Новый алгоритм для анализа биологических сетей

Исследователи из Китая разработали новый подход для распутывания сложностей биологических сетей, например, тех, что описывают взаимодействия белков в клетках нашего организма. Алгоритм команды позволит биологам и биомедицинским исследователям находить новые ключи к пониманию работы клеток и того, что идёт не так в таких сетях при различных заболеваниях, таких как болезнь Альцгеймера и рак.

Сети повсеместны — в технологиях, природе, наших телах. Они встречаются в бесчисленных областях исследований: от электронных схем и социальных сетей до транспортных систем и биологических систем. Исследования показывают, что хотя сети могут быть поверхностно очень разными, они тем не менее имеют общие глобальные свойства, такие как характеристики «малого мира» и «безмасштабности». Это означает, что понимание одного типа сети может помочь понять другой.

Однако для более глубокого изучения универсальных характеристик сетей необходимо понять их базовые структурные элементы — так называемые сетевые «мотивы». Мотивы — это паттерны взаимосвязей между узлами сети, будь то транзисторы, нейроны, пользователи Facebook или, в молекулярной биологии, белки. Мотивы, которые встречаются в реальных сетях в значительно большем количестве, чем в рандомизированных, могут быть использованы для характеристики локальных особенностей даже самых сложных сетей. С помощью методов высокопроизводительного анализа молекулярные биологи начинают выявлять сетевые мотивы в белковых системах, а также в метаболизме, мозге, распространении патогенов и многих других областях.

Компьютерные учёные Гуйминь Цинь и Линь Гао из Сианьского университета электронных наук и технологий (провинция Шэньси, Китай) разработали эффективный алгоритм для обнаружения мотивов в белковых сетях. Алгоритм сначала ищет в сети специфические нетрееподобные подструктуры, которые не так часто встречаются в случайных сетях. Затем он классифицирует эти подструктуры и кластеризует их иерархически, чтобы выявить наличие повторяющихся мотивов в сети. Команда применила алгоритм к сети белок-белковых взаимодействий (PPI) для хорошо изученных организмов — бактерии Escherichia coli и дрожжей Saccharomyces cerevisiae.

«Наши экспериментальные результаты показывают, что алгоритм может эффективно обнаруживать мотивы, которые согласуются с текущими биологическими знаниями», — сообщает команда. Однако что важно, этот подход также выявил несколько ранее нераспознанных новых мотивов. «Наш алгоритм может обнаруживать несколько консенсусных мотивов заданного размера, что может помочь биологам глубже проникнуть в клеточные процессы», — добавляет команда.