相关性统计方法利于追踪基因网络

　　研究表明，与长久以来应用的线性模式相比，相关性统计方法是更可靠的定位复合基因相互作用的方法，从中还能找出潜在的癌症治疗靶基因。

这种很有前景的新工具能够追踪人类基因间的相互联系，这对于了解和治疗癌症，甚至其他的疾病有着重要的作用。基因之间是以错综复杂的方式相互影响的，如今所需的就是找出这些相互联系的图谱或者说“网络”。上述方法正是了解这些图谱的最有效的方法。研究人员所要回答的问题是：致命的致癌蛋白质何时会开启表达？开启之后又会有什么基因活动的连锁反应？

例如，如果引起细胞增殖的蛋白——c-Myc的产生不受控制，就会导致多种癌症的发生。一旦c-Myc不受控制，成千上万的基因就会被激活，导致大量蛋白质的产生，或者进一步激活更多的基因。

为了追踪上述的连锁反应过程，研究人员设计了一个很好的实验方法：把缺失了c-Myc基因的大鼠细胞做进一步的改造，让其带有被修饰的c-Myc蛋白，此种蛋白可以被激素三苯氧胺激活。一批细胞用激素激活后分别培养1、2、4、8和16小时，并在每一时间段进行细胞收集；另一批细胞则不用三苯氧胺激活，但培养相同的时间，并在每一时间段收集细胞。

基因活性分析表明有1191个可能的参与者在c-Myc基因网络中起作用。然后用两种统计学的方法模拟此网络并进行检验。一种方法是线性Markov模式，另一种是基于网络理论的相关性统计方法（此方法已被用于解释复杂的系统，如神经网络等）。把实验数据应用到上述的两种统计学方法之后，研究人员发现后者作为一种分析工具更加有效。这种方法有足够的灵敏度去捕捉基因网络的变化，结果显示有130个基因在受到c-Myc激活后发生了重要的改变。这个方法也是可靠的，当研究人员重组时间段数据后，那些网络变化也随之消失了。相反，线性Markov模式构建的基因网络对激素激活的影响则不敏感。

网络理论已为简单物种（如酵母）的基因组分析提供了大量的信息，在这里，此理论应用于更复杂的“系统”——人类。这将会是一个重要的研究基因表达的新方法。