От социальных к биологическим сетям: новый алгоритм выявляет ключевые белки при заболеваниях человека

Исследователи из Университета Бен-Гуриона разработали алгоритм машинного обучения, который может улучшить понимание биологии человека и заболеваний. Новый метод, Weighted Graph Anomalous Node Detection (WGAND), вдохновлён анализом социальных сетей и предназначен для выявления белков, играющих значительную роль в различных тканях человека.

Белки взаимодействуют друг с другом в сложных сетях — белок-белковых взаимодействий (PPI). Алгоритм анализирует эти сети, чтобы обнаружить «аномальные» белки — те, которые выделяются из-за своей уникальной схемы взвешенных взаимодействий. Это означает, что количество данного белка и его белковых партнёров по взаимодействию выше в конкретной сети, что позволяет им выполнять больше функций и управлять большим числом процессов. Это также указывает на важность этих белков в конкретной сети.

Исследование объединило экспертизу в области белковых сетей профессора Эсти Йегер-Лотем и экспертизу в анализе сетей доктора Майкла Файра, полученную при изучении социальных сетей. Инновационное понимание, представленное в исследовании для GigaScience, заключается в том, что те же алгоритмы, которые выявляют аномалии в социальных сетях, можно применить к сетям белков внутри отдельных клеток. Фокусируясь на этих аномалиях, алгоритм может идентифицировать белки, играющие ключевую роль в специфических тканях, таких как мозг, сердце и печень.

WGAND успешно выявил белки, связанные с тканеспецифичными заболеваниями, включая расстройства мозга и сердечные патологии. Алгоритм также определил белки, участвующие в критических биологических процессах, таких как передача сигналов нейронов в мозге и сокращение мышц в сердце. Более того, WGAND превзошёл другие существующие методы по точности и прецизионности.

«Этот инновационный алгоритм может точно определить, какие белки важны в конкретных контекстах, помогая учёным разрабатывать более целенаправленные и эффективные методы лечения различных состояний», — говорит профессор Эсти Йегер-Лотем.

В соответствии с принципами доктора Файра как руководителя Fire AI Lab, алгоритм WGAND имеет открытый исходный код, что позволяет исследователям по всему миру использовать и развивать его. Лаборатория Йегер-Лотем также поддерживает веб-инструменты, обеспечивающие лёгкий доступ для исследователей без вычислительного бэкграунда.