許多自然和人為網(wǎng)絡(luò)，例如計(jì)算機(jī)，生物或社會(huì)網(wǎng)絡(luò)，都具有嚴(yán)重影響其行為的連接結(jié)構(gòu)。網(wǎng)絡(luò)科學(xué)的學(xué)術(shù)領(lǐng)域涉及分析此類現(xiàn)實(shí)世界中的復(fù)雜網(wǎng)絡(luò)，并了解其結(jié)構(gòu)如何影響其功能或行為。例如人體的血管網(wǎng)絡(luò)，大腦中的神經(jīng)元網(wǎng)絡(luò)或流行病在整個(gè)社會(huì)的傳播網(wǎng)絡(luò)。

需要可靠的空模型

對(duì)此類網(wǎng)絡(luò)的分析通常著重于找到有趣的屬性和特征。例如，特定聯(lián)系網(wǎng)絡(luò)的結(jié)構(gòu)是否有助于疾病迅速傳播？為了找出答案，我們需要一個(gè)基線（一組隨機(jī)網(wǎng)絡(luò)，一個(gè)所謂的“空模型”）進(jìn)行比較。此外，由于更多的連接顯然會(huì)帶來(lái)更多的感染機(jī)會(huì)，因此基線中每個(gè)節(jié)點(diǎn)的連接數(shù)應(yīng)與我們分析的網(wǎng)絡(luò)相匹配。然后，如果我們的網(wǎng)絡(luò)看起來(lái)比基線更易于傳播，我們知道這一定是由于其特定的網(wǎng)絡(luò)結(jié)構(gòu)所致。但是，創(chuàng)建在某些屬性上匹配的真正隨機(jī)無(wú)偏見的空模型是困難的，并且通常需要針對(duì)每個(gè)感興趣的屬性使用不同的方法。

一種新的方法，消除偏見

系統(tǒng)生物學(xué)中心德累斯頓（CSBD）的Szabolcs Horvát和Carl Modes，在馬克斯·普朗克分子細(xì)胞生物學(xué)與遺傳學(xué)研究所（MPI-CBG）開發(fā)了這種模型，可以消除偏見并得出可靠的結(jié)論。Szabolcs Horvát說道：“我們?yōu)檫B接網(wǎng)絡(luò)開發(fā)了一個(gè)空模型，在該網(wǎng)絡(luò)中，偏差可以控制并且可以排除。具體來(lái)說，我們創(chuàng)建了一種算法，該算法可以為每個(gè)節(jié)點(diǎn)生成具有指定連接數(shù)的隨機(jī)連接的網(wǎng)絡(luò)。通過我們的方法，我們證明了更質(zhì)樸但常用的方法可能導(dǎo)致無(wú)效的結(jié)論?！?該研究的合作者卡爾·莫德斯（Carl Modes）得出結(jié)論：“這一發(fā)現(xiàn)說明了對(duì)數(shù)學(xué)上有根據(jù)的方法的需求。我們希望我們的工作對(duì)更廣泛的網(wǎng)絡(luò)科學(xué)界有用。為了使其他研究人員盡可能容易地使用它，我們也開發(fā)了一個(gè)軟件，并已公開在GitHub：https://github.com/szhorvat/ConnectedGraphSampler

譯自馬克斯·普朗克分子細(xì)胞生物學(xué)與遺傳學(xué)研究所網(wǎng)站 2021-2-9 譯者：zzllrr小樂 2021年2月13日