将社交网络服务(SNS)中运用的大数据分析手法图式化的模型。即掌握特定人物的熟人、对特定对象的评价等各个个体之间结成何种关系。不仅能了解个体之间的关系,还能了解由个体聚集而成的群集之间的关系。朴泰成教授把各个个体视为基因数据,尝试进行基因组分析。
首尔大学统计学系教授朴泰成在设计基于通路(pathway)的基因资料分析时,从社交网络服务(SNS)中获得了灵感。这是通过追踪在SNS上与谁结为好友来掌握人际关系的所谓“关系网分析”。关系网分析还被用于在选举时找出SNS上围绕特定候选人交换了哪些词语和话语,即“语言的关系”,并据此考察社会对候选人的印象与评价。把好友和语言替换为基因,最终就是基于通路的基因资料分析。
这种视角的转换源于朴教授主修生物统计学与生物信息学。朴教授解释其投身生物信息学研究的动因称:“对生物信息学领域的关注,始于2000年接触到国内首次生产的、测定了3800个‘信使RNA(mRNA,把细胞核内DNA的遗传信息传递给细胞质内核糖体的RNA)’表达值的微阵列资料。”也被称为“DNA芯片”的微阵列,是以高度排列的阵列把DNA附着在玻璃载片等固体物质上,因其能够一目了然地看出各基因作用上的差异而被视为革新性发明。朴教授表示:“微阵列资料的出现改变了此前生物信息学中的统计学范式”,“为分析这类高维大数据而开发新统计方法论成为挑战目标,这也成为我更加关注该领域并专注研究的动因。”
“尖端生物技术会产出新种类的大数据。这些新的大数据大多用现有分析方法不易分析。因此,‘新的尖端技术—新的大数据—新的分析方法开发研究’这一循环今后仍将持续。每天都能接触到新种类的大数据,或许正是生物信息学者所能享有的最大魅力。”






