Benutten van de associatie tussen genomische en genexpressie gegevens van natuurlijke varianten (patiënten, andere plantensoorten) heeft uitgewezen informatief voor lood identificatie, moleculaire subtypering van patiënten biomarker ontwerp etc. Als natuurlijk voorkomende genetische varianten zijn niet beperkt tot één of twee uitbreekpoorten bevatten ze in principe meer gegevens over subtiele interacties tussen moleculaire eenheden dan klassieke knock-out experimenten. Genotypeexpression fenotypegegevens aldus intrinsiek zeer geschikt om moleculaire interactie netwerken afleiden. Daarom wordt in dit project een schaalbare methodiek ontwikkeld die niet alleen associeert genomisch wijzigingen in corresponderende veranderingen expressie (klassiek eQTL analyse), maar leidt ook cellulaire interactienetwerk verantwoordelijk voor de associatie. Onze werkwijze is origineel in (1) maximaal benutten van de aanvullende informatie in openbare interactienetwerken en (2) het analyseren van alle aanvullende gegevensbronnen (genoom variatie, expressie variatie en netwerkinformatie) op geïntegreerde, in plaats van een sequentiële wijze, waardoor ons om beter om te gaan met het probleem van de onderdeterminering van waaruit de meeste eQTL analyseert lijden. We zullen de benchmark onze werkwijze van publiek beschikbare gist en kanker datasets. Om het vermogen van onze methode in het afleiden van causale netwerken uit de verstoringen veroorzaakt door genetische variatie in natuurlijke varianten laten zien, zullen we analyseren van een eigen fabriek dataset.