Un nuevo modelo matemático de la estructura de las redes podría ayudar a encontrar nuevos medicamentos contra el cáncer, acelerar el flujo de tráfico y combatir las enfermedades de transmisión sexual.

Aunque los tres desafíos parecen diversos, todos podrían beneficiarse de una teoría que ayude a descubrir información desconocida sobre una red analizando su estructura. El estudio fue publicado en la revista Caos .

Un ejemplo de la utilidad de completar los eslabones faltantes es elegir un objetivo genético para un medicamento contra el cáncer, dijo el miembro del equipo Michael Small, de la Universidad de Australia Occidental.

"Supongamos que tiene una red de genes que están conectados de alguna manera, y hay algunos objetivos farmacológicos conocidos. Pero si no conoces todos los genes, le gustaría hacer conjeturas sobre la información que no tiene que averiguar cuáles podrían ser otros objetivos probables para investigar, "Dijo Small.

Ya existen algoritmos exitosos de predicción de enlaces para ciertos tipos de redes, pero los investigadores analizaron redes estructuradas de manera diferente para llegar a su algoritmo alternativo.

Un ejemplo de predicción de enlaces tradicional podría ser una red social que sugiera amigos con los que conectarse. Es probable que dos personas que comparten un amigo sean amigos con una conexión directa. Agregar esta tercera conexión crea un triángulo, que es una estructura donde se enfocan los algoritmos existentes.

A diferencia de, los autores se centraron en redes en forma de árboles, que tienen muchas ramas pero muy pocos enlaces cruzados entre ramas. Estudiaron tres conjuntos de datos de ejemplo:la red social Twitter, una red de distribución de agua y una red de contacto sexual.

Descubrieron que estas tres redes en forma de árboles podrían caracterizarse por una serie de parámetros, como la distancia media entre los puntos de ramificación de la red, el tamaño de los bucles y una comparación del número de enlaces que tienen los nodos adyacentes, una medida de la regularidad de la red que describe la heterogeneidad.

Luego, los autores desarrollaron un algoritmo que sugería enlaces que preservarían estas características de la red.

Probaron este enfoque tomando una red conocida y eliminando enlaces de ella y viendo si el algoritmo podía predecir dónde deberían estar los enlaces faltantes.

El equipo encontró que el algoritmo funcionó mejor (alrededor del 44% para la red de Twitter, alrededor del 15% para la red de contacto sexual y alrededor del 4% para la red de distribución de agua) para redes en forma de árboles que la mayoría de los algoritmos convencionales que se basan en otros parámetros, como suponer que los individuos altamente conectados atraerán más conexiones (conocido como apego preferencial) o construir muchas conexiones triangulares (conocido como agrupamiento).

El autor Keke Shang atribuye el éxito del equipo a pensar en ejemplos de redes del mundo real.

"Espero que podamos hacer que la tecnología de red sirva mejor a nuestras vidas, " él dijo.