Tutkijat kehittivät uuden laskennallisen menetelmän geenisäätelyn selvittämiseen
14.04.2010
Aalto-yliopiston, European Molecular Biology Laboratoryn (Heidelberg, Saksa) ja Manchesterin yliopiston (Iso-Britannia) tutkijat ovat kehittäneet uuden laskennallisen menetelmän säätelygeenien kohteiden tunnistamiseen. Menetelmä esitellään viimeisimmässä yhdysvaltalaisen Proceedings of the National Academy of Sciences (PNAS) -lehden verkkonumerossa.
Ihmisen genomi sisältää ohjeet kaikkien kehomme solujen valmistamiseen. Yksittäisen solun erikoistuminen (esimerkiksi lihas- tai verisoluksi) riippuu siitä, miten näitä ohjeita luetaan eli erilaisista geenisäätelymekanismeista. Näiden mekanismien ymmärtäminen edistää merkittävästi ymmärtämystämme biologiasta.
Eräs keskeinen säätelymekanismi perustuu geeneihin, jotka aktiivisesti edistävät tai estävät toisten geenien aktiivisuutta. Nyt julkaistu tutkimus käsittelee tällaisten säätelijägeenien kohdegeenien tunnistamista.
Uusi menetelmä perustuu geenien mitattujen aktiivisuusaikasarjojen huolelliseen mallinnukseen. Se yhdistää solun yksinkertaisen biokemiallisen mallin ja todennäköisyysmallin, joka huomioi mittausten epätäydellisyyden ja epävarmuuden.
– Soveltamamme biokemiallisen ja todennäköisyysmallinnuksen menetelmien yhdistelmä on erittäin lupaava. Monet nykyisin tutkittavat järjestelmät ovat liian monimutkaisia pelkästään fysikaalisille malleille, ja perusteltu kytkentä havaintoihin on välttämätöntä, kertoo Manchesterin yliopiston vanhempi tutkija Dr Magnus Rattray.
–Työmme näyttää, miten dataperustaisia koneoppimismenetelmiä voidaan käyttää selvittämään fysikaalinen malli solun säätelymekanismeille. Tämä osoittaa, että dataperustaista mallinnusta voi selvästi kehittää tuomalla mukaan fysikaalista taustatietoa, jatkaa Dosentti Antti Honkela Aalto-yliopistosta.
Alkuperäinen tutkimusartikkeli on saatavilla PNAS Early Edition -palvelussa:
A Honkela, C Girardot, EH Gustafson, Y Liu, EEM Furlong, ND Lawrence, M Rattray (2010), "Model-based method for transcription factor target identification with limited data." Proc Natl Acad Sci USA, http://www.pnas.org/cgi/doi/10.1073/pnas.0914285107
Lisätietoja:
Dosentti, TkT Antti Honkela, Aalto-yliopiston teknillinen korkeakoulu, Tietojenkäsittelytieteen laitos, antti.honkela [at] tkk [dot] fi, 09 4702 5283 tai 050 384 1748
Dr Magnus Rattray, University of Manchester, School of Computer Science, magnus.rattray [at] manchester [dot] ac [dot] uk, +44 161 275 6187
