从社会到生物网络：揭示人类疾病关键蛋白质的新算法

　　

内盖夫本古里安大学的研究人员开发了一种机器学习算法，可以增强我们对人类生物学和疾病的理解。新方法加权图异常节点检测（加权图异常节点检测，WGAND）从社会网络分析中获得灵感，旨在识别各种人体组织中具有重要作用的蛋白质。

WGAND今天刚刚发表在开放科学杂志GigaScience （https://doi.org/10.1093/gigascience/giaf034）上。

蛋白质是我们身体中必不可少的分子，它们在复杂的网络中相互作用，称为蛋白质-蛋白质相互作用（PPI）网络。研究这些网络有助于科学家了解蛋白质的功能以及它们如何影响健康和疾病。

Esti Yeger-Lotem教授、Michael Fire博士、Jubran Juman博士和Dima Kagan博士开发了一种算法来分析这些PPI网络，以检测“异常”蛋白质——那些因其独特的加权相互作用模式而脱颖而出的蛋白质。这意味着在特定的网络中，蛋白质及其蛋白质相互作用物的数量更大，使它们能够携带更多的功能并驱动更多的过程。这也表明了这些蛋白质在特定网络中的重要性，因为身体不会无缘无故地浪费能量。

这项研究结合了Yeger-Lotem教授在蛋白质网络方面的专业知识，以及Fire博士在社交网络研究中获得的网络分析专业知识。在社交网络的网络安全相关分析中，识别非典型模式可以发现欺诈交易或可疑的用户行为。GigaScience新研究的创新之处在于，发现社会网络异常的相同算法可以应用于单个细胞内的蛋白质网络。通过关注这些异常，该算法可以识别在特定组织（如大脑、心脏和肝脏）中起关键作用的蛋白质。

WGAND成功地识别了与组织特异性疾病相关的蛋白质，例如与大脑疾病和心脏病有关的蛋白质。该算法还确定了参与关键生物过程的蛋白质，如大脑中的神经元信号和心脏中的肌肉收缩。此外，WGAND在准确度和精密度方面优于其他现有方法。

Yeger-Lotem教授说：“这种创新的算法有可能确定哪些蛋白质在特定情况下是重要的，帮助科学家针对各种疾病开发更有针对性和更有效的治疗方法。”

“看到生物信息学和网络安全的专业知识如何在理解人类生物学方面取得突破，这是令人兴奋的。通过应用网络分析和机器学习，我们开发了一种工具，可以帮助发现不同组织中的关键蛋白质，为人类健康和疾病的新见解铺平了道路，”Michael Fire博士说。

根据Fire AI实验室负责人（https://fireailab.com）的原则，WGAND算法是开源的，全世界的研究人员都可以利用和构建它。Yeger-Lotem实验室还维护网络工具，使没有计算背景的研究人员可以轻松访问（https://netbio.bgu.ac.il）。

该研究得到了以色列科学基金会（批准号401/22）和以色列高等教育委员会（CHE）通过本古里安大学数据科学研究中心的支持。

GigaScience：Network-based anomaly detection algorithm reveals proteins with major roles in human tissues