在疾病，脱发、肥胖或视力不佳的趋势往往与特定的基因有关。为了阐明影响患者病情的原因，研究人员有必要从基因组中找到可疑的位点。更重要的是，为了确定基因和疾病，之间是否存在某种相关性，阐明不同基因之间的相互作用机制尤为重要。
研究人员表示，人体内有2万多个基因。通过将相关疾病病患者的基因与健康人的基因进行比较，研究人员可以观察样本之间的活动和表现的差异。基于这些信息，研究人员可以创建一个图标来显示所有基因之间的相关性，每个基因都将被分配一个权重因子。
通常，科学家只研究最活跃的基因，并为它们绘制特定的图谱。但是，如果将这些基因从“共同背景”中分离出来，研究人员将失去评估每个基因与其他基因之间关联的机会。
在这项研究中，研究人员没有关注权重因子最高的基因系统，而是提出了一种新的方法，即利用全基因组数据生成数千个子图。该算法基于马尔可夫链蒙特卡罗方法，可以计算每个样本与问题条件之间的联系概率，并可以根据每个基因之间的相互作用分析样本的组成。
研究人员解释说，如果你试图用瓶子组装一艘船，你可以使用镊子或摇晃瓶子来完成这项任务。当这些碎片按照我们的要求放在正确的位置时，我们可以修复系统，在这种情况下继续摇晃。如果不喜欢组装后得到的结果，可以重新开始，但无论如何，最终还是会得到类似船的东西。
研究人员设计的程序类似。他们可以从一组基因中移除一个基因。如果活跃基因数量增加，说明研究人员的操作是正确的。如果没有，他们可以继续运营。经过几个步骤后，权重因子可以开始快速增加。这样，这个算法就可以产生大量的图形。
研究人员设计的程序类似。他们可以从一组基因中移除一个基因。如果活跃基因数量增加，说明研究人员的操作是正确的。如果没有，他们可以继续运营。经过几个步骤后，权重因子可以开始快速增加。这样，这个算法就可以产生大量的图形。
有了这样的样本集，研究人员可以识别出比其他基因出现频率更高的基因。如果一个基因出现在90%的子图像中，科学家们可以90%确定它与疾病有关。
在未来，该算法有望帮助用户为各种目的产生不同水平的自信结果。
在未来，该算法有望帮助用户为各种目的产生不同水平的自信结果。
