研究人员发现了被攻击网络的结构

人体的机制是奇妙的，但他们并没有放弃所有的秘密。为了真正征服人类疾病，了解在最基本的层面上发生了什么是至关重要的。

细胞的基本功能是由蛋白质分子完成的，蛋白质分子之间的相互作用具有不同的复杂性。当病毒进入体内时，它会破坏它们的相互作用，并操纵它们进行自身复制。这是遗传疾病的基础，了解病毒如何运作是很有意义的。

像病毒这样的对手激发了明谢电子与计算机工程系副教授Paul Bogdan和最近毕业于USC网络物理系统组的博士生yuyuankun Xue的灵感，他们想要弄清楚病毒究竟是如何与人体中的蛋白质相互作用的。“我们试图用数学模型重现这个问题，”Bogdan说。今年4月初，他们在《自然通讯》(Nature Communications)杂志上发表了一项开创性的统计机器学习研究，内容是“针对对抗干预，重建缺失的复杂网络”。

去年获得2018年最佳论文奖电气和计算机工程博士学位的薛说:“理解关键蛋白和基因的隐形网络是一项挑战，对设计对抗病毒甚至癌症等疾病的新药物或基因疗法极其重要。”

“蛋白质相互作用网络”将每个蛋白质建模为一个“节点”。“如果两种蛋白质相互作用，就会有一条‘边’将它们连接起来。薛解释说:“病毒的攻击类似于移除这个网络中的某些节点和链接。”因此，原来的网络不再可见。

“有些网络是高度动态的。它们变化的速度可能非常快，也可能非常慢。“我们可能没有传感器来获得准确的测量数据。网络的一部分无法被观察到，因此变得不可见。”

为了追踪病毒攻击的影响，Bogdan和Xue需要通过找到对不可见部分的可靠估计来重建原始网络，这并不是一件容易的事情。Bogdan说:“挑战在于你看不到链接，看不到节点，也不知道病毒的行为。”为了解决这个问题，薛补充道，“关键是依靠统计机器学习框架来追踪所有的可能性，并找到最可能的估计。”

与之前的研究形成鲜明对比的是，该实验室的创新之处在于，他们积极地将攻击的影响和因果关系(即“敌对干预”)融入到他们的学习算法中，而不是把它当作一个随机抽样过程。Bogdan解释说，“它的真正力量在于它的通用性——它可以与任何类型的攻击和网络模型一起工作。”

由于他们提出的框架具有普遍性，他们的研究对涉及对抗攻击的任何网络重建问题都具有深远的应用，涉及生态学、社会科学、神经科学和网络安全等多个领域。他们的论文还证明了他们有能力确定喷子和机器人对社交媒体用户的影响。

Bogdan计划通过试验一系列的攻击模型、更复杂、更多样的数据集和更大的网络来扩展他们的工作，以了解它们对重建网络的影响。

进一步探索