Molte reti naturali e create dall'uomo, come computer, le reti biologiche o sociali hanno una struttura di connettività che modella criticamente il loro comportamento. Il campo accademico della scienza delle reti si occupa di analizzare tali reti complesse del mondo reale e comprendere come la loro struttura influenza la loro funzione o comportamento. Esempi sono la rete vascolare dei nostri corpi, la rete di neuroni nel nostro cervello, o la rete di come un'epidemia si sta diffondendo attraverso una società.

La necessità di modelli nulli affidabili

L'analisi di tali reti si concentra spesso sulla ricerca di proprietà e caratteristiche interessanti. Per esempio, la struttura di una particolare rete di contatti aiuta a diffondere le malattie in modo particolarmente rapido? Per scoprirlo, abbiamo bisogno di una linea di base:un insieme di reti casuali, un cosiddetto "modello nullo", da confrontare. Per di più, poiché più connessioni creano ovviamente più opportunità di infezione, il numero di connessioni di ciascun nodo nella linea di base dovrebbe essere abbinato alla rete che analizziamo. Quindi, se la nostra rete sembra facilitare la diffusione oltre la linea di base, sappiamo che deve essere dovuto alla sua specifica struttura di rete. Però, creando veramente casuale, imparziale, i modelli null che corrispondono in alcune proprietà sono difficili e di solito richiedono un approccio diverso per ogni proprietà di interesse. Algoritmi esistenti che creano reti connesse con un numero specifico di connessioni per ogni nodo soffrono tutte di bias incontrollato, il che significa che alcune reti vengono generate più di altre, potenzialmente compromettere le conclusioni dello studio.

Un nuovo metodo che elimina i pregiudizi

Szabolcs Horvát e Carl Modes presso il Center for Systems Biology Dresden (CSBD) e il Max Planck Institute of Molecular Cell Biology and Genetics (MPI-CBG) hanno sviluppato un tale modello che consente di eliminare i pregiudizi, e giungere a solide conclusioni. Szabolcs Horvát afferma, "Abbiamo sviluppato un modello nullo per le reti connesse in cui la distorsione è sotto controllo e può essere scomposta. In particolare, abbiamo creato un algoritmo in grado di generare reti connesse casuali con un numero prescritto di connessioni per ogni nodo. Con il nostro metodo, abbiamo dimostrato che approcci più ingenui ma comunemente usati possono portare a conclusioni non valide." L'autore coordinatore dello studio, Carl Modes conclude:"Questa scoperta illustra la necessità di metodi matematicamente ben fondati. Ci auguriamo che il nostro lavoro sia utile alla più ampia comunità scientifica di rete. Al fine di rendere il più semplice possibile l'uso da parte di altri ricercatori, abbiamo anche sviluppato un software e lo abbiamo reso disponibile al pubblico."