Os mecanismos do corpo humano são maravilhosos, ainda assim, eles não desistiram de todos os seus segredos. Para realmente vencer as doenças humanas, é crucial entender o que acontece no nível mais elementar.

As funções essenciais da célula são realizadas por moléculas de proteínas, que interagem entre si em complexidade variável. Quando um vírus entra no corpo, ele interrompe suas interações e as manipula para sua própria replicação. Esta é a base das doenças genéticas, e é de grande interesse entender como os vírus operam.

Adversários como vírus inspiraram Paul Bogdan, professor associado do Departamento de Engenharia Elétrica e de Computação Ming Hsieh, e recente Ph.D. graduado, Yuankun Xue, do Grupo de Sistemas Cibernéticos da USC, para determinar como exatamente eles interagem com as proteínas do corpo humano. “Tentamos reproduzir este problema usando um modelo matemático, "disse Bogdan. Sua pesquisa estatística de aprendizado de máquina inovadora sobre" Reconstruindo redes complexas ausentes contra intervenções adversárias, "foi publicado em Nature Communications diário no início de abril.

Xue, que obteve seu Ph.D. em engenharia elétrica e de computação no ano passado com o Prêmio de Melhor Dissertação de 2018, disse:"Compreender as redes invisíveis de proteínas e genes críticos é um desafio, e extremamente importante para projetar novos medicamentos ou terapias genéticas contra vírus e até doenças como o câncer. "

A 'rede de interação de proteínas' modela cada proteína como um 'nó'. Se duas proteínas interagem, há uma 'borda' conectando-os. Xue explicou, "Um ataque de vírus é análogo à remoção de certos nós e links nesta rede." Consequentemente, a rede original não é mais observável.

"Algumas redes são altamente dinâmicas. A velocidade com que mudam pode ser extremamente rápida ou lenta, "Disse Bogdan." Podemos não ter sensores para obter medições precisas. Parte da rede não pode ser observada e, portanto, torna-se invisível. "

Para rastrear o efeito de um ataque viral, Bogdan e Xue precisaram reconstruir a rede original, encontrando uma estimativa confiável da parte invisível, o que não foi uma tarefa fácil. Disse Bogdan:"O desafio é que você não vê os links, você não vê os nós, e você não conhece o comportamento do vírus. "Para resolver este problema, Xue acrescentou, "O truque é confiar em uma estrutura de aprendizado de máquina estatística para rastrear todas as possibilidades e encontrar a estimativa mais provável."

Em nítido contraste com pesquisas anteriores, a nova contribuição do laboratório é que eles incorporam ativamente a influência e causalidade do ataque, ou 'intervenção adversária', em seu algoritmo de aprendizagem, em vez de tratá-lo como um processo de amostragem aleatório. Bogdan explicou, "Seu verdadeiro poder está na generalidade - pode funcionar com qualquer tipo de ataque e modelo de rede."

Devido à generalidade de sua estrutura proposta, sua pesquisa tem aplicações de longo alcance para qualquer problema de reconstrução de rede envolvendo ataque adversário, em diversos campos, como ecologia, Ciências Sociais, neurociência, e segurança de rede. O artigo também demonstrou sua capacidade de determinar a influência de trolls e bots nos usuários de mídia social.

Bogdan planeja estender seu trabalho experimentando uma série de modelos de ataque, conjuntos de dados mais complexos e variados, e tamanhos de rede maiores para entender seu efeito na rede reconstruída.