La naturaleza y la sociedad están llenas de los llamados sistemas complejos del mundo real, como las interacciones proteicas. Los modelos teóricos, llamados redes complejas, los describen y consisten en nodos que representan cualquier elemento básico de esa red, y enlaces que describen interacciones o reacciones entredos nodos. En el caso de los estudios de interacción de proteínas, la reconstrucción de redes complejas es clave ya que los datos disponibles a menudo son inexactos y nuestro conocimiento de la naturaleza exacta de estas interacciones es limitado. Para la reconstrucción de redes, el enlace predice - la probabilidad dela existencia de un enlace entre dos nodos - es importante
Ahora, los científicos chinos han analizado la influencia de la estructura de la red para arrojar algo de luz sobre la solidez de los últimos métodos utilizados para predecir el comportamiento de redes tan complejas. Jin-Xuan Yang y Xiao-Dong Zhang de la Universidad Shanghai Jiao Tongen China acaban de publicar su trabajo en EPJ B , que proporciona una buena referencia para la elección de un algoritmo adecuado para la predicción de enlaces en función de la estructura de red elegida. En este documento, los autores utilizan dos parámetros de redes: el índice de vecinos comunes y el llamado índice de coeficiente de Gini -- revelar la relación entre la estructura de una red y la precisión de los métodos utilizados para predecir enlaces futuros.
Su estudio involucra en parte un análisis estadístico, que revela una correlación entre las características de la red, como el índice de vecinos comunes, el índice del coeficiente de Gini y otros índices que describen específicamente la estructura de la red, como su coeficiente de agrupamiento o su grado de heterogeneidad.
Los autores prueban su teoría experimentalmente en una variedad de redes del mundo real y descubren que el algoritmo propuesto produce una mejor precisión de predicción y robustez en la estructura de la red que los métodos existentes. Esto también lleva a los autores a idear un nuevo método para predecir enlaces perdidos.
Fuente de la historia :
Materiales proporcionado por Springer . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :