En ny matematisk modell av nätverkets struktur kan hjälpa till att hitta nya cancerläkemedel, påskynda trafikflödet och bekämpa sexuellt överförbara sjukdomar.

Även om de tre utmaningarna verkar olika, de kan alla dra nytta av en teori som hjälper till att avslöja okänd information om ett nätverk genom att analysera dess struktur. Studien publicerades i tidskriften Kaos .

Ett exempel på hur det kan vara användbart att fylla i saknade länkar är att välja ett genetiskt mål för ett cancerläkemedel, sa teammedlemmen Michael Small, från University of Western Australia.

"Säg att du har ett nätverk av gener som på något sätt är anslutna, och det finns några kända läkemedelsmål. Men om du inte känner till alla gener, du skulle vilja gissa på information som du inte behöver räkna ut vad som kan vara andra troliga mål att undersöka, "Sa Small.

Framgångsrika länkprognosalgoritmer finns redan för vissa typer av nätverk, men forskarna analyserade olika strukturerade nätverk för att komma med sin alternativa algoritm.

Ett exempel på traditionell länkprognos kan vara ett socialt nätverk som föreslår vänner att ansluta till. Två personer som delar en vän är sannolikt själva vänner med en direkt anslutning. Om du lägger till denna tredje anslutning skapas en triangel, som är en struktur där befintliga algoritmer fokuserar.

I kontrast, författarna fokuserade på trädliknande nätverk, som har många grenar men väldigt få tvärlänkar mellan grenar. De studerade tre exempeluppsättningar:det sociala nätverket Twitter, ett vattendistributionsnät och ett sexuellt kontaktnät.

De fann att dessa tre trädliknande nätverk kunde kännetecknas av ett antal parametrar, såsom det genomsnittliga avståndet mellan grenpunkter i nätverket, slingornas storlek och en jämförelse av antalet länkar som intilliggande noder har - ett mått på nätets regelbundenhet som beskriver heterogenitet.

Författarna utvecklade sedan en algoritm som föreslog länkar som skulle bevara dessa egenskaper hos nätverket.

De testade detta tillvägagångssätt genom att ta ett känt nätverk och ta bort länkar från det och se om algoritmen kunde förutsäga var de saknade länkarna ska vara.

Teamet fann att algoritmen fungerade bättre (cirka 44% för Twitter -nätverket, cirka 15% för nätverket för sexuell kontakt och cirka 4% för vattenfördelningsnätet) för trädliknande nätverk än de flesta konventionella algoritmer som bygger på andra parametrar, som att anta att mycket uppkopplade individer kommer att locka till fler anslutningar (känd som preferensbilaga) eller bygga massor av triangulära anslutningar (kända som kluster).

Författaren Keke Shang tillskriver lagets framgång till att tänka på exempel på verkliga nätverk.

"Jag hoppas att vi kan få nätverksteknik att tjäna våra liv bättre, " han sa.