Hybrid Reasoning Over Dynamic Protein Interaction Networks

点击翻译按钮获取中文摘要

Die Molekularbiologie hat sich zu einer datenintensiven Wissenschaft mit exponentiellem Datenwachstum entwickelt. Die Verfügbarkeit riesiger Mengen von Sequenz-, Struktur- und Interaktionsdaten verspricht, unser Verständnis von lebendigen Organismen zu verbessern und Krankheiten heilbar zu machen. Von besonderer Bedeutung ist hier die Interaktion von Molekülen, denn alle Zellen üben ihre Funktionen als komplexe Interaktion zwischen Proteinen, DNA, RNA und anderen Molekülen aus. Es hat in jüngerer Zeit erhebliche Fortschritte im Bereich von sogar Genom-weiten Interaktionsdaten gegeben. Ihre Struktur wurde analysiert, und sie trugen zur Entdeckung von Krankheitsmechanismen bei. Dennoch gibt es eine Reihe dringender, offener Probleme:• Die meisten verfügbaren Interaktionsdaten geben statische Zustände wieder, während eine lebende Zelle ein sich dynamisch über die Zeit veränderndes System ist.• Die meisten verfügbaren Interaktionsdaten sind fehlerbehaftet und decken nur einen Bruchteil aller Interaktionen ab.Das Projekt entwickelt formale Techniken und Systeme zum Schließen über unvollständige und fehlerbehaftete Protein-Interaktionsnetze. Unser Ansatz basiert auf Influenzgraphen und auf hybriden Schlusstechniken auf der Basis von Antwortmengenprogrammierung. Multi-Kontext-Systeme bilden die formale Grundlage für die Integration unterschiedlicher Wissensquellen. Die entwickelten Techniken werden evaluiert anhand von konkreten biomedizinischen Beispielen, insbesondere in Bezug auf das Schließen über metabolische Netze.