动态网络的对齐

网络可以建模多种领域中的真实世界系统。网络对齐（NA）旨在找到一种节点映射，以保留被比较网络之间的相似区域。NA适用于许多领域，包括计算生物学，其中NA可指导生物学知识从研究充分的物种通过对齐的网络区域转移到研究不足的物种。现有的NA方法只能对齐静态网络。然而，大多数复杂的真实世界系统随时间演化，因此应建模为动态网络。我们假设，与当前所做的对齐系统静态网络表示相比，对齐演化系统的动态网络表示将产生更优的对齐结果。为此，我们引入了首个动态NA方法DynaMAGNA++。这一概念验证的动态NA方法是最先进静态NA方法MAGNA++的扩展。尽管MAGNA++和DynaMAGNA++都优化对齐网络间的边守恒与节点守恒，但MAGNA++保留静态边和静态节点邻域间的相似性，而DynaMAGNA++保留动态边（事件）和演化节点邻域间的相似性。为此，我们引入了首个动态边守恒度量，并依赖于我们近期的动态节点守恒度量。重要的是，这两个动态守恒度量可使用任何最先进的NA方法优化，而不仅仅是MAGNA++。在公平比较条件下，我们在合成与真实网络以及计算生物学和社交网络领域证实了动态NA优于静态NA的假设。DynaMAGNA++已并行化，并包含用户友好的图形界面。