Naturen och samhället är fulla av så kallade verkliga komplexa system, såsom proteininteraktioner. Teoretiska modeller, kallas komplexa nätverk, beskriv dem och bestå av noder som representerar alla grundläggande element i det nätverket, och länkar som beskriver interaktioner eller reaktioner mellan två noder.

När det gäller proteininteraktionsstudier, rekonstruktion av komplexa nätverk är nyckeln eftersom tillgängliga data ofta är felaktiga och vår kunskap om den exakta karaktären av dessa interaktioner är begränsad. För rekonstruktion av nätverk, länkprognos - sannolikheten för att det finns en länk mellan två noder - spelar roll. Nu, Kinesiska forskare har tittat på nätverkets påverkan för att belysa robustheten hos de senaste metoderna som används för att förutsäga beteendet hos sådana komplexa nätverk.

Jin-Xuan Yang och Xiao-Dong Zhang från Shanghai Jiao Tong University i Kina har just publicerat sitt arbete i EPJ B , tillhandahålla en bra referens för valet av en lämplig algoritm för länkprediktion beroende på den valda nätverksstrukturen. I det här pappret, författarna använder två parametrar för nätverk-det gemensamma grannindexet och det så kallade Gini-koefficientindexet-för att avslöja sambandet mellan strukturen i ett nätverk och noggrannheten i metoder som används för att förutsäga framtida länkar.

Deras studie innefattar delvis en statistisk analys, som avslöjar en korrelation mellan nätverkets egenskaper, som indexet för gemensamma grannar, Gini -koefficientindex och andra index som specifikt beskriver nätverksstrukturen, såsom dess grupperingskoefficient eller graden av heterogenitet.

Författarna testar sin teori experimentellt i en mängd olika verkliga nätverk och finner att den föreslagna algoritmen ger bättre förutsägbarhet och robusthet för nätverksstrukturen än befintliga metoder. Detta får också författarna att utforma en ny metod för att förutsäga saknade länkar.