Dieser Algorithmus kann fast alles, meinen die Forscher der Ben-Gurion-Universität des Negev. Die Computerbiologin Esti Yeger-Lotem und der Datenwissenschaftler Michael Fire haben für maschinelles Lernen eine besondere Methode erarbeitet, die das Verständnis der menschlichen Biologie und von Krankheiten verbessern soll. Gleichzeitig sollen damit soziale Medien analysiert und Fake-Profile aufgedeckt werden.
Die Entwicklung des neuen Algorithmus kombiniert die Expertise von Yeger-Lotem im Bereich Proteinnetzwerke mit der Netzwerkanalyse-Expertise von Fire, die dieser aus seiner Erforschung sozialer Netzwerke gewonnen hat. Gemeinsam mit den Kollegen Jubran Juman von der Abteilung für klinische Biochemie und Pharmakologie und Dima Kagan aus Fires Labor machten sich die beiden Wissenschaftler ans Werk.
Die neue Methode names Weighted Graph Anomalous Node Detection (WGAND) ist von der Analyse sozialer Netzwerke inspiriert und soll Proteine mit bedeutenden Rollen in verschiedenen menschlichen Geweben identifizieren. WGAND ist mittlerweile im Open Science Journal »GigaScience« veröffentlicht worden. Denn der Algorithmus ist eine Open Source und ermöglicht es Forschern weltweit, ihn zu nutzen und weiterzuentwickeln. Das Yeger-Lotem-Labor bietet außerdem Webtools, die auch Forschern ohne Informatikkenntnisse einen einfachen Zugang ermöglichen sollen.
Proteine sind essenzielle Moleküle in unserem Körper und interagieren in komplexen Netzwerken.
Proteine, auch Eiweiße genannt, sind essenzielle Moleküle in unserem Körper und interagieren in komplexen Netzwerken, den sogenannten Protein-Protein-Interaktionsnetzwerken (PPI). Die Untersuchung dieser Netzwerke hilft Wissenschaftlern, zu verstehen, wie Proteine funktionieren und wie sie zu Gesundheit und Krankheit beitragen. WGAND wird zur Analyse von PPI-Netzwerken eingesetzt, um »anomale« Proteine zu erkennen, also solche, die sich durch ein einzigartiges Muster auszeichnen.
Auch bei cybersicherheitsbezogenen Analysen sozialer Netzwerke geht es um atypische Muster. Eine Identifizierung derartiger Muster kann betrügerische Transaktionen oder verdächtiges Nutzerverhalten aufdecken. Die innovative Erkenntnis der neuen »GigaScience-Studie« besteht darin, dass dieselben Algorithmen, die Anomalien in sozialen Netzwerken aufdecken, auch auf die Proteinnetzwerke in einzelnen Zellen angewendet werden können. Durch die Fokussierung auf diese Anomalien kann der Algorithmus Proteine identifizieren, die in bestimmten Geweben wie Gehirn, Herz und Leber eine entscheidende Rolle spielen.
WGAND identifizierte zudem erfolgreich Proteine, die mit gewebespezifischen Erkrankungen assoziiert sind, beispielsweise Hirn- und Herzerkrankungen. Der Algorithmus erkannte außerdem Proteine, die an kritischen biologischen Prozessen beteiligt sind, wie der neuronalen Signalübertragung im Gehirn und der Muskelkontraktion im Herzen. WGAND habe andere bestehende Methoden in Bezug auf Genauigkeit und Präzision übertroffen, gab die Universität an.
»Dieser innovative Algorithmus hat das Potenzial, wichtige Proteine in bestimmten Kontexten zu identifizieren und Wissenschaftlern so zu helfen, gezieltere und wirksamere Behandlungen für verschiedene Erkrankungen zu entwickeln«, erklärt Yeger-Lotem. Fire findet es spannend zu sehen, »wie die Kombination von Expertise aus Bioinformatik und Cybersicherheit zu Durchbrüchen im Verständnis der menschlichen Biologie führen kann«. Es gebe große Anstrengungen, die interdisziplinäre Zusammenarbeit zu fördern: »KI ist zu einem integralen Bestandteil vieler verschiedener Bereiche geworden, und deshalb arbeite ich mit Menschen aus vielen anderen Bereichen zusammen.«
