Ya se ha establecido a través de enfoques a nivel de sistemas que el futuro de los biomarcadores predictivos de enfermedades no será delineado por simples listas de genes o proteínas u otras entidades biológicas, sino más bien por entidades integradas que consideren todas las relaciones entre componentes subyacentes. Hacia esta orientación, los enfoques basados en vías tempranas acoplaron datos de expresión con topologías de interacción de vías completas, pero fueron los enfoques recientes los que se enfocaron en subvías (áreas locales de la vía biológica completa) que proporcionaron biomarcadores de enfermedades candidatos más específicos y contextualizados. Aquí, exploramos el potencial de aplicación de PerSubs, un algoritmo basado en grafos que identifica subvías específicas de enfermedades activadas de manera diferencial. PerSubs es aplicable tanto para datos de microarrays como de RNA-Seq y utiliza la base de datos Kyoto Encyclopedia of Genes and Genomes (KEGG) como referencia para las vías biológicas. PerSubs opera en dos etapas: primero, identifica genes expresados de manera diferencial (o utiliza cualquier lista de genes relacionados con la enfermedad) y en la segunda etapa, tratando cada gen de la lista como punto de inicio, escanea la topología de la vía alrededor para construir topologías de subvías significativas. Aquí, aplicamos PerSubs para investigar qué vías se ven perturbadas hacia la regeneración pulmonar de ratones tras la infección por influenza H1N1.