就像在大海捞针一样，识别与特定疾病有关的基因可能是一个艰巨而耗时的过程。为了改善这一过程，由贝勒医学院的研究人员领导的团队开发了一种新的生物信息学工具，可以分析CRISPR合并的筛选数据，并以比其他现有方法更高的灵敏度和准确度确定潜在相关基因的候选基因。新的基于网络的分析工具也更快，更友好，因为它不需要生物信息学培训来使用它。该研究发表在基因组研究杂志上。

“这个项目源于与研究神经系统疾病的Huda Zoghbi博士实验室的合作。该实验室的目标之一是确定可以用药物靶向的修饰基因，”相应的作者，Zhanndong Liu博士说。贝勒的儿科和神经学，以及德克萨斯儿童医院Jan和Dan Duncan神经学研究所的生物信息学核心主任。

修饰基因是影响另一基因表达的基因。识别修饰基因背后的想法是尝试治疗疾病，而不是直接影响实际引起疾病的基因，而是通过特定的修饰基因来减少导致疾病的基因的负面影响。

为了确定修饰基因的候选者，Zoghbi实验室使用CRISPR技术筛选整个基因组。

“CRISPR屏幕可以生成数千个基因的数据集，因此研究人员需要一种工具来将列表缩小到可以在实验室中进行测试的许多候选者，”刘说。“虽然有几种可用的计算方法，但为了准确地分析CRISPR屏幕数据，使用尽可能精确地模拟数据自然特征的分析工具是很重要的。尽管可用的计算工具不符合这些标准。”

“CRISPR数据通常带有很多变异性，可能使数据解释变得困难，”第一作者刘实焕博士说，他是刘实验室的博士后人员。“我们开发了一种新的方法，考虑到CRISPR屏幕数据的可变性;它可以更好地捕获数据中的大小变化。与八种最常用的方法相比，我们的网络工具更灵敏，更准确，更快捷更加用户友好。“

新的计算工具使用β二项式建模，使实验室科学家能够更好地估计他们测量的每个基因的统计学意义。他们还可以生成可能成为治疗候选靶标的基因列表，包括尽可能多的候选基因，但最大限度地减少假阳性。

“这个计算工具真正令人兴奋的是，研究人员并不局限于让生物信息学或计算生物学家帮助他们分析他们的'大数据'，”Zoghbi说，他是贝勒的分子和人类遗传学以及儿科和神经科学教授。和德克萨斯儿童医院Jan and Dan Duncan神经学研究所所长。她还是霍华德休斯医学研究所的研究员。“该工具使未经过生物信息学培训的湿实验室科学家能够分析数据，以确定最佳候选基因。”