Fra vira til sociale bots, forskere afdækker strukturen af ​​angrebne netværk

Menneskekroppens mekanismer er forunderlige, alligevel har de ikke opgivet alle deres hemmeligheder. For virkelig at overvinde menneskelig sygdom, det er afgørende at forstå, hvad der sker på det mest elementære niveau.

Cellens væsentlige funktioner udføres af proteinmolekyler, som interagerer med hinanden i varierende kompleksitet. Når en virus kommer ind i kroppen, det forstyrrer deres interaktioner og manipulerer dem for sin egen replikation. Dette er grundlaget for genetiske sygdomme, og det er af stor interesse at forstå, hvordan vira fungerer.

Modstandere som vira inspirerede Paul Bogdan, lektor i Ming Hsieh Institut for Elektroteknik og Computer Engineering, og nylig ph.d. bestå, Yuankun Xue, fra USC's Cyber ​​Physical Systems Group, for at bestemme, hvordan de nøjagtigt interagerer med proteiner i menneskekroppen. "Vi forsøgte at gengive dette problem ved hjælp af en matematisk model, "sagde Bogdan. Deres banebrydende statistiske maskinlæringsforskning om" Rekonstruktion af manglende komplekse netværk mod modstridende interventioner, "blev offentliggjort i Naturkommunikation tidsskrift tidligere i april.

Xue, der tjente sin ph.d. i el- og computerteknik sidste år med prisen for bedste afhandling 2018, sagde:"At forstå de usynlige netværk af kritiske proteiner og gener er udfordrende, og ekstremt vigtigt at designe nye lægemidler eller genterapier mod vira og endda sygdomme som kræft. "

'Proteininteraktionsnetværket' modellerer hvert protein som en 'node'. Hvis to proteiner interagerer, der er en 'kant' der forbinder dem. Xue forklarede, "Et angreb af en virus er analogt med at fjerne visse noder og links i dette netværk." Følgelig, det originale netværk kan ikke længere observeres.

"Nogle netværk er meget dynamiske. Hastigheden, hvormed de ændres, kan være ekstremt hurtig eller langsom, "Bogdan sagde." Vi har muligvis ikke sensorer til at få nøjagtige målinger. En del af netværket kan ikke observeres og bliver derfor usynlig. "

For at spore effekten af ​​et virusangreb, Bogdan og Xue havde brug for at rekonstruere det originale netværk ved at finde et pålideligt skøn over den usynlige del, hvilket ikke var nogen let opgave. Bogdan sagde:"Udfordringen er, at du ikke kan se linkene, du ser ikke knudepunkterne, og du kender ikke virussens adfærd. "For at løse dette problem, Xue tilføjede, "Tricket er at stole på en statistisk ramme for maskinlæring for at spore alle muligheder og finde det mest sandsynlige estimat."

I skarp kontrast til tidligere forskning, laboratoriets nye bidrag er, at de aktivt inkorporerer angrebets indflydelse og kausalitet, eller 'modsætningsindgreb' ind i deres læringsalgoritme frem for at behandle det som en tilfældig prøveudtagningsproces. Bogdan forklarede, "Dens virkelige magt ligger i dens generalitet - den kan fungere med enhver form for angreb og netværksmodel."

På grund af det generelle i deres foreslåede rammer, deres forskning har vidtrækkende applikationer til ethvert netværksopbygningsproblem, der involverer modstridende angreb, på forskellige områder såsom økologi, samfundsvidenskab, neurovidenskab, og netværkssikkerhed. Deres papir har også demonstreret dets evne til at bestemme trolde og bots indflydelse på brugere af sociale medier.

Bogdan planlægger at udvide deres arbejde ved at eksperimentere med en række angrebsmodeller, mere komplekse og varierede datasæt, og større netværksstørrelser for at forstå deres effekt på det rekonstruerede netværk.