Les mécanismes du corps humain sont merveilleux, pourtant ils n'ont pas livré tous leurs secrets. Afin de vraiment vaincre la maladie humaine, il est crucial de comprendre ce qui se passe au niveau le plus élémentaire.

Les fonctions essentielles de la cellule sont assurées par des molécules protéiques, qui interagissent les unes avec les autres avec une complexité variable. Lorsqu'un virus pénètre dans le corps, il perturbe leurs interactions et les manipule pour sa propre réplication. C'est le fondement des maladies génétiques, et il est d'un grand intérêt de comprendre comment fonctionnent les virus.

Des adversaires comme des virus ont inspiré Paul Bogdan, professeur agrégé au Département de génie électrique et informatique Ming Hsieh, et récent doctorat. diplômé, Yuankun Xue, du groupe Cyber ​​Physical Systems d'USC, pour déterminer exactement comment ils interagissent avec les protéines du corps humain. "Nous avons essayé de reproduire ce problème à l'aide d'un modèle mathématique, ", a déclaré Bogdan. Leur recherche révolutionnaire en apprentissage automatique statistique sur "Reconstruire les réseaux complexes manquants contre les interventions accusatoires, " a été publié dans Communication Nature journal plus tôt en avril.

Xue, qui a obtenu son doctorat. en génie électrique et informatique l'année dernière avec le prix de la meilleure thèse 2018, a déclaré : «                                              ... et extrêmement important pour concevoir de nouveaux médicaments ou thérapies géniques contre les virus et même des maladies comme le cancer."

Le « réseau d'interaction protéique » modélise chaque protéine comme un « nœud ». Si deux protéines interagissent, il y a un "bord" qui les relie. Xue a expliqué, "Une attaque par un virus est analogue à la suppression de certains nœuds et liens de ce réseau." Par conséquent, le réseau d'origine n'est plus observable.

« Certains réseaux sont très dynamiques. La vitesse à laquelle ils évoluent peut être extrêmement rapide ou lente, " dit Bogdan. " Nous n'avons peut-être pas de capteurs pour obtenir des mesures précises. Une partie du réseau n'est pas observable et devient donc invisible."

Pour retracer l'effet d'une attaque virale, Bogdan et Xue avaient besoin de reconstruire le réseau d'origine en trouvant une estimation fiable de la partie invisible, ce qui n'était pas une tâche facile. Dit Bogdan :« Le défi est que vous ne voyez pas les liens, vous ne voyez pas les nœuds, et vous ne connaissez pas le comportement du virus." Pour résoudre ce problème, Xue a ajouté, "L'astuce consiste à s'appuyer sur un cadre d'apprentissage automatique statistique pour tracer toutes les possibilités et trouver l'estimation la plus probable."

Contrairement aux recherches antérieures, la contribution originale du laboratoire est qu'ils intègrent activement l'influence et la causalité de l'attaque, ou « intervention contradictoire », dans leur algorithme d'apprentissage plutôt que de le traiter comme un processus d'échantillonnage aléatoire. Bogdan a expliqué, « Son véritable pouvoir réside dans sa généralité :il peut fonctionner avec n'importe quel type d'attaque et de modèle de réseau.

En raison de la généralité de leur cadre proposé, leurs recherches ont des applications de grande envergure à tout problème de reconstruction de réseau impliquant une attaque contradictoire, dans divers domaines tels que l'écologie, science sociale, neurosciences, et la sécurité du réseau. Leur article a également démontré sa capacité à déterminer l'influence des trolls et des robots sur les utilisateurs des médias sociaux.

Bogdan prévoit d'étendre leur travail en expérimentant une gamme de modèles d'attaque, des jeux de données plus complexes et variés, et de plus grandes tailles de réseau pour comprendre leur effet sur le réseau reconstruit.