Hybrid Reasoning Over Dynamic Protein Interaction Networks

分子生物学是一门数据密集的科学，其数据量非常大。Die Verfügbarkeit riesiger Mengen von Sequenz-，Struktur- und Interaktionsdaten verspricht，unser Verständnis von lebendigen Organismen zu verbessern und Krankheiten heilbar zu machen.由于所有Zellen都具有蛋白质、DNA、RNA和其他分子之间复杂的相互作用，因此，最重要的是分子间的相互作用。这是一个新的时代，它是由基因组和国际数据库组成的。我们对它的结构进行了分析，并对它进行了结构分析。Dennoch gibt es eine Reihe dringender，offener Probleme：· Die meisten verfügbaren Interaktionsdaten geben staticche Zustände wieder，während eine lebende Zelle ein sich dynamisch über die Zeit veränderndes System ist. Die meisten verfügbaren Interaktionsdaten sind fehlerobservation ftet und decken努尔einen Bruchteil阿勒Interaktionen ab.Das Projekt entwickelt formale Techniken und Systeme zum Schließen über unvollständige und fehlerobservation ftete Protein-Interaktionsnetze.我们的诊断基于流感病毒和基于抗病毒程序设计的混合诊断技术。Multi-Kontext-System是一个非常有用的集成框架。该技术的发展韦尔登评价和对生物医学领域的认识，主要集中在代谢内策上。

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.