Principais ameaças três aplicativos móveis
O mundo tem construído genomas de DNA por um longo tempo, mas aplicando o que sabemos sobre a genética à medicina todos os dias é uma pergunta difícil.
Por exemplo, os leitores devem se lembrar de que o negócio de elaborar tratamentos de genes é tão complexa que a IBM entrou recentemente uma parceria para começar a sua Watson Megabrain aprendizagem para ajudar tratamentos personalizados medicos de artesanato para o câncer.
Parte do problema que os pesquisadores querem resolver é "expressão gênica": em todas as complexidades de como os genes interagem, o que interações são "expressa" em um traço físico? - Se esse traço é olhos azuis, ou por que um indivíduo morre de um câncer que está preso em outra pessoa.
O que queria é uma maneira de prever a expressão do gene, e um ângulo da pesquisa é baseada em RNA sequenciamento de dados (RNA-seq). O problema é que a análise de seqüenciamento de RNA é um processo lento, e é aí que a pesquisa de Carnegie-Mellon University e da Universidade de Maryland vem dentro Seu algoritmo Sailfish acelera dramaticamente estimativas dos resultados prováveis de seqüência de RNA.
Para explicar por que isso é importante, dos pesquisadores lançamento diz: "Ainda que a composição genética de um organismo é estática, a atividade de genes individuais varia muito ao longo do tempo, fazendo com que a expressão do gene um fator importante na compreensão de como os organismos funcionam eo que ocorre durante processos de doença. A actividade do gene não pode ser medida directamente, mas pode ser deduzida através da monitorização do RNA, as moléculas que transportam as informações a partir dos genes para a produção de proteínas e outras actividades celulares. "
No entanto, a análise do RNA-seq "lê" - curtas seqüências de RNA - tradicionalmente resulta em enormes conjuntos de dados que têm de ser mapeados de volta para os seus processos genéticos originais. O Sailfish "molho secreto" (exceto que não é tão secreto - o código foi lançado aqui ) é que ele pula essa etapa de mapeamento meticuloso.
Em vez disso, os pesquisadores "descobriram que poderiam alocar partes do lê a diferentes tipos de moléculas de RNA, bem como se cada leitura atuou como vários votos para uma molécula ou de outra". Pense nisso como upvoting mensagens em um fórum: votos individuais conceder uma espécie de consenso sobre o que lê - ou mensagens - carregam o maior significado.
Conseguir o que poderia ser uma análise de 15 horas para minutos é importante, os pesquisadores acreditam: já existem enormes repositórios de dados de RNA-seq, mas transformar dados em percepções é retido pelo esforço computacional.
Quinze horas para cada análise "realmente começa a somar, principalmente se você quiser olhar para 100 experimentos", explica o professor de Carnegie Mellon-Carl Kingsford. "Com Sailfish, podemos dar tudo o que tem pesquisadores de métodos anteriores, mas mais rápido." ®
via Alimentação (Feed)
Nenhum comentário:
Postar um comentário