Un nuovo modello matematico della struttura delle reti potrebbe aiutare a trovare nuovi farmaci antitumorali, accelerare il flusso del traffico e combattere le malattie sessualmente trasmissibili.

Sebbene le tre sfide sembrino diverse, tutti potrebbero trarre vantaggio da una teoria che aiuta a scoprire informazioni sconosciute su una rete analizzandone la struttura. Lo studio è stato pubblicato sulla rivista Caos .

Un esempio di come potrebbe essere utile riempire i collegamenti mancanti è nella scelta di un bersaglio genetico per un farmaco antitumorale, ha detto il membro del team Michael Small, dall'Università dell'Australia occidentale.

"Supponiamo che tu abbia una rete di geni che sono in qualche modo collegati, e ci sono alcuni noti bersagli farmacologici. Ma se non conosci tutti i geni, vorresti fare ipotesi su informazioni che non hai bisogno di capire quali potrebbero essere altri probabili obiettivi su cui indagare, "Disse piccolo.

Esistono già algoritmi di previsione dei collegamenti di successo per alcuni tipi di reti, ma i ricercatori hanno analizzato reti strutturate in modo diverso per elaborare il loro algoritmo alternativo.

Un esempio di previsione dei collegamenti tradizionale potrebbe essere un social network che suggerisce amici con cui connettersi. È probabile che due persone che condividono un amico siano amiche con una connessione diretta. L'aggiunta di questa terza connessione crea un triangolo, che è una struttura in cui si concentrano gli algoritmi esistenti.

In contrasto, gli autori si sono concentrati su reti simili ad alberi, che hanno molti rami ma pochissimi collegamenti incrociati tra i rami. Hanno studiato tre set di dati di esempio:il social network Twitter, una rete di distribuzione dell'acqua e una rete di contatti sessuali.

Hanno scoperto che queste tre reti ad albero potrebbero essere caratterizzate da una serie di parametri, come la distanza media tra i punti di diramazione della rete, la dimensione dei loop e un confronto del numero di collegamenti che hanno i nodi adiacenti, una misura della regolarità della rete che descrive l'eterogeneità.

Gli autori hanno quindi sviluppato un algoritmo che suggeriva collegamenti che avrebbero preservato queste caratteristiche della rete.

Hanno testato questo approccio prendendo una rete nota e rimuovendo i collegamenti da essa e verificando se l'algoritmo poteva prevedere dove dovrebbero essere i collegamenti mancanti.

Il team ha riscontrato che l'algoritmo ha funzionato meglio (circa il 44% per la rete Twitter, circa il 15% per la rete di contatto sessuale e circa il 4% per la rete di distribuzione dell'acqua) per le reti ad albero rispetto alla maggior parte degli algoritmi convenzionali che si basano su altri parametri, ad esempio supponendo che individui altamente connessi attirino più connessioni (noto come attaccamento preferenziale) o costruendo molte connessioni triangolari (noto come clustering).

L'autore Keke Shang attribuisce il successo del team al pensiero di esempi di reti del mondo reale.

"Spero che la tecnologia di rete possa servire meglio le nostre vite, " Egli ha detto.