Dos investigadores españoles que trabajan en la Universidad de Northwestern en Chicago (EE UU) han desarrollado un marco matemático y computacional para identificar las conexiones que faltan o son erróneas en cualquier tipo de red. El método permite caracterizar mejor las redes sociales de internet, las redes comerciales o las redes biológicas, como la de interacciones entre las proteínas de una célula.
El coste del proyecto proteoma humano (destinado a obtener un mapa completo de las interacciones entre nuestras proteínas) ronda los 1.000 millones de dólares y depende de técnicas cuya precisión está hoy por debajo del 20%. ¿Se podría generar un mapa de interacciones más fiables a partir de los costosos datos disponibles? Un nuevo estudio que hoy se publica en los Proceedings of the National Academy of Sciences (PNAS) señala que sí.
Roger GuimerÁ y Marta Sales-Pardo, de la universidad estadounidense de Northwestern (aunque la investigadora acaba de afiliarse a la Universidad Rovira i Virgili de Tarragona), han desarrollado un marco computacional y matemático general para poder presentar, a partir de una red que contiene errores y omisiones, otra nueva más parecida a la real, y a la que no siempre se tiene acceso completo. Se obtienen así datos más fiables e incluso mejores que los que ofrece la observación experimental.
El método se puede aplicar a cualquier red, desde la red neuronal de un gusano, a las de comercio internacional o a las redes sociales de internet. Imagine que está navegando por Facebook y el apartado “sugerencias” le indica que podría conocer a María López, a quien efectivamente conoce, aunque hace diez años que no la ve. Junto a la fotografía de María hay una pista de cómo Facebook pudo adivinar que se conocían: tienen cinco amigos en común. Parece, por tanto, que tener amigos en común es una buena forma de pronosticar la amistad directa en las redes sociales.
“Tanto la red social como el proteoma se pueden representar gráficamente mediante nodos (la gente o las proteínas) y conexiones (amistad o interacciones proteicas), y aplicar un algoritmo para identificar si falta o es errónea alguna de esas conexiones, de tal forma que se puedan predecir mejor las amistades en Facebook o las interacciones entre las proteínas en una célula”, explican a SINC GuimerÁ y Sales-Pardo.
La propiedad excepcional de las redes
La idea central que subyace es que, aunque cada red tiene sus características propias, todas comparten “una propiedad excepcional”: sus nodos se pueden clasificar en grupos y se conectan entre sí dependiendo de su pertenencia a un grupo. En el caso de una red social, por ejemplo, la gente se agrupa por parámetros como la edad, la profesión o la orientación política. El algoritmo realiza la media de todas las agrupaciones posibles y les da un valor.
Las redes se utilizan habitualmente en multitud de ámbitos (localizar moléculas-objetivo de medicamentos, diseñar campañas de vacunación, predecir expansión de epidemias, descubrir actividades criminales, encontrar amigos…), y en todos estos contextos este nuevo método tiene una aplicación potencial.
—————————–
Referencia bibliográfica:
Roger GuimerÁ y Marta Sales-Pardo. “Missing and spurious interactions and the reconstruction of complex Networks”, Proceedings of the National Academy of Sciences (PNAS), 7 de diciembre de 2009.
