A natureza e a sociedade estão cheias dos chamados sistemas complexos do mundo real, tais como interações de proteínas. Modelos teóricos, chamadas de redes complexas, descrevê-los e consistir em nós que representam qualquer elemento básico dessa rede, e links que descrevem interações ou reações entre dois nós.

No caso de estudos de interação de proteínas, a reconstrução de redes complexas é fundamental, pois os dados disponíveis costumam ser imprecisos e nosso conhecimento da natureza exata dessas interações é limitado. Para reconstrução de redes, predição de link - a probabilidade da existência de um link entre dois nós - é importante. Agora, Cientistas chineses examinaram a influência da estrutura de rede para lançar alguma luz sobre a robustez dos métodos mais recentes usados ​​para prever o comportamento de tais redes complexas.

Jin-Xuan Yang e Xiao-Dong Zhang da Shanghai Jiao Tong University na China acabam de publicar seu trabalho em EPJ B , fornecer uma boa referência para a escolha de um algoritmo adequado para predição de link dependendo da estrutura de rede escolhida. Nesse artigo, os autores usam dois parâmetros de redes - o índice de vizinhos comuns e o chamado índice de coeficiente de Gini - para revelar a relação entre a estrutura de uma rede e a precisão dos métodos usados ​​para prever links futuros.

Seu estudo envolve parcialmente uma análise estatística, que revela uma correlação entre as características da rede, como o índice de vizinhos comuns, Índice do coeficiente de Gini e outros índices que descrevem especificamente a estrutura da rede, como seu coeficiente de agrupamento ou seu grau de heterogeneidade.

Os autores testam sua teoria experimentalmente em uma variedade de redes do mundo real e descobrem que o algoritmo proposto produz melhor precisão de predição e robustez para a estrutura da rede do que os métodos existentes. Isso também leva os autores a desenvolver um novo método para prever elos perdidos.