计算癌症的路径

“这是数学研究中真正令人着迷的事情之一，有时你可以看到主题之间的联系，这些主题表面上看起来如此不同，但在数学层面上，它们可能使用了一些相同的技术思想。”

所有这些问题都涉及到绘制生物学主题不同变异的可能性:例如，哪些突变组合最有可能出现在特定蛋白质中，或者哪些染色体突变最常在同一个癌细胞中同时出现。McCandlish解释说，这些都是密度估计的问题——一种预测事件发生频率的统计工具。密度估计可能相对直接，比如绘制一组人的不同高度。但是当处理复杂的生物序列时，比如成百上千的氨基酸串在一起形成一个蛋白质，预测每个潜在序列的概率就变得异常复杂。

McCandlish解释了他的团队正在用数学来解决的基本问题:“有时候，如果你对一个蛋白质序列进行了一个突变，它什么都不会做。这种蛋白质工作得很好。如果你进行第二次突变，它仍然可以正常工作，但如果你把它们两个放在一起，现在你就得到了一个断裂的蛋白质。我们一直在努力寻找方法，不仅能模拟成对突变之间的相互作用，还能模拟三个、四个或任何数量的突变之间的相互作用。”

他们开发的方法可以用来解释实验数据，这些实验测量了数十万种不同的突变组合如何影响蛋白质的功能。

这项发表在《美国国家科学院院刊》上的研究，始于与另外两位CSHL同事的对话:CSHL研究员Jason Sheltzer和副教授Justin Kinney。他们与McCandlish合作，将他的方法应用于基因表达和癌症突变的进化。McCandlish团队发布的软件将使其他研究人员能够在自己的工作中使用同样的方法。他说，他希望它能应用于各种各样的生物学问题。