مکانیسم های بدن انسان شگفت انگیز است ، اما آنها هنوز تمام اسرار خود را رها نکرده اند. برای فهم واقعی بیماری انسان ، درک آنچه در ابتدایی ترین سطح اتفاق می افتد بسیار مهم است.
عملکردهای اساسی سلول توسط مولکول های پروتئین انجام می شود که در پیچیدگی های مختلف با یکدیگر تعامل دارند. وقتی ویروس وارد بدن می شود ، تعامل آنها را مختل می کند و آنها را برای تکثیر خودش دستکاری می کند. این پایه و اساس بیماری های ژنتیکی است ، و درک این که چگونه ویروس ها کار می کنند بسیار مورد توجه است.
مخالفانی مانند ویروس ها از پل بوگدان ، استادیار گروه مهندسی برق و کامپیوتر مینگ هسیه و دکتری اخیر الهام گرفته اند. فارغ التحصیل ، Yuankun Xue ، از گروه سیستم های فیزیکی سایبر USC ، برای تعیین چگونگی ارتباط آنها با پروتئین ها در بدن انسان است . بوگدان گفت: "ما سعی کردیم با استفاده از یک مدل ریاضی این مشکل را تولید کنیم ." تحقیقات پیشگامانه یادگیری ماشین آماری در مورد "بازسازی شبکه های پیچیده گم شده در برابر مداخلات مخالف" ، در اوایل ماه آوریل در ژورنال ارتباطات طبیعت منتشر شد.
زو ، که دکترای خود را به دست آورد. در مهندسی برق و رایانه سال گذشته با دریافت جایزه بهترین پایان نامه سال 2018 ، گفت: "شناخت شبکه های نامرئی پروتئین ها و ژن های بحرانی چالش برانگیز است و برای طراحی داروهای جدید یا روش های درمانی ژنی در برابر ویروس ها و حتی بیماری هایی مانند سرطان بسیار چالش برانگیز است."
"شبکه تعامل پروتئین" هر پروتئین را به عنوان "گره" مدل می کند. اگر دو پروتئین باهم ارتباط داشته باشند ، یک لبه وجود دارد که آنها را به هم وصل می کند. ژو توضیح داد: "حمله ویروس شبیه به از بین بردن گره ها و پیوندهای خاص در این شبکه است." در نتیجه ، شبکه اصلی دیگر قابل مشاهده نیست.
نویسنده: پمپ برای وکیوم
بوگدان گفت: "بعضی از شبکه ها بسیار پویا هستند. سرعت تغییر آنها ممکن است بسیار سریع یا کند باشد." "ما ممکن است سنسورهایی برای اندازه گیری دقیق نداشته باشیم. بخشی از شبکه قابل مشاهده نیست و از این رو نامرئی می شود."
برای ردیابی اثر حمله ویروسی ، Bogdan و Xue برای پیدا کردن یک ارزیابی معتبر از قسمت نامرئی ، نیاز به بازسازی شبکه اصلی داشتند که کار آسانی نبود. سعید بوگدان: "چالش این است که لینک ها را نمی بینید ، گره ها را نمی بینید ، و شما رفتار ویروس را نمی دانید." برای حل این مشکل ، ژو افزود: "ترفند این است كه برای ردیابی همه احتمالات و یافتن محتمل ترین تخمین ، به یك چارچوب یادگیری ماشین آماری متكی باشید."
در مقایسه با تحقیقات قبلی ، سهم جدید آزمایشگاه از این قرار است که آنها به جای اینکه با آن به عنوان یک فرایند نمونه گیری تصادفی رفتار کنند ، تأثیر و علیت حمله یا "مداخله طرف مقابل" را در الگوریتم یادگیری خود بگنجانند. بوگدان توضیح داد ، "قدرت واقعی آن در کلیت آن نهفته است - می تواند با هر نوع حمله و مدل شبکه کار کند."
با توجه به عمومی بودن چارچوب پیشنهادی آنها ، تحقیقات آنها کاربردهای گسترده ای برای هرگونه مشکل در بازسازی شبکه از جمله حمله دشمن ، در زمینه های متنوعی مانند اکولوژی ، علوم اجتماعی ، علوم اعصاب و امنیت شبکه دارد. مقاله آنها همچنین توانایی خود را در تعیین تأثیر ترول ها و ربات ها بر روی کاربران رسانه های اجتماعی نشان داده است.
بوگدان در نظر دارد تا با آزمایش طیف وسیعی از مدل های حمله ، مجموعه داده های پیچیده تر و متنوع تر و اندازه شبکه های بزرگتر ، کار خود را گسترش دهد تا تأثیر آنها بر روی شبکه بازسازی شده را بفهمد .
