Взаимоотношения между уровнями мРНК транскрипционных факторов и генами, их регулирующих м.б. непрямыми благодаря, напр., пост-транскрипционной регуляции. Но корреляция между обилием активных белков транскрипционных факторов и уровнем мРНК гена технически непонятна. К счастью, новый метод Beer and Tavazoie устранил эти затруднения благодаря построению sequence-to-gene сетей, с использованием коротких 5'-вышестоящих последовательностей элементов ДНК в качестве суррогата для уровней активных белков транскрипционных факторов.

Работая с дрожжами, авт. заметили группы генов, которые ко-экспрессируются при определенных рангах экспериментальных условий (напр., при хитшоке или воздействии diamide). Всего они выявили 2,587 для 49 'expression patterns'. Затем они идентифицировали избыточно представленные мотивы последовательностей внутри вышестоящих 800 п.н. генов в каждом таком паттерне. Разумно было предположить, что такие sequence элементы скорее всего вовлечены в регуляцию соотв. генов. В самом деле, многие из мотивов, которые были определены, очень сильно напоминают известные регуляторные элементы. Авт. использовали Bayesian подход, чтобы приложить дальнейшие ограничения условий к мотивам, такие как ориентация, расстояние до ATG, так чтобы м.б. вывести 'правила'. Они также обратились к подсчётам комбинаций мотивов. Напр., два элемента PAC и RRPE оба были найдены в вышестоящих последовательностях в высокой пропорции генов, участвующих в определенном паттерне экспрессии, это указывало на то, что они ко-регулируют гены этой группы. Было выявлено, что порядок и расстояние между двумя элементами также строго затрагивают степень корреляции между генами.

Итак, идентифицировав вышестоящие последовательности элементов, которые вовлечены в транскрипционную регуляцию, вместе с позиционными и комбинаторными деталями (constraints), которые управляют их ролью, авт. проверяли силу предсказаний такого подхода. Основываясь исключительно на последовательностях промоторов они попытались предсказать паттерн экспрессии 'тестируемых' наборов генов, которые не были использованы при выведении правил. Их предсказания оказались правильными для 73% генов благодаря чему улучшилась тонкая регуляция системы.

Т.к. данные по высоко качественной экспрессии мРНК оказываются легко доступными у др. организмов, то описанный здесь процесс оказывается неоценимым для понимания регуляции генов и в целом для клеточного поведения. Авт. уже начали использовать свой новый подход к многоклеточным организмам, начав с Caenorhabditis elegans. В предварительном исследовании, используя данные экспрессии, собранные в ходе развития от яйца до взрослой особи, они оказались способными предсказать паттерны экспрессии половины генов. По мере расширения этих исследований, чтобы учесть дальнейшие сложности, такие как нижестоящие или интронные регуляторные элементы, станет возможным выявлять транскрипционные регуляторные механизмы в основе разных пространственно-временных процессов.