Många naturliga och konstgjorda nätverk, som dator, biologiska eller sociala nätverk har en anslutningsstruktur som kritiskt formar deras beteende. Det akademiska området nätverksvetenskap handlar om att analysera sådana verkliga komplexa nätverk och förstå hur deras struktur påverkar deras funktion eller beteende. Exempel är kärlens kärlnätverk, nätverket av neuroner i vår hjärna, eller nätverket för hur en epidemi sprider sig genom ett samhälle.

Behovet av pålitliga nullmodeller

Analysen av sådana nätverk fokuserar ofta på att hitta intressanta egenskaper och funktioner. Till exempel, hjälper strukturen i ett särskilt kontaktnätverk att sjukdomar sprids särskilt snabbt? För att ta reda på, vi behöver en baslinje - en uppsättning slumpmässiga nätverk, en så kallad 'nullmodell'-att jämföra med. Vidare, eftersom fler anslutningar uppenbarligen skapar fler möjligheter till infektion, antalet anslutningar för varje nod i baslinjen ska matchas med det nätverk vi analyserar. Om vårt nätverk verkar underlätta spridning mer än baslinjen, vi vet att det måste bero på dess specifika nätverksstruktur. Dock, skapar verkligen slumpmässigt, opartisk, nullmodeller som matchas i vissa egendomar är svåra - och kräver vanligtvis ett annat tillvägagångssätt för varje egenskap av intresse. Befintlig algoritm som skapar anslutna nätverk med ett specifikt antal anslutningar för varje nod lider alla av okontrollerad förspänning, vilket innebär att vissa nätverk genereras mer än andra, potentiellt äventyrar slutsatserna från studien.

En ny metod som eliminerar partiskhet

Szabolcs Horvát och Carl Modes vid Center for Systems Biology Dresden (CSBD) och Max Planck Institute of Molecular Cell Biology and Genetics (MPI-CBG) utvecklade en sådan modell som gör det möjligt att eliminera partiskhet, och nå fasta slutsatser. Szabolcs Horvát säger, "Vi utvecklade en nullmodell för anslutna nätverk där förspänningen är under kontroll och kan tas bort. Specifikt, vi skapade en algoritm som kan generera slumpmässigt anslutna nätverk med ett föreskrivet antal anslutningar för varje nod. Med vår metod, vi visade att mer naiva men vanligtvis använda metoder kan leda till ogiltiga slutsatser. "Den samordnande författaren till studien, Carl Modes avslutar:"Detta fynd illustrerar behovet av matematiskt välgrundade metoder. Vi hoppas att vårt arbete kommer att vara användbart för det bredare nätverksvetenskapliga samfundet. För att göra det så enkelt som möjligt för andra forskare att använda det, Vi utvecklade också en programvara och gjorde den tillgänglig för allmänheten. "