Методы кибербезопасности помогли описать поведение белков, влияющих на заболевания сердца и мозга

Ученые из Университета Бен-Гуриона разработали алгоритм, основанный на идеях кибербезопасности, который описывает работу белковых сетей в тканях человека.

Работа опубликована в журнале GigaScience.

Белки – это "рабочие лошадки" клетки. Но эти "лошадки" имеют разную силу и влияние. Белки взаимодействуют друг с другом, образуя сложные сети. Изучение этих сетей помогает ученым понять, как функционируют белки, и как они влияют на развитие заболеваний.

Разработанный учеными алгоритм Weighted Graph Anomalous Node Detection (WGAND) помогает анализировать белковые сети и выявлять "аномальные" белки. Эти молекулы отличаются от "стандартных". Количество аномального белка повышено в клетке, и у него больше контактов с другими белками. В результате конкретная белковая сеть становится более плотной и многочисленной. Это позволяет аномальному белку управлять большим количеством процессов.

Новое исследование объединило анализ белковых сетей с анализом социальных сетей. В анализе социальных сетей, связанном с кибербезопасностью, выявление аномального поведения помогает раскрыть мошеннические транзакции или подозрительное поведение пользователей. Ученые показали, что алгоритмы, которые выявляют аномалии в социальных сетях, применимы к сетям белков в отдельных клетках. Выделяя аномалии, алгоритм может идентифицировать белки, которые играют наиболее важную роль в определенных тканях, таких как мозг, сердце и печень.

Алгоритм WGAND успешно идентифицировал белки, связанные с расстройствами мозга и сердечными заболеваниями. Алгоритм выявил белки, участвующие в критических биологических процессах, таких как передача сигналов нейронами в мозге и сокращение сердечной мышцы.

"Увлекательно наблюдать, как объединение опыта биоинформатики и кибербезопасности может привести к прорывам в понимании биологии человека. Применяя сетевой анализ и машинное обучение, мы разработали инструмент, который помогает обнаруживать ключевые белки в различных тканях", – говорит соавтор работы доктор Михаэль Файр.

Алгоритм WGAND имеет открытый исходный код, что позволяет исследователям по всему миру использовать его и развивать.