کشف پروفایل‌های جعلی برای تشخیص فعالیت غیرعادی شبکه‌های پروتئینی در دانشگاه بن گوریون

به گزارش کارگروه فناوری اطلاعات سایبربان؛ یک محقق امنیت سایبری دانشگاه بن گوریون (Ben-Gurion) در نگِب، که تقلب در شبکه‌های اجتماعی را تجزیه و تحلیل می‌کند، در یک مطالعه جالب با تیمی از زیست‌شناسان این دانشگاه همکاری کرد تا یک سیستم یادگیری ماشینی برای تشخیص فعالیت غیرعادی در شبکه‌های پروتئینی در بدن انسان ایجاد کند.

روش ابتکاری آنها، تشخیص گره غیرعادی گراف وزنی (WGAND)، از الگوریتمی استفاده می‌کند که رفتار مشکوک در شبکه‌های اجتماعی مانند لینکدین یا اینستاگرام را برای کشف رفتار غیرعادی در شبکه‌های پروتئینی درون سلولی کشف می‌کند.

محققان اسرائیلی ادعا کردند که تشخیص گره غیرعادی گراف وزنی به آنها کمک می‌کند تا شبکه‌های پروتئینی مرتبط با اختلالات مغزی و بیماری‌های قلبی و همچنین پروتئین‌هایی را که در فرآیندهای حیاتی بیولوژیکی نقش دارند، مانند سیگنال‌دهی نورون‌ها در مغز و انقباض عضلانی در قلب، شناسایی کنند.

مایکل فایر (Michael Fire)، استادیار دپارتمان مهندسی نرم‌افزار و سیستم‌های اطلاعاتی در دانشگاه بن گوریون، با همکاری اِستی یگر-لوتم (Esti Yeger-Lotem)، دانشیار گروه بیوشیمی بالینی و دی‌شیمی‌شناسی بالینی و یومان جوبران (Juman Jubran) و دیما کاگان (Dima Kagan)، گفت:

«دیدن این که چگونه گرد هم آوردن تخصص‌های امنیت سایبری می‌تواند به پیشرفت‌هایی در درک زیست‌شناسی انسان منجر شود، هیجان‌انگیز است.»

فایر در گفتگو با روزنامه اسرائیلی مدعی شد که او و یِگر لوتِم در دو طرف مقابل دانشگاه بن گوریون هستند و تا زمانی که دانشگاه اعلام کرد که برای پروژه‌های تحقیقاتی مشترک کمک‌های مالی ارائه می‌کند، با یکدیگر ملاقات نکرده بودند.

وی اظهار داشت:

«تلاش زیادی برای تشویق همکاری میان رشته‌ای، از جمله کمک‌های بلاعوض برای محققانی که در دانشکده‌ها با هم کار می‌کنند، وجود دارد. من با افرادی از حوزه‌های دیگر کار می‌کنم زیرا هوش مصنوعی به بخشی جدایی ناپذیر از بسیاری از حوزه‌های مختلف تبدیل شده است.»

او ادعا کرد که کنجکاو بوده که چگونه می‌تواند از تحقیقات خود در زمینه هوش مصنوعی در علوم کامپیوتر برای کمک به زیست‌شناسان و کشف تعاملات شبکه‌های پروتئینی مانند یک شبکه اجتماعی استفاده کند.

فایر توضیح داد که در کار خود، الگوهای غیرمعمولی را در میان کاربران در شبکه‌های اجتماعی شناسایی می‌کند تا تراکنش‌های جعلی یا پروفایل‌های جعلی را کشف کند.

به گفته این استادیار دانشگاه بن گوریون، افرادی که در شبکه‌های اجتماعی آنلاین تلاش می‌کنند پول شما را بدزدند یا برای شما ویروس ارسال کنند، احتمالاً از یک پروفایل جعلی برای انجام این کار استفاده می‌کنند. بیشتر آنها با اتصال به بسیاری از جوامع و گروه‌های زیادی قربانی را به طور تصادفی پیدا می‌کنند. در مقابل، کاربران معمولی اغلب از طریق تعداد کمی از گروه‌ها متصل می‌شوند.

