Исследование представляет VaLPAS (Variation-Leveraged Phenomic Association Screen) — фреймворк на Python для анализа ассоциаций между паттернами экспрессии генов и белков в мульти-омиксных данных. Методология основана на статистических и машинно-обучающих подходах для выявления функциональных связей между молекулами неизвестной функции и молекулами с установленной функцицией по принципу 'вины по ассоциации'. Инструмент предназначен для заполнения пробелов в функциональной аннотации протеома, используя данные масс-спектрометрии и других экспериментальных методов. Исследователи продемонстрировали эффективность VaLPAS на мульти-омиксном датасете из дрожжей Rhodotorula toruloides, успешно идентифицировав высококонфиденциальные предсказания для подмножества генов и белков с неизвестной функцией. Код проекта открыт и размещён на GitHub под управлением PNNL-Predictive-Phenomics. Хотя исследование фокусируется на фундаментальной биологии и дрожжах, разработанный подход может быть адаптирован для анализа медицинских данных, включая предсказание функций белков-мишеней для лекарственных препаратов. Технология демонстрирует потенциал для интеграции в исследовательские протоколы по расшифровке протеома и функциональной геномики.