Gen-verstoring voorspellen louter op basis van data

0
484

Een van de vragen die wetenschappers zich stellen is: ‘Wat gebeurt er als een systeem op een bepaalde manier wordt verstoord?’ Computerwetenschapper Joris Mooij van de UvA toonde met een internationaal team van onderzoekers aan dat deze vraag goed beantwoord kan worden op basis van bestaande data, dus zonder de noodzaak van een experimentele benadering. Wetenschappelijk tijdschrift PNAS publiceerde de bevindingen deze week.
Als concrete casus werkte het team van statistici van de ETH Zürich en computerwetenschappers van de Universiteit van Amsterdam aan een biologische vraag: als een bepaald gen van een gistorganisme wordt uitgeschakeld, hoe reageren andere genen als gevolg van deze verstoring?

Het team maakte gebruik van een recent ontwikkelde ‘causal discovery’ methode om, louter op basis van bestaande data, de sterkste gen-regulerende relaties te identificeren. Ze werkten hiervoor met een dataset van grootschalige gen-verstorende experimenten van onderzoekers van het UMC Utrecht. Een deel van de data werd gebruikt voor het maken van voorspellingen, het overige deel van de gegevens voor het valideren van de voorspellingen. De resultaten suggereren dat deze causale detectiemethoden zinvol kunnen zijn voor het voorspellen van de effecten en het prioriteren van toekomstige experimenten.

Toepasbaar in vele domeinen

Joris Mooij van het UvA Instituut voor Informatica: ‘Dit is misschien wel de eerste keer dat overtuigend is aangetoond dat een geautomatiseerde ‘causal discovery’ methode echt werkt in de praktijk. Met deze methode wordt het mogelijk de effecten van verstoringen van een systeem te voorspellen zonder dat daar daadwerkelijke experimenten voor uitgevoerd hoeven te worden. Dat is in het bijzonder waardevol wanneer experimenten wegens financiële, ethische of technische bezwaren onhaalbaar zijn. Omdat de methode volledig data-gestuurd is en geen gebruikt maakt van biologische voorkennis kan deze ook in vele andere domeinen worden toegepast.’

Publicatiegegevens

Nicolai Meinshausen, Alain Hauser, Joris M. Mooij, Jonas Peters, Philip Versteeg, Peter Bühlmann: ‘Methods for causal inference from gene perturbation experiments and validation‘, in Proceedings of the National Academy of Sciences of the United States of America, vol.113, no.27, pp.7361–7368, 2016
doi:10.1073/pnas.1510493113

Bron UvA