Mer information från biologiska data med nya nätverksmodeller

Dagens avancerade metoder inom biologisk forskning kan på en dag generera lika mycket data som tidigare upptog ett helt forskarliv. Men för att inte drunkna i data krävs att de statistiska metoderna är lika avancerade. Nu presenteras tre nya metoder för statistisk tolkning av data i en ny doktorsavhandling.

Inom modern genomik, alltså när man undersöker gener och hur aktiva de är, finns ingen möjlighet att tolka resultaten utan statistiska metoder.

Våra gener fungerar i samspel där aktiviteten i en gen påverkar en annan – eller flera, som i sin tur påverkar andra. För att urskilja vilka kopplingar i detta enorma nätverk som är viktiga måste statistiken tas till hjälp.

Jonatan Kallus, doktorand vid institutionen för matematiska vetenskaper, har utvecklat tre statistiska metoder som han presenterar i sin avhandling. Metoderna ger inte några exakta svar, men de uppskattar hur stora osäkerheterna är och var de finns. De hjälper forskarna att sålla agnarna från vetet och visar var det finns anledning att gräva vidare.

Metoderna underlättar behandlingen av data
En av Jonatan Kallus metoder underlättar för jämförelser av olika typer av data, så att man till exempel kan jämföra data från olika patientgrupper.

Ett annat område där de nya metoderna kan användas innebär en förbättring inom epigenetiken. Det vill säga den gren inom genomiken som studerar hur gener påverkas av omgivningsfaktorer och som kan få samma gen att uppföra sig helt olika hos olika personer, eller i en och samma person, då i olika organ.

– Mina metoder gör det lättare att se vad som är verklig påverkan mellan alla tusentals gener och vad som bara är en slump. Metoderna bygger på samband. Man kan till exempel få hjälp att se vilka kopplingar som är av betydelse för en viss tumörform genom att hitta samma mönster hos många patienter. Eller om man vet att gen 1 påverkar gen 3 så kan man med mina metoder få hjälp att inse att denna påverkan kanske bara sker indirekt, att även gen 2 krävs, säger Jonatan Kallus.

De tre metoderna är specialiserade för olika användningsområden. Den ena avgör hur stor osäkerheten är i skattningen av respektive koppling i det genetiska nätverket genom att slumpvis utelämna delar av data. Den andra förbättrar möjligheten att samtidigt analysera flera olika typer av genomikdata för att förstå likheter och skillnader mellan till exempel olika cancertyper. Den tredje metoden är ett sätt att justera populära metoder för nätverksskattning så att de skattar nätverk på ett biologiskt mer realistiskt sätt.

Kontakt: Jonatan Kallus, mobil: 070810019, e-post:kallus@chalmers.se

Titel: Network modeling and integrative analysis of high-dimensional genomic data
Digital publicering: https://gupea.ub.gu.se/handle/2077/63747

Handledare: Professor Rebecka Jörnsten

Foto:

Överst: foto: ktsimageoto (Mostphotos)

Porträtt av Jonatan Kallus

Carina Eliasson
Pressansvarig kommunikatör
Göteborgs universitet
telefon: 031-786 98 73
e-post: carina.eliasson@science.gu.se

Göteborgs universitet är ett av de stora i Europa med 47 500 studenter och 6 400 anställda. Verksamheten bedrivs av åtta fakulteter, till allra största del i centrala Göteborg. Utbildning och forskning har stor bredd och hög kvalitet – det vittnar sökandetryck och nobelpris om. www.gu.se.  Följ oss på Twitter. Gilla oss på Facebook. Adda oss på Snapchat (uniofgothenburg). Följ oss på Instagram.

Taggar: