最近，美国斯坦福大学医学院、Lucile Packard儿童医院和哈佛医学院的研究人员报道了一种挖掘现有科学资源数据的新方法，该方法能够提供大量关于基因、环境和生物过程相互作用的信息。如同淘金一般，他们利用强大的计算机技术筛选数百万条不相关的信息块，通过对基因芯片实验获得的基因表达数据进行分析，从而确定出可能与白血病、衰老、损伤和肌肉发育有关的基因。这项研究的结果发表在1月6日的《自然·生物技术》网络版上。

基因芯片是一种高通量筛选分析方法，它的诞生使基因分析进入了高速时代，并因此产生了大量的实验数据。基因芯片实验数据的积累速度超乎想象，但这也使研究人员面临一个问题：如何快速地从堆积如山的数据中找出有用的信息，并将这些数据整理有序？虽然生物学家利用芯片技术主要分析他们感兴趣的结果，但大多数学术期刊要求作者将所有数据提交到国际数据库中，以便其他研究人员利用。

斯坦福大学的Atul Butte博士和同事通过使用计算机程序，根据提交者用于描述实验的术语，自动对数据库中数万个芯片实验进行分类。接着，他们寻找具有相似术语（如组织类型）的若干实验中的共同发现。通过将结果与许多类似实验进行对比，研究人员就能够确定出在单独一个实验中不显著的联系。

利用这种方法，Butte和Kohane确定出了先前未知的关联：九个基因在衰老过程中的表达水平显著增加或降低；两个基因因损伤而高水平表达；还有另外一个基因在白血病细胞中的表达明显下降。此外，他们还通过分析已知与人类和小鼠肌肉组织有关的基因，证实了这些关联性。

但是，目前这种分类方法还存在局限性：当研究人员使用太多或太少的信息，或者使用不精确的词语时，系统的分析结果就会受到干扰。因此，研究人员呼吁，科学领域的研究人员应该规范这些信息本身的表达方式或术语。