با ایجاد یک الگوریتم برای پیش‌بینی پیوند بین 2 کاربر، او می‌تواند تقلب و سایر بی‌نظمی‌ها را پیدا کند. او گفت:

«از طریق ارتباطات در شبکه‌های اجتماعی، ما به سمت شبکه‌ها در زیست‌شناسی حرکت می‌کنیم.»

ردیابی رفتار مشکوک شبکه‌های پروتئینی

شبکه‌های پروتئینی را اسب‌های کار بیوشیمی لقب داده‌اند. این مولکول‌های ضروری در بدن که به عنوان ابزار همه‌کاره طبیعت شناخته می‌شوند، در شبکه‌های پیچیده‌ای به نام شبکه‌های تبادل پروتئین-پروتئین (PPI) با یکدیگر تعامل دارند.

دانشمندان می‌توانند با تجزیه و تحلیل شبکه‌های خود بفهمند شبکه‌های پروتئینی چگونه کار و چگونه به سلامت و بیماری کمک می‌کنند.

یِگر لوتِم در آزمایشگاه خود، رویکردهای محاسباتی جدیدی را در زیست‌شناسی شبکه توسعه داده و به کار می‌گیرد و نحوه ارتباط پروتئین‌ها، ژن‌ها و سایر مولکول‌ها را مطالعه و با آنها به گونه‌ای رفتار می‌کند که گویی متعلق به یک شبکه اجتماعی بزرگ در بدن انسان هستند.

همان الگوریتم‌هایی که بی‌نظمی‌ها را در شبکه‌های اجتماعی آشکار می‌کنند، می‌توانند برای رفتار غیر معمول در شبکه‌های پروتئینی اعمال شوند.

یِگر لوتِم گفت:

«تجزیه و تحلیل الگوهای تعامل بین شبکه‌های پروتئینی می‌تواند کشف کند که کدام شبکه‌ها نقش ویژه‌ای، چه مثبت و چه منفی، در بافت‌هایی مانند مغز و قلب دارند. شبکه‌های پروتئینی به تنهایی عمل نمی‌کنند. اساساً، مانند هر مولکولی، آنها با تبادل با مولکول‌های دیگر عمل می‌کنند. بنابراین ما به تبادل‌های پروتئینی نگاه می‌کنیم و می‌پرسیم که چرا آنها در یک بافت با بافت دیگر متفاوت به نظر می‌رسند.»

او گفت که الگوریتم تشخیص گره غیرعادی گراف وزنی می‌تواند به محققان کمک کند تا تشخیص دهند کدام ژن‌ها و فرآیندها در بافت‌های مختلف مهم هستند و چرا بیماری‌های خاص رخ می‌دهند.

یک الگوریتم عمومی

درحالی‌که روش‌های دیگری برای مطالعه تبادل شبکه‌های پروتئینی وجود دارد، محققان معتقدند که تشخیص گره غیرعادی گراف وزنی از نظر دقت از روش‌های موجود بهتر عمل کرد.

یِگر لوتِم مدعی شد:

«چیزی که در مورد روش ما واقعاً جالب است، این است که یک الگوریتم عمومی است. ما می‌توانیم از آن برای پیش‌بینی رفتارهای شبکه‌های پروتئینی جالب استفاده کنیم و به همین ترتیب، می‌توانیم پروفایل‌های جعلی یا تغییرات در یک شبکه پزشکی یا حمل‌ونقل را پیش‌بینی کنیم.»

تشخیص گره غیرعادی گراف وزنی منبع باز است و به محققان در سراسر جهان این امکان را می‌دهد که از آن استفاده کنند و براساس آن توسعه دهند.

وی افزود:

«همه چیز باز است و شما می‌توانید از آن استفاده کنید و قرار است استفاده از آن واقعاً آسان باشد.  این همیشه آسان نیست، اما یک همکاری سرگرم کننده است.»