Een nieuw wiskundig model van de structuur van netwerken zou kunnen helpen bij het vinden van nieuwe kankermedicijnen, de verkeersstroom versnellen en seksueel overdraagbare aandoeningen bestrijden.

Hoewel de drie uitdagingen divers lijken, ze zouden allemaal kunnen profiteren van een theorie die helpt om onbekende informatie over een netwerk te ontdekken door de structuur ervan te analyseren. De studie werd gepubliceerd in het tijdschrift Chaos .

Een voorbeeld van hoe het invullen van ontbrekende schakels nuttig kan zijn, is bij het kiezen van een genetisch doelwit voor een kankermedicijn, zei teamlid Michael Small, van de Universiteit van West-Australië.

"Stel dat je een netwerk van genen hebt die op de een of andere manier met elkaar verbonden zijn, en er zijn enkele bekende doelwitten voor medicijnen. Maar als je niet alle genen kent, u wilt gissen naar informatie die u niet hoeft uit te zoeken wat andere mogelijke doelwitten zijn om te onderzoeken, ' zei Klein.

Er bestaan ​​al succesvolle linkvoorspellingsalgoritmen voor bepaalde soorten netwerken, maar de onderzoekers analyseerden anders gestructureerde netwerken om met hun alternatieve algoritme te komen.

Een voorbeeld van traditionele linkvoorspelling kan een sociaal netwerk zijn dat vrienden voorstelt om verbinding mee te maken. Twee mensen die een vriend delen, zijn waarschijnlijk zelf vrienden met een directe connectie. Door deze derde verbinding toe te voegen, ontstaat een driehoek, dat is een structuur waar bestaande algoritmen zich op richten.

In tegenstelling tot, de auteurs concentreerden zich op boomachtige netwerken, die veel vertakkingen hebben, maar zeer weinig kruisverbindingen tussen vertakkingen. Ze bestudeerden drie voorbeelddatasets:het sociale netwerk Twitter, een waterdistributienetwerk en een seksueel contactnetwerk.

Ze ontdekten dat deze drie boomachtige netwerken konden worden gekenmerkt door een aantal parameters, zoals de gemiddelde afstand tussen vertakkingspunten in het netwerk, de grootte van lussen en een vergelijking van het aantal verbindingen dat aangrenzende knooppunten hebben - een maatstaf voor de regelmaat van het netwerk die heterogeniteit beschrijft.

De auteurs ontwikkelden vervolgens een algoritme dat links suggereerde die deze kenmerken van het netwerk zouden behouden.

Ze testten deze aanpak door een bekend netwerk te nemen en er links uit te verwijderen en te kijken of het algoritme kon voorspellen waar de ontbrekende links zouden moeten zijn.

Het team ontdekte dat het algoritme beter presteerde (ongeveer 44% voor het Twitter-netwerk, ongeveer 15% voor het seksuele contactnetwerk en ongeveer 4% voor het waterdistributienetwerk) voor boomachtige netwerken dan de meeste conventionele algoritmen die afhankelijk zijn van andere parameters, zoals aannemen dat sterk verbonden individuen meer verbindingen zullen aantrekken (bekend als preferentiële gehechtheid) of veel driehoekige verbindingen opbouwen (bekend als clustering).

Auteur Keke Shang schrijft het succes van het team toe aan het nadenken over voorbeelden van echte netwerken.

"Ik hoop dat we netwerktechnologie ons leven beter kunnen laten dienen, " hij zei.