Muchas redes naturales y creadas por el hombre, como las redes informáticas, biológicas o sociales, tienen una estructura de conectividad que da forma de manera crítica a su comportamiento. El campo académico de la ciencia de las redes se ocupa de analizar esas redes complejas del mundo real y comprender cómo influye su estructurasu función o comportamiento. Ejemplos son la red vascular de nuestros cuerpos, la red de neuronas en nuestro cerebro o la red de cómo una epidemia se está extendiendo a través de una sociedad.
La necesidad de modelos nulos confiables
El análisis de tales redes a menudo se centra en encontrar propiedades y características interesantes. Por ejemplo, ¿la estructura de una red de contactos en particular ayuda a que las enfermedades se propaguen de manera especialmente rápida? Para averiguarlo, necesitamos una línea de base: un conjunto de redes aleatorias., un llamado "modelo nulo" - para comparar. Además, dado que más conexiones obviamente crean más oportunidades de infección, el número de conexiones de cada nodo en la línea de base debe coincidir con la red que analizamos. Entonces, si nuestra redparece facilitar la difusión más que la línea de base, sabemos que debe ser debido a su estructura de red específica. Sin embargo, crear modelos verdaderamente aleatorios, sin sesgos y nulos que coincidan en alguna propiedad es difícil y, por lo general, requiere un enfoque diferente para cada propiedad.Los algoritmos existentes que crean redes conectadas con un número específico de conexiones para cada nodo sufren un sesgo incontrolado, lo que significa que algunas redes se generan más den otros, potencialmente comprometiendo las conclusiones del estudio.
Un nuevo método que elimina el sesgo
Szabolcs Horvát y Carl Modes en el Centro de Biología de Sistemas de Dresde CSBD y el Instituto Max Planck de Biología Celular Molecular y Genética MPI-CBG desarrollaron un modelo de este tipo que permite eliminar el sesgo y llegar a conclusiones sólidas.Szabolcs Horvát describe: "Desarrollamos un modelo nulo para redes conectadas donde el sesgo está bajo control y se puede factorizar. Específicamente, creamos un algoritmo que puede generar redes conectadas aleatoriamente con un número prescrito de conexiones para cada nodo. Con nuestro método, demostramos que los enfoques más ingenuos pero de uso común pueden llevar a conclusiones inválidas ". El autor coordinador del estudio, Carl Modes concluye:" Este hallazgo ilustra la necesidad de métodos matemáticamente bien fundamentados. Esperamos que nuestro trabajo sea útil parala comunidad científica de redes más amplia. Para que a otros investigadores les resulte lo más fácil posible utilizarlo, también desarrollamos un software y lo pusimos a disposición del público ".
Fuente de la historia :
Materiales proporcionado por Max-Planck-Gesellschaft . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :