来源：分析测试百科网

　　最近，来自美国西奈山伊坎医学院的科学家，开发和公布了两种新的数据分析软件，可以帮助研究人员以更高的效率和精确度，识别疾病的遗传触发因子。这些新的分析工具分别发表在11月30日的《PLoS Computational Biology》和11月25日的《Scientific Reports》。

　　MEGENA（Multiscale Embedded Gene Co-expression Network Analysis）将基因表达数据投射到一个三维球面上，从而让科学家在复杂的网络（具有某些疾病特性，如癌症、肥胖病和老年痴呆症）中研究层次组织模式。研究人员在来自Cancer Genome Atlas（TCGA）的数据上进行了检测，发现MEGENA可确定乳腺癌和肺癌中的新调控靶标，超越了其他共表达分析的方法。

　　第二种工具——SuperExactTest，建立了第一个理论框架，用于评估多套交集，并使用户能够比较非常大的数据集，如从全基因组关联研究（GWAS）和差异表达分析产生的基因集合。科学家们在现有的TCGA和GWAS数据上运行了SuperExactTest，从而确定了一套核心的癌症基因，并检测了复杂疾病之间的相关模式。

　　这两种工具都来自于西奈山伊坎医学院遗传学和基因组科学系副教授张斌（Bin Zhang）带领的多尺度网络建模实验室。这两篇论文的资深作者张斌博士说：“这些工具满足了基因组学中重要但未得到满足的需求。MEGENA将帮助科学家们具体化复杂疾病中的新途径和关键靶标，而SuperExactTest则通过比较大量的基因签名，为基因组提供更为清晰的见解。”

　　西奈山伊坎医学院基因组学教授、伊坎基因组学和多尺度生物学研究所主任Eric Schadt博士说：“我们的研究团队，致力于打造高性能的分析工具，并与更广泛的基因组研究机构共享这些资源，以帮助我们产生尽可能最好的结果。这些新的工具，为世界各地科学家所面对的计算挑战，展示了周到而富创造性的解决方案，我期待看到，科学家用它们完成更多研究。”

　　在张斌博士的网站和CRAN（Comprehensive R Archive Network），一个开源软件库，MEGENA和SuperExactTest是作为R程序包可用的。