I meccanismi del corpo umano sono meravigliosi, eppure non hanno rinunciato a tutti i loro segreti. Per vincere veramente la malattia umana, è fondamentale capire cosa succede al livello più elementare.

Le funzioni essenziali della cellula sono svolte da molecole proteiche, che interagiscono tra loro in varia complessità. Quando un virus entra nel corpo, interrompe le loro interazioni e le manipola per la propria replica. Questo è il fondamento delle malattie genetiche, ed è di grande interesse capire come operano i virus.

Avversari come i virus hanno ispirato Paul Bogdan, professore associato presso il Dipartimento di Ingegneria Elettrica e Informatica Ming Hsieh, e recente dottorato di ricerca. laureato, Yuankun Xue, dal Cyber ​​Physical Systems Group di USC, per determinare come interagiscono esattamente con le proteine ​​nel corpo umano. "Abbiamo cercato di riprodurre questo problema utilizzando un modello matematico, " ha affermato Bogdan. La loro innovativa ricerca statistica sull'apprendimento automatico su "Ricostruzione di reti complesse mancanti contro interventi contraddittori, " è stato pubblicato in Comunicazioni sulla natura diario all'inizio di questo aprile.

Xue, che ha conseguito il dottorato di ricerca in ingegneria elettrica e informatica lo scorso anno con il Premio Best Dissertation 2018, ha dichiarato:"Comprendere le reti invisibili di proteine ​​​​e geni critici è impegnativo, ed estremamente importante per progettare nuovi farmaci o terapie geniche contro virus e persino malattie come il cancro".

La "rete di interazione proteica" modella ogni proteina come un "nodo". Se due proteine ​​interagiscono, c'è un 'bordo' che li collega. Xue ha spiegato, "Un attacco di un virus è analogo alla rimozione di determinati nodi e collegamenti in questa rete". Di conseguenza, la rete originale non è più osservabile.

"Alcune reti sono altamente dinamiche. La velocità con cui cambiano può essere estremamente veloce o lenta, " ha detto Bogdan. "Potremmo non avere sensori per ottenere misurazioni accurate. Una parte della rete non può essere osservata e quindi diventa invisibile."

Per tracciare l'effetto di un attacco virale, Bogdan e Xue avevano bisogno di ricostruire la rete originale trovando una stima affidabile della parte invisibile, che non era un compito facile. Disse Bogdan:"La sfida è che non vedi i link, non vedi i nodi, e non conosci il comportamento del virus." Per risolvere questo problema, Xue ha aggiunto, "Il trucco è fare affidamento su un framework di machine learning statistico per tracciare tutte le possibilità e trovare la stima più probabile".

In netto contrasto con la ricerca precedente, il nuovo contributo del laboratorio è che incorporano attivamente l'influenza e la causalità dell'attacco, o "intervento in contraddittorio", nel loro algoritmo di apprendimento piuttosto che trattarlo come un processo di campionamento casuale. Bogdan ha spiegato, "Il suo vero potere risiede nella sua generalità:può funzionare con qualsiasi tipo di attacco e modello di rete".

A causa della generalità del quadro proposto, la loro ricerca ha applicazioni di vasta portata per qualsiasi problema di ricostruzione della rete che implichi un attacco contraddittorio, in diversi campi come l'ecologia, Scienze sociali, neuroscienza, e sicurezza della rete. Il loro articolo ha anche dimostrato la sua capacità di determinare l'influenza di troll e bot sugli utenti dei social media.

Bogdan prevede di estendere il proprio lavoro sperimentando una serie di modelli di attacco, set di dati più complessi e vari, e reti di dimensioni maggiori per comprendere il loro effetto sulla rete ricostruita.