Команда включает исследователей из Факультета информатики в Каменном Университете Ручья, Университете Северной-Каролины-Чапел-Хилла, Высшей школе здравоохранения Гарварда, Школе Карнеги Меллона Информатики и частной промышленности.«Это исследование представляет прекрасный шторм для информатики», сказал Каменный Стул Информатики Ручья Ари Кауфман. «У нас есть группа управляемых знанием сотрудников со всех концов Соединенных Штатов, финансируемых многократными источниками, и борющийся за продвижение геномного исследования, разрабатывая инновационный инструмент. Я поздравляю их с этим открытием».В геномике оценки изобилия расшифровки стенограммы используются, чтобы классифицировать болезни и их подтипы, понять, как экспрессия гена изменяет коррелят с фенотипом, и отслеживать развитие рака.
Точность оценок изобилия, полученных из данных РНК-seq, особенно срочная, учитывая широкий спектр уклонов, которые затрагивают фрагментацию РНК-seq и упорядочивающие процессы и использование данных о выражении при учащейся болезни и, в конечном счете, для медицинского диагноза и персонализированного лечения.Созданный исследователями Робом Пэтро, Гитом Дуггэлом, Майклом Лавом, Рафаэлем А. Иризарри и Карлом Кингсфордом, Сэлмон синтезирует в один инструмент, много алгоритмических и методологических достижений, которые приведут в действие исследования экспрессии гена, и маленькие – и крупномасштабный.Согласно Patro, признаки метода – его скорость, точность и надежность. Лосось бежит на подобной скорости к существующим быстрым алгоритмам для определения количества экспрессии гена, все же это включает богатую и выразительную модель основного эксперимента, включая многие технические уклоны, и использует новую статистическую процедуру вывода, чтобы оценить экспрессию гена быстро и точно.
«Методологические подкрепления Сэлмона служат основой, на которой мы можем продолжить строить точные модели и эффективные алгоритмы вывода», сказал Пэтро. «Мы работаем над пониманием и моделированием еще большего множества потенциальных технических уклонов, которые возникают в исследованиях экспрессии гена RNA-seq-based. Мы также особенно интересуемся тем, как алгоритмы определения количества могут быть сделаны более точными и прочными в упорядочивании РНК единственной клетки (scRNA-seq) эксперименты, которые представляют собой уникальные алгоритмические и статистические проблемы».