人体的机制很奇妙，但他们还没有放弃所有的秘密。要想真正战胜人类的疾病，了解最基本的情况是必不可少的。

细胞的基本功能是由蛋白质分子来执行的，蛋白质分子之间相互作用的复杂程度不同。当病毒进入人体时，它会破坏它们之间的相互作用，并操纵它们进行自我复制。这是遗传病的基础，了解病毒的工作原理非常有趣。

像病毒一样的对手激发了谢明、电子和计算机工程系副教授保罗波格丹一世以及他最近获得的博士学位。南加州大学计算机物理系统组的毕业生薛确定了它们与人体内蛋白质的相互作用。“我们试图用数学模型重现这个问题，”bogdan说。他们开创性的统计机器学习研究“重建失败的复杂网络以对抗对抗性干预”于今年4月初发表在《自然通讯》杂志上。

薛博士获得了博士学位。去年获得2018年最佳论文奖的电气与计算机工程学院表示：“理解关键蛋白质和基因的隐形网络具有挑战性，对于设计针对病毒甚至癌症等疾病的新药或基因疗法极其重要。”

蛋白质相互作用网络将每个蛋白质模拟为一个“节点”。如果两种蛋白质相互作用，就会有一条“边”把它们连接起来。薛解释说，“病毒攻击类似于删除这个网络中的一些节点和链接。”因此，原来的网络不再是可观测的。

“有些网络是高度动态的。他们可以变化得很快或很慢，”博格丹说。“我们可能没有传感器来获得准确的测量结果。网络的一部分是无法被观察到的，所以它变得不可见。”

为了追踪病毒攻击的影响，和薛需要通过找到不可见部分的可靠估计来重建原始网络，这不是一件容易的事情。波格丹一世说，“挑战在于你看不到链接，看不到节点，也不知道病毒的行为。”为了解决这个问题，薛补充说，“诀窍是依靠统计机器学习框架来跟踪所有的可能性，并找到最有可能的估计。”

与以往的研究形成鲜明对比的是，实验室的新颖贡献在于，他们主动将攻击或“对抗性干预”的影响和因果关系纳入到他们的学习算法中，而不是将其视为随机采样过程。波格丹一世解释说，“它的真正优势在于它的普遍性——它可以应用于任何类型的攻击和网络模型。”

由于他们提出的框架的普遍性，他们的研究对任何涉及对抗性攻击的网络重建问题都有深远的应用，涉及生态学、社会科学、神经科学和网络安全。他们的论文还证明了其确定巨魔和机器人对社交媒体用户的影响的能力。

波格丹一世计划通过试验一系列攻击模型、更复杂和不断变化的数据集以及更大的网络规模来扩展他们的工作，以了解它们对重建网络的影响。