algoritmo grafici evoluzione genetica della mosca della frutta

Carnegie Mellon ha sviluppato un algoritmo e grafici per evoluzione genetica della mosca della frutta reti nel corso del ciclo di vita
Un nuovo algoritmo sviluppato dalla Carnegie Mellon University informatici ha rivelato per la prima volta come reti genetiche nella mosca della frutta, Drosophila melanogaster, l'insetto si evolvono nel corso del ciclo di vita.

Gli scienziati hanno saputo che i rapporti tra mosca della frutta geni cambiano nel tempo, ma attuali approcci sperimentali non possono catturare i dettagli di tali modifiche si verificano. Il nuovo algoritmo, chiamato Tesla, macchina incorpora tecniche di apprendimento che consente ora di ricercatori a capire come i cablaggi di tali reti, come avviene l'insetto sviluppa.

'Molti problemi biologici, sociali e di ingegneria dei sistemi richiedono a comprendere le interconnessioni tra i geni, le persone o di altri enti, ma direttamente osservando l'evoluzione di queste interconnessioni è stata spesso impossibile a causa delle limitazioni sperimentale o di calcolo,' ha detto Eric P. Xing, professore associato di informatica, l'apprendimento automatico e la tecnologia del linguaggio in Carnegie Mellon's School of Computer Science. 'Tipicamente ricercatori potrebbero individuare solo una statica' media 'all'interno di ogni sistema di rete per un periodo di tempo, ma non ha avuto modo di acquisire nel tempo specifico' istantanee 'della topologia di rete effettiva cablaggi a consecutivi orologio-zecche entro il termine.

'Il nostro nuovo metodo sfrutta la condivisione delle informazioni tra l'evoluzione delle reti, e rende possibile per scoprire che esistono delle interconnessioni per un breve momento nel tempo,' ha detto Xing. 'Questi risultati ci aiutano a capire in che modo queste reti si evolvono nel tempo, di rispondere agli stimoli e, a volte, diventare disfunzionali.'

In un documento che sarà pubblicato on-line di questa settimana in Early Edition del Proceedings of the National Academy of Sciences, Xing e Amr Ahmed, un dottorato di ricerca studente in Lingua Technology Institute, dettagli come la Tesla algoritmo può essere usato per analizzare non solo le reti in evoluzione gene mosche di frutta, ma anche delle modifiche in fase di voto alleanze nel Senato degli Stati Uniti e turni in rete sociale della macchina tutto l'arco della comunità accademica.

'Una volta che abbiamo capito la dinamica di una rete, siamo in grado di costruire modelli che prevedono come risponderanno agli stimoli e di identificare la sua vulnerabilità,' ha detto Xing, un membro della Ray e Stephanie Lane Centro di Biologia Computazionale presso la Carnegie Mellon. 'Nel contesto della genetica dei tumori, per esempio, questa dinamica di rete analisi potrebbe aiutarci a identificare nuovi obiettivi per la terapia farmacologica.'

In sede di analisi del gene reti della mosca della frutta, Xing e Ahmed è iniziata con un database esistente che misurata l'attività dei geni 4.028 a 66 intervalli che vanno embrionale, larvale, pupal e adulti periodi della mosca della frutta del ciclo di vita. Ciascuno dei campionamenti, effettuati con microarray, ha fornito una panoramica dei geni che sono attivi al momento in grande evoluzione delle reti. L'algoritmo di Tesla è stato utilizzato per stabilire i legami tra i geni in queste reti, al momento della istantanea. Utilizzo di un romanzo la scarsa estensione della tecnica di regressione popolare in inferenza statistica, Tesla è stato in grado di decodificare i cablaggi di tali legami, per capire esattamente come una rete per la prossima rete in progressione. Il risultato è il primo 'film' di mosca della frutta gene rete invecchiamento.

Poiché l'originale serie di dati possono avere perso geni importanti per lo sviluppo, non è ancora possibile trarre alcuna conclusione forte biologici derivanti dal film di gene l'evoluzione della rete, Xing ha detto, ma l'analisi, tuttavia, illustra l'utilità di Tesla promettenti.

'Per la nostra conoscenza, Tesla rappresenta il primo metodo pratico e scalabile per il recupero di grandi dimensioni, il tempo variabili socio-culturali e le reti sottostanti processi biologici a risoluzione temporale arbitrario,' gli autori hanno concluso nella loro relazione.

Xing e Ahmed Tesla utilizzata anche per analizzare il voto record per 642 fatture prima il Senato degli Stati Uniti nel 2005 e nel 2006, e vedere come i rapporti tra i senatori è cambiato nel corso del tempo. Senatori democratici e repubblicani tendevano a grappolo insieme (quindi con-Sen. Barack Obama sempre collegato solo ad altri democratici) nei loro voto, se ci sono state anomalie. Ad esempio, Sen. James Jeffords, poi un senatore da Vermont, ha avuto un record di voto che è stato strettamente legato al Democratici, anche se intorno a gennaio 2006 ha iniziato il suo voto a riflettere un po 'più collegamenti con i repubblicani, la sua parte iniziale. I voti dei quindi-Sen. Lincoln Chafee (RR.I.) può essere visto progressivamente verso il cambiamento democratico, ha successivamente divenne indipendente dopo aver perso la rielezione nel 2006. Il lavoro è stato supportato da sovvenzioni dal National Science Foundation, la difesa Progetti di Ricerca Avanzata Agenzia e la Fondazione Alfred P. Sloan.

Fonte: Carnegie Mellon University