Människokroppens mekanismer är underbara, men de har inte gett upp alla sina hemligheter. För att verkligen övervinna mänsklig sjukdom, det är avgörande att förstå vad som händer på den mest elementära nivån.

Cellens väsentliga funktioner utförs av proteinmolekyler, som interagerar med varandra i varierande komplexitet. När ett virus kommer in i kroppen, det stör deras interaktioner och manipulerar dem för sin egen replikering. Detta är grunden för genetiska sjukdomar, och det är av stort intresse att förstå hur virus fungerar.

Motståndare som virus inspirerade Paul Bogdan, docent vid Ming Hsieh Institutionen för el- och datateknik, och senaste doktorsexamen examen, Yuankun Xue, från USC:s Cyber ​​Physical Systems Group, för att avgöra hur de exakt interagerar med proteiner i människokroppen. "Vi försökte reproducera detta problem med hjälp av en matematisk modell, "sa Bogdan. Deras banbrytande statistiska maskininlärningsforskning om" Rekonstruera saknade komplexa nätverk mot motstridiga ingrepp, "publicerades i Naturkommunikation tidningen tidigare i april.

Xue, som tog sin doktorsexamen i el- och datorteknik förra året med 2018 års bästa avhandling, sade:"Att förstå de osynliga nätverken för kritiska proteiner och gener är utmanande, och extremt viktigt att utforma nya läkemedel eller genterapier mot virus och till och med sjukdomar som cancer. "

"Proteininteraktionsnätverket" modellerar varje protein som en "nod". Om två proteiner interagerar, det finns en "kant" som förbinder dem. Xue förklarade, "En attack av ett virus är analog med att ta bort vissa noder och länkar i detta nätverk." Följaktligen, det ursprungliga nätverket är inte längre observerbart.

"Vissa nätverk är mycket dynamiska. Hastigheten med vilken de ändras kan vara extremt snabb eller långsam, "Bogdan sa." Vi kanske inte har sensorer för att få noggranna mätningar. En del av nätverket kan inte observeras och blir därför osynlig. "

För att spåra effekten av en virusattack, Bogdan och Xue behövde rekonstruera det ursprungliga nätverket genom att hitta en tillförlitlig uppskattning av den osynliga delen, vilket inte var en lätt uppgift. Bogdan sa:"Utmaningen är att du inte ser länkarna, du ser inte noder, och du känner inte till virusets beteende. "För att lösa detta problem, Xue tillade, "Tricket är att lita på ett statistiskt ramverk för maskininlärning för att spåra alla möjligheter och hitta den mest troliga uppskattningen."

I skarp kontrast till tidigare forskning, laboratoriets nya bidrag är att de aktivt införlivar attackens inflytande och kausalitet, eller '' kontradiktoriskt ingripande '', in i deras inlärningsalgoritm snarare än att behandla den som en slumpmässig provtagningsprocess. Bogdan förklarade, "Dess verkliga kraft ligger i dess allmänhet - den kan fungera med alla typer av attacker och nätverksmodeller."

På grund av allmänheten i deras föreslagna ramverk, deras forskning har långtgående tillämpningar på alla nätverksåteruppbyggnadsproblem som involverar kontradiktoriska attacker, inom olika områden som ekologi, samhällskunskap, neurovetenskap, och nätverkssäkerhet. Deras papper har också visat sin förmåga att avgöra trolls och robotars inflytande på användare av sociala medier.

Bogdan planerar att utöka sitt arbete genom att experimentera med en rad attackmodeller, mer komplexa och varierade datamängder, och större nätverksstorlekar för att förstå deras effekt på det rekonstruerade nätverket.