• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Desde virus hasta bots sociales, los investigadores desentierran la estructura de las redes atacadas

    Crédito:CC0 Public Domain

    Los mecanismos del cuerpo humano son maravillosos, sin embargo, no han revelado todos sus secretos. Para conquistar verdaderamente las enfermedades humanas, es fundamental comprender lo que sucede en el nivel más elemental.

    Las funciones esenciales de la célula las llevan a cabo moléculas de proteínas, que interactúan entre sí en diversa complejidad. 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 comprender cómo funcionan los virus.

    Los adversarios como los virus inspiraron a Paul Bogdan, profesor asociado en el Departamento de Ingeniería Eléctrica e Informática de Ming Hsieh, y reciente doctorado. graduado, Yuankun Xue, del Grupo de Sistemas Físicos Cibernéticos de la USC, para determinar cómo interactúan exactamente con las proteínas del cuerpo humano. "Intentamos reproducir este problema utilizando un modelo matemático, ", dijo Bogdan. Su innovadora investigación de aprendizaje automático estadístico sobre" Reconstrucción de redes complejas faltantes contra intervenciones adversas, "fue publicado en Comunicaciones de la naturaleza diario a principios de abril.

    Xue, quien obtuvo su Ph.D. en ingeniería eléctrica e informática el año pasado con el Premio a la Mejor Disertación 2018, dijo:"Comprender las redes invisibles de proteínas y genes críticos es un desafío, y extremadamente importante para diseñar nuevos medicamentos o terapias génicas contra 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 los conecta. Xue explicó, "Un ataque de un virus es análogo a eliminar ciertos nodos y enlaces en esta red". Como 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." Puede que no tengamos sensores para obtener medidas 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 encontrando una estimación confiable de la parte invisible, que no fue una tarea fácil. Bogdan dijo:"El desafío es que no ves los enlaces, no ves los nodos, y no conoce el comportamiento del virus ". Para solucionar este problema, Xue agregado, "El truco consiste en confiar en un marco de aprendizaje automático estadístico para rastrear todas las posibilidades y encontrar la estimación más probable".

    En marcado contraste con investigaciones anteriores, La contribución novedosa del laboratorio es que incorporan activamente la influencia y la causalidad del ataque, o 'intervención contradictoria', en su algoritmo de aprendizaje en lugar de tratarlo como un proceso de muestreo aleatorio. Bogdan explicó, "Su poder real radica 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 red que implique un ataque adverso, en diversos campos como la ecología, Ciencias Sociales, neurociencia, y seguridad de la red. Su artículo también ha demostrado su capacidad para determinar la influencia de los trolls y los bots en los usuarios de las redes sociales.

    Bogdan planea extender su trabajo experimentando con una variedad 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.


    © Ciencia https://es.scienceaq.com