最近呈爆炸式的基因表达、蛋白质相互作用的数据，似乎在告诉我们可以运用这些数据来预测不断庞大的复杂的基因调控网络模型。但是，一个研究者又怎么可能去精确辨析出哪个才是正确的模型？Trey  Ideker和他的同事开发了一种自动化式的方法，不仅减少了检测的努力，而且还大大精练了基因网络的预测过程。

　　结合基因表达，启动子结合和蛋白质相互作用的数据，作者为酵母中众多的基因调控通路构建了模型。在一些情况下，各个元素之间的相互作用很模糊，似乎用一个模型不能解决问题。证实一个独特的预测模型的方法就是在遗传学上将网络中的各个元素敲除，看基因表达的改变情况是否与模型符合。作者开发的这个自动化的方法还可以将敲除实验进行排序，进而给一些模糊的模型建立提供尽量多的信息。

　　在同一个有关酵母基因SW14和SOK2下游调控通路的模型中，有三个可信度最高的实验。对于由自动化系统预测的敲除实验的分析，作者证实了这个模型中的两条预测的调控通路，但第三条通路被否决了。而且，如果将这些敲除实验的结果与之前为建立原始模型而做的273个单基因敲除的实验分析相结合的话，很多之前含糊不清的相互作用也搞清楚了。

　　那么这种方法和其他的实验证实策略有什么区别？其他的方法，如可能可以将中心枢纽的基因（hub；即那些参与多个相互作用过程的基因）敲除进行排序，或者随机地敲除基因。作者的自动化式方法比这些方法在消除模糊关系上更为有效；换言之，作者的方法更具有说服力。而且，作者的方法还可以估计为完全确定一个模型将来还需要做多少次实验。

　　当然，这个方法也有它内在的缺陷--它可能在处理多于一个基因敲除的实验更为有用。然而，该方法还是提供了一个证实基因网络通路的有力工具，而且可能在将来的多基因敲除中发挥出更强大的威力。