来自西奈尔医学院的科学家们已经研发并发布了新的数据分析软件，能够帮助遗传学研究者们更加有效和准确地鉴定疾病的遗传性诱因。这些新工具的相关信息昨日发表在了PLoS Computational Biology 以及11月25日一期的Scientific Reports 上。

MEGENA把基因表达数据设计成一个三维球面，使得科学家们能够在一个复杂的网络体系中研究多层次组织模式，这些组织模式代表着一些诸如癌症、肥胖和阿尔兹海默病的特点。对癌症基因组图谱（TCGA）进行测试后，MEGENA鉴定出乳腺癌和肺癌的全新控制靶点，胜过其他那些共表达分析方法。

第二个工具，超精准测试（SuperExactTest）建立起第一个理论框架用于评价多套交叉点的统计学显著性差异，使用户能够比较非常大型的数据组，比如全基因组关联研究（GWAS）产生的基因组以及差异性表达分析。科学家们启动操作SuperExactTest对现有TCGA和GWAS数据进行分析，鉴定出一组核心癌基因组并检测一些复杂疾病的相关模式。这两种工具都是来自遗传学和基因组科学系副教授张斌领导的Multiscale Network Modeling Laboratory。

“这些工具填补了遗传学上非常重要且并未得以实现的需要，”这两篇研究文章的资深作者张博士说道。“MEGENA将帮助科学家们明确针对复杂疾病的全新途径和关键靶点，而SuperExactTest 将通过比较大量的基因显著性特性来帮助人们更好地理解基因组知识。”

“我们研究小组致力于制作高性能分析工具，并与更广泛的基因学研究团体分享这些新的资源以帮助我们大家获得最好的研究结果，”Eric Schadt、Jean C.和James W. 说道。“这些新工具论证了解决全世界科学家面临的计算方面巨大挑战的创造性新方法，我期待着看到研究团体应用这些工具取得的新成就。”

MEGENA和SuperExactTest 在张博士的网站和开放资源储库（CRAN）上都是可用的。