详细内容或原文请订阅后点击阅览
研究基因因果关系的因果理论
通过避免昂贵的干预，一种新方法可能会揭示基因调控程序，为有针对性的治疗铺平道路。
来源:MIT新闻 - 人工智能通过研究基因表达的变化，研究人员学习了细胞在分子水平上的作用，这可以帮助他们了解某些疾病的发展。
但是，一个人有大约20,000个基因，可以以复杂的方式相互影响，因此甚至知道要靶向的基因组是一个非常复杂的问题。同样，基因在相互调节的模块中共同起作用。
MIT研究人员现在已经为方法开发了理论基础，这些方法可以识别将基因汇总到相关群体中的最佳方法，以便他们可以有效地学习许多基因之间的基本因果关系。
重要的是，这种新方法仅使用观察数据来实现这一目标。这意味着研究人员不需要执行昂贵，有时是不可行的介入实验来获得推断基本因果关系所需的数据。
从长远来看，该技术可以帮助科学家确定潜在的基因靶标，以更准确，更有效的方式诱导某些行为，从而使他们能够为患者开发精确的治疗方法。
“在基因组学中，了解细胞态的机制非常重要。但是细胞具有多尺度结构，因此摘要的水平也非常重要。如果您弄清楚汇总观察到的数据的正确方法，那么您了解该系统的信息应该更容易解释和有用。
有关此技术的论文从观察数据中学习
研究人员着手解决的问题涉及基因学习计划。这些程序描述了哪些基因在生物学过程中（例如细胞发育或分化）中共同调节其他基因。
仅使用观察数据，研究人员无法比较干预前后的基因来了解基因组如何共同发挥作用。