通过分析图谱分布区分不同类别的生物网络
统计方法学
2012-08-16 v1 社会与信息网络
物理与社会
定量方法
摘要
大脑的结构与功能系统、蛋白质 - 蛋白质相互作用以及基因网络是生物系统的实例，它们共享复杂网络的一些特征，如高度连接的节点、模块化和小世界拓扑。近期研究表明，某些病理相对于普通人群的正常情况表现出拓扑网络的改变。因此，区分生成不同类别网络（例如正常与疾病）过程的方法对于疾病的诊断、预后和治疗至关重要。已知网络（图）的几个拓扑性质可以通过其邻接矩阵的谱分布来描述。此外，由同一随机过程生成的大型网络具有相同的谱分布，这使得我们可以将其用作“指纹”。基于这种关系，我们引入并提出图谱熵以衡量随机图的“不确定性”，以及图谱间的 Kullback-Leibler 散度和 Jensen-Shannon 散度以比较网络。我们还引入了模型选择和网络模型参数估计的通用方法，以及检验两类复杂网络之间散度零假设的统计程序。最后，我们通过将这些方法应用于 (1) 不同物种的蛋白质 - 蛋白质相互作用网络和 (2) 被诊断为注意缺陷多动障碍 (ADHD) 的儿童与典型发育儿童的网络，展示了所提方法的有效性。我们得出结论，无标度网络最能描述所有的蛋白质 - 蛋白质相互作用。此外，我们表明所提出的度量成功识别了网络中的拓扑变化，而其他常用度量（边数、聚类系数、平均路径长度）则未能做到。
引用
@article{arxiv.1208.2976,
title = {Discriminating different classes of biological networks by analyzing the graphs spectra distribution},
author = {Daniel Yasumasa Takahashi and João Ricardo Sato and Carlos Eduardo Ferreira and André Fujita},
journal= {arXiv preprint arXiv:1208.2976},
year = {2012}
}