مکانیسم های بدن انسان شگفت انگیز است ، اما آنها هنوز تمام اسرار خود را رها نکرده اند. برای فهم واقعی بیماری انسان ، درک آنچه در ابتدایی ترین سطح اتفاق می افتد بسیار مهم است.
عملکردهای اساسی سلول توسط مولکول های پروتئین انجام می شود که در پیچیدگی های مختلف با یکدیگر تعامل دارند. وقتی ویروس وارد بدن می شود ، تعامل آنها را مختل می کند و آنها را برای تکثیر خودش دستکاری می کند. این پایه و اساس بیماری های ژنتیکی است ، و درک این که چگونه ویروس ها کار می کنند بسیار مورد توجه است.
مخالفانی مانند ویروس ها از پل بوگدان ، استادیار گروه مهندسی برق و کامپیوتر مینگ هسیه و دکتری اخیر الهام گرفته اند. فارغ التحصیل ، Yuankun Xue ، از گروه سیستم های فیزیکی سایبر USC ، برای تعیین چگونگی ارتباط آنها با پروتئین ها در بدن انسان است . بوگدان گفت: "ما سعی کردیم با استفاده از یک مدل ریاضی این مشکل را تولید کنیم ." تحقیقات پیشگامانه یادگیری ماشین آماری در مورد "بازسازی شبکه های پیچیده گم شده در برابر مداخلات مخالف" ، در اوایل ماه آوریل در ژورنال ارتباطات طبیعت منتشر شد.
زو ، که دکترای خود را به دست آورد. در مهندسی برق و رایانه سال گذشته با دریافت جایزه بهترین پایان نامه سال 2018 ، گفت: "شناخت شبکه های نامرئی پروتئین ها و ژن های بحرانی چالش برانگیز است و برای طراحی داروهای جدید یا روش های درمانی ژنی در برابر ویروس ها و حتی بیماری هایی مانند سرطان بسیار چالش برانگیز است."
"شبکه تعامل پروتئین" هر پروتئین را به عنوان "گره" مدل می کند. اگر دو پروتئین باهم ارتباط داشته باشند ، یک لبه وجود دارد که آنها را به هم وصل می کند. ژو توضیح داد: "حمله ویروس شبیه به از بین بردن گره ها و پیوندهای خاص در این شبکه است." در نتیجه ، شبکه اصلی دیگر قابل مشاهده نیست.
نویسنده: پمپ برای وکیوم
بوگدان گفت: "بعضی از شبکه ها بسیار پویا هستند. سرعت تغییر آنها ممکن است بسیار سریع یا کند باشد." "ما ممکن است سنسورهایی برای اندازه گیری دقیق نداشته باشیم. بخشی از شبکه قابل مشاهده نیست و از این رو نامرئی می شود."
برای ردیابی اثر حمله ویروسی ، Bogdan و Xue برای پیدا کردن یک ارزیابی معتبر از قسمت نامرئی ، نیاز به بازسازی شبکه اصلی داشتند که کار آسانی نبود. سعید بوگدان: "چالش این است که لینک ها را نمی بینید ، گره ها را نمی بینید ، و شما رفتار ویروس را نمی دانید." برای حل این مشکل ، ژو افزود: "ترفند این است كه برای ردیابی همه احتمالات و یافتن محتمل ترین تخمین ، به یك چارچوب یادگیری ماشین آماری متكی باشید."
در مقایسه با تحقیقات قبلی ، سهم جدید آزمایشگاه از این قرار است که آنها به جای اینکه با آن به عنوان یک فرایند نمونه گیری تصادفی رفتار کنند ، تأثیر و علیت حمله یا "مداخله طرف مقابل" را در الگوریتم یادگیری خود بگنجانند. بوگدان توضیح داد ، "قدرت واقعی آن در کلیت آن نهفته است - می تواند با هر نوع حمله و مدل شبکه کار کند."
با توجه به عمومی بودن چارچوب پیشنهادی آنها ، تحقیقات آنها کاربردهای گسترده ای برای هرگونه مشکل در بازسازی شبکه از جمله حمله دشمن ، در زمینه های متنوعی مانند اکولوژی ، علوم اجتماعی ، علوم اعصاب و امنیت شبکه دارد. مقاله آنها همچنین توانایی خود را در تعیین تأثیر ترول ها و ربات ها بر روی کاربران رسانه های اجتماعی نشان داده است.
بوگدان در نظر دارد تا با آزمایش طیف وسیعی از مدل های حمله ، مجموعه داده های پیچیده تر و متنوع تر و اندازه شبکه های بزرگتر ، کار خود را گسترش دهد تا تأثیر آنها بر روی شبکه بازسازی شده را بفهمد .
زمستان می تواند یک مزاحمت مزرعه خورشیدی برای شبکه برق باشد