношений между ними. Он использует знания о том, как гены и белки взаимодействуют друг с другом, и организует эту информацию в комплексный каталог функций генов, клеточных компонентов и процессов.
- Ключевое отличие: Новая онтология создается автоматически из больших наборов данных. Это позволяет увидеть не только уже известное, но и потенциально новые биологические компоненты и процессы, что формирует основу для новых гипотез.
Сравнение с существующим стандартом
Существующая Gene Ontology (GO), создававшаяся усилиями сотен ученых на протяжении более десяти лет, считается "золотым стандартом" для понимания структуры клетки и функции генов. Она содержит 34 765 терминов и 64 635 иерархических отношений, аннотирующих гены более чем 80 видов.
Однако GO неполна, ее сложно обновлять на основе новых данных, а на ее содержание влияет субъективный человеческий фактор. Новый подход предлагает более объективный способ определения известного и выявления нового.
Результаты и перспективы
Ученые протестировали метод, объединив несколько наборов данных, описывающих сложные биологические сети, и применили к ним свой алгоритм. Полученная "онтология, извлеченная из сети" (network-extracted ontology):
- Воспроизвела большинство известных клеточных компонентов.
- Выявила множество дополнительных терминов и взаимосвязей, что впоследствии привело к обновлениям существующей GO.
Авторы подчеркивают, что их подход не предназначен для замены текущей GO. Он служит комплементарной высокотехнологичной моделью, которая:
- Выявляет как известные, так и не охарактеризованные биологические компоненты непосредственно из данных.
- Может непрерывно обновляться и уточняться с поступлением каждого нового набора данных, приближая ученых к созданию полной модели клетки.
Результаты опубликованы 16 декабря в онлайн-версии журнала Nature Biotechnology.