Los mecanismos del cuerpo humano son maravillosos, sin embargo, no han revelado todos sus secretos. Para conquistar verdaderamente la enfermedad humana, es crucial entender lo que sucede en el nivel más elemental.
Las funciones esenciales de la célula las llevan a cabo las moléculas de proteínas, que interactúan entre sí en una complejidad variable. Cuando un virus ingresa al cuerpo, interrumpe sus interacciones y las manipula para su propia replicación. Esta es la base de las enfermedades genéticas,y es de gran interés entender cómo funcionan los virus.
Los adversarios como los virus inspiraron a Paul Bogdan, profesor asociado del Departamento de Ingeniería Eléctrica e Informática de Ming Hsieh, y el recién graduado de doctorado, Yuankun Xue, del Grupo de Sistemas Cibernéticos de la USC, para determinar cómo interactúan exactamente con las proteínas en el"Intentamos reproducir este problema utilizando un modelo matemático", dijo Bogdan. Su innovadora investigación estadística de aprendizaje automático sobre "Reconstrucción de redes complejas faltantes contra intervenciones adversas" se publicó en Comunicaciones de la naturaleza diario a principios de abril.
Xue, quien obtuvo su doctorado en ingeniería eléctrica e informática el año pasado con el Premio a la Mejor Disertación de 2018, dijo: "Comprender las redes invisibles de proteínas y genes críticos es desafiante y extremadamente importante para diseñar nuevos medicamentos o terapias genéticascontra virus e incluso enfermedades como el cáncer "
La 'red de interacción de proteínas' modela cada proteína como un 'nodo'. Si dos proteínas interactúan, hay un 'borde' que las conecta. Xue explicó: "Un ataque de un virus es análogo a eliminar ciertos nodos y enlaces en estered ". En consecuencia, la red original ya no es observable.
"Algunas redes son muy dinámicas. La velocidad a la que cambian puede ser extremadamente rápida o lenta", dijo Bogdan. "Es posible que no tengamos sensores para obtener mediciones precisas. Parte de la red no se puede observar y, por lo tanto, se vuelve invisible".
Para rastrear el efecto de un ataque viral, Bogdan y Xue necesitaban reconstruir la red original al encontrar una estimación confiable de la parte invisible, lo cual no fue una tarea fácil. Dijo Bogdan: "El desafío es que no se ve elenlaces, no ve los nodos y no conoce el comportamiento del virus ". Para resolver este problema, Xue agregó:" El truco consiste en confiar en un marco de aprendizaje automático estadístico para rastrear todas las posibilidades y encontrar elestimación más probable "
En marcado contraste con la investigación previa, la contribución novedosa del laboratorio es que incorporan activamente la influencia y la causalidad del ataque, o 'intervención de confrontación', en su algoritmo de aprendizaje en lugar de tratarlo como un proceso de muestreo aleatorio. Bogdan explicó: "Su verdadero poder reside en su generalidad: puede funcionar con cualquier tipo de ataque y modelo de red ".
Debido a la generalidad de su marco propuesto, su investigación tiene aplicaciones de gran alcance para cualquier problema de reconstrucción de redes que implique ataques adversos, en diversos campos como la ecología, las ciencias sociales, la neurociencia y la seguridad de las redes. Su trabajo también ha demostrado su capacidadpara determinar la influencia de los trolls y bots en los usuarios de las redes sociales.
Bogdan planea extender su trabajo experimentando con una gama de modelos de ataque, conjuntos de datos más complejos y variados y tamaños de red más grandes para comprender su efecto en la red reconstruida.
Fuente de la historia :
Materiales proporcionados por Universidad del Sur de California . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :