Компьютеризованная микробиология

Сергей Кузнецов

Обзор мартовского, 2012 г. номера журнала Computer (IEEE Computer Society, V. 45, No 3, March 2012).

Авторская редакция.
Также обзор опубликован в журнале «Открытые системы»

Мартовский номер журнала посвящен использованию компьютеров в экспериментальной биологии (Computationally Driven Experimental Biology). Так же называется вводная заметка приглашенного редактора, в роли которого выступает Т.М. Мурали (T.M. Murali, Virginia Tech).

Достижения в постановке высокопроизводительных экспериментов приводят к созданию в области биологии среды, насыщенной данными. Это явление особенно заметно в молекулярной биологии, где с возрастающей скоростью увеличиваются объемы доступных данных по геномным последовательностям, молекулярным уровням и активностям, маршрутам и сетям взаимодействий.

В принципе, большинство новых экспериментов теперь может поддерживаться анализом крупномасштабных данных. Поскольку анализ каждой разновидности данных касается только одной грани клеточной активности, для построения полной модели клеточных систем требуется интегрированный анализ. Поэтому исследователи разрабатывают разнообразные вычислительные методы для анализа и интерпретации крупных молекулярных наборов данных. Многие подходы позволяют обнаруживать паттерны биологической активности, представляющие интерес для биологов. Однако проблемой остается использование результатов анализа для формирования новых гипотез и разработки новых экспериментов для проверки этих гипотез.

Первую статью тематической подборки под названием «Тесные контакты участников сотрудничества» («Close Encounters of the Collaborative Kind») написали Майкл Мэйхью, Ксин Гуо, Стивен Хаасе и Александер Хатминк (Michael B. Mayhew, Xin Guo, Steven B. Haase, Alexander J. Hartemink, Duke University).

В области системной биологии имеется потребность в установлении более прочных и близких отношений между биологами и исследователями в области вычислений, позволяющих добиться лучшего анализа, моделирования, и, в конечном счете, понимания исследуемых биологических систем.

Статья посвящена описанию разработки междисциплинарного сотрудничества, которое, по мнению авторов статьи, способствует эффективности их научной работы. Результаты, полученные в ходе такого сотрудничества, в статье подробно не описываются, и читатели отсылаются к более специальным публикациям.

Статья «Использование сетей взаимодействия белков для понимания природы сложных заболеваний» «Using Protein Interaction Networks to Understand Complex Diseases» написана Мехметом Коютюрком (Mehmet Koyutürk, Case Western Reserve University).

Распространенным подходом к анализу молекулярных данных, характерных для некоторого заболевания, является сравнение представительности ген или белковых экспрессий в каждой молекуле образца пораженной ткани с соответствующими данными образца здоровой ткани. Такие исследования позволяют выявить отдельные молекулы, потенциально связанные с изучаемым заболеванием, которые могут служить биомаркерами при диагностике, прогнозировании, оценке степени риска, выборе способа лечения и т.д.

В научном сообществе распространено мнение, что для лучшего понимания механизмов сложных заболеваний требуются подходы системного уровня. В них используются данные о взаимодействии белков (protein-protein interactions, PPI) для выявления групп функционально связанных генов. Авторы статьи фокусируются на методах выявления нерегулируемых подсетей на основе интеграции данных о генных экспрессиях и белковых взаимодействиях.

Фабио Вэндин, Эли Апфол и Бунджамин Рафаэль (Fabio Vandin, Eli Upfal, Benjamin J. Raphael, Brown University) являются авторами статьи «Алгоритмы геномного секвентирования: выявление путей, ведущих к раковым заболеваниям» («Algorithms and Genome Sequencing: Identifying Driver Pathways in Cancer»).

В статье представлены два алгоритма, позволяющие предсказать приоритетность в экспериментальных исследований комбинаций мутаций в раковых геномах. Один из них опирается на данные о сетях взаимодействий и направлен на выявление регулярно мутирующих наборов генов. Второй алгоритм производит поиск групп мутаций с заданными комбинаторными свойствами.

Последняя статья тематической подборки называется «Перепрофилирование вирусных геномов» («Redesigning Viral Genomes») и написана Стивеном Скиеной (Steven Skiena, Stony Brook University skiena@cs.sunysb.edu).

В исследовательской группе университета Стоуни-Брук разработка новых алгоритмов сочетается с использованием современных технологий синтеза для совершенствования экспериментальных методов, направленных на решение классических проблем биологии, в частности, в области вирусологии. Участники исследований сотрудничают с биологами с целью получения ослабленных вирусов, определения биологически значимых областей внутри генов и рефакторинга вирусных геномов для обеспечения лучших возможностей манипулирования ими.

Вне тематической подборки опубликованы две крупные статьи. Первая из них называется «Защита от межсайтовых скриптинговых атак» («Defending against Cross-Site Scripting Attacks») и представлена Лвин Хин Шаром и Хи Бен Куан Таном (Lwin Khin Shar, Hee Beng Kuan Tan, Nanyang Technological University, Singapore).

Существующим методам защиты от межсайтовых скриптинговых (Cross-Site Scripting, XSS) атак свойственны различные недостатки: неустранимые ограничения, неполные реализации, сложная инфраструктура, чрезмерные накладные расходы, потребность в ручном труде людей. Исследователи в области безопасности могут устранить эти недостатки, действуя с двух разных позиций.

С позиций разработки требуется создавать более простые и более гибкие средства защиты. Эти средства должны включать возможности проверки достоверности и очистки входных данных. Со временем в инструментальные средства разработки следует включить инфраструктурные механизмы поддержки безопасности, в которых реализуется наиболее передовая технология (такие как ESAPI).

С позиций верификации программ исследователям нужно интегрировать методы анализа программ, распознавания образов, интеллектуального анализа данных и искусственного интеллекта, чтобы повысить эффективность обнаружения уязвимостей. Кроме того, можно повысить точность имеющихся методов на счет получения паттернов злонамеренного кода от внешних экспертов.

Авторами последней крупной статьи номера – «Анализ графов связей для выбора места расположения бизнеса» («Link Graph Analysis for Business Site Selection») – являются Ксяоджун Куан, Лью Веньин, Венью Доу, Хуи Ксион, Йон Ге (Xiaojun Quan, Liu Wenyin, Wenyu Dou, City University of Hong Kong, Hui Xiong, Yong Ge).

В современных методах решения проблемы выбора места расположения бизнеса используются сложные сети связей компаний. Авторы статьи применяют графо-ориентированную стратегию с позиций «внутривидовой конкуренции». Смысл состоит в том, что большая часть схожих или родственных бизнес-организаций размещается не изолированным образом, а географически концентрируется, так что их можно кластеризовать, как географические агломерации.

Граф, представляющий распределение гостиниц в гипотетическом городском районе