Recente studies die ten opzichte van transcriptomic datasets van ziekten bij de mens met datasets van Muismodellen met behulp van traditionele gen-te-gen vergelijking technieken resulteerde in tegenstrijdige conclusies met betrekking tot de relevantie van diermodellen voor translationeel onderzoek. Een belangrijke reden voor de verschillen tussen verschillende gen expressie analyses is het willekeurige filteren van differentially uitgedrukte genen. Anderzijds is de vergelijking van enkele genen tussen verschillende soorten en platformen vaak beperkt door technische variantie, leidt tot een verkeerde interpretatie van de con/verschil tussen gegevens uit menselijke en dierlijke modellen. Dus, gestandaardiseerde benaderingen voor systematische data-analyse zijn nodig. Om te overwinnen subjectieve gene filteren en ineffectief gen-te-gen vergelijkingen, we onlangs aangetoond dat gene instellen verrijking analyse (GSEA) het potentieel heeft om deze problemen te voorkomen. Daarom ontwikkelden we een gestandaardiseerd protocol voor het gebruik van GSEA om te onderscheiden tussen geschikte en ongeschikte diermodellen voor translationeel onderzoek. Dit protocol is niet geschikt om te voorspellen hoe ontwerpt nieuwe modelsystemen een priori-, aangezien het bestaande experimentele omics gegevens vereist. Echter wordt het protocol beschreven hoe bestaande gegevens op een gestandaardiseerde manier interpreteert om te selecteren van de meest geschikte diermodel, dus het vermijden van geen onnodige dierproeven en misleidende translationeel onderzoek.