當一些基因共同調節某個單一性狀時，它們通常以一個較大的基因簇或者網絡一起工作。在研究單個基因是如何影響性狀時，如果能夠將基因簇或者網絡納入參考范疇，那么就可以避免錯誤地提高單個基因的重要程度。

在過去的20多年中，我們曾確定了許多簡單疾病的“主效”基因，認為它們多是單基因疾病和寡基因疾病，單一致病基因的作用顯著，在家系中的傳遞模式簡單，符合孟德爾遺傳規律。然而，近年來越來越多的復雜疾病出現在我們身邊，例如精神分裂癥、糖尿病、癌癥等等。它們大多數由眾多因素共同作用發生，如多個基因、一個基因的多個突變、環境以及未知的隨機因素，遺傳模式更加復雜。在普通人群中發病率較高，極大的影響了人類健康。研究發現，復雜疾病的性狀受到多基因的相互作用影響。全基因組關聯分析（Genome-wide association study）僅能夠解析單個SNP位點對疾病易感性的貢獻，單純依靠這一策略并不能在尋找復雜疾病的病因上得到根本性的突破。基因和基因的相互作用可能是復雜疾病致病的主要因素之一。針對這一點，科學家們已經提出了一些檢驗基因相互作用的算法，包括懲罰logistic回歸模型、多因子降維，集合關聯法、貝葉斯網絡、隨機森林法等。

來自瑞典烏普薩拉大學的研究學者們通過對數千種酵母細胞展開詳細分析，為我們展現了利用基因網絡的互作方式來更精準的預測表型的可能性。

這一研究進展發表于2017年2月27日的Nature Genetics雜志上。Örjan Carlborg和同事們從實驗室和葡萄園獲得4390株酵母分離株，通過分析它們的基因型和表型數據來評估遺傳相互作用的復雜性狀變異，由此提出了酵母菌基因之間普遍存在的互作網絡模型。

如今，得益于先進的測序技術，一個人的全部基因組在幾天之內便可繪制完畢。在當下的后基因組時代，基因研究的瓶頸已不再是尋找個體間DNA差異的問題。而是確定這些數以百萬計的差異是如何影響單個細胞或整個生物體的功能，以及這些影響作用是如何發生的。

生物公司可以提供DNA為基礎的族譜分析服務，例如尋人、親子鑒定。然而未來我們希望根據基因預測個人機體的各種特性，例如定制個性化治療方案，給予健康生活指導。本研究的負責人高級講師Örjan Carlborg的博士學生，也是本文章的第一作者Simon Forsberg說道。

研究人員對來自數千種不同基因的酵母細胞的DNA和特征進行了詳細分析。結果表明，基因互作是一種較為常見的工作形式。在知道了這些基因是如何合作以后，這些信息就可以用來更好的理解各種基因在調節性狀中誰起主導作用，誰起協助作用，從而從遺傳組成中預測單個酵母細胞的各種特性。

Carlborg說，沒有哪個遺傳學家會認為某個基因突變在不同人身上結果都肯定一樣。這就是為什么我們要從大量的實驗中獲取數據來搞清楚某某基因的重要程度。我們希望通過我們的方法和思路，來幫助其他人以更好的方式分析和解釋人類、植物和動物的基因研究結果。倘若我們不考慮基因的互作，就可能造成一些疾病治療中的錯誤結論，例如利用DNA信息預測某人患有某種高風險疾病或某種藥物會對其產生嚴重的影響，等等。

Forsberg提及，事實上，現有的研究結果表明，基因確實是網絡集成化工作的。它們中的一些成員承擔了許多其它基因的“調節開關”，當它們“關閉”時，網絡中的其它基因的突變對研究對象的性狀沒有影響。因此這些開關基因作用的觀察就完全依賴于網絡中的其他基因。而某些特定的突變會對它們的功能造成巨大的改變，使它們無法與網絡中的其他基因取得聯系。研究結果表明，在很多案例中，僅通過將各個基因的功能總結起來是很難預測細胞或者人體表現型的。