Un nouveau modèle mathématique de la structure des réseaux pourrait aider à trouver de nouveaux médicaments contre le cancer, accélérer la circulation et lutter contre les maladies sexuellement transmissibles.

Bien que les trois défis semblent divers, ils pourraient tous bénéficier d'une théorie qui aide à découvrir des informations inconnues sur un réseau en analysant sa structure. L'étude a été publiée dans la revue le chaos .

Le choix d'une cible génétique pour un médicament anticancéreux est un exemple de l'utilité de remplir les liens manquants. a déclaré le membre de l'équipe Michael Small, de l'Université d'Australie-Occidentale.

"Dites que vous avez un réseau de gènes qui sont en quelque sorte connectés, et il existe des cibles médicamenteuses connues. Mais si vous ne connaissez pas tous les gènes, vous aimeriez faire des suppositions sur des informations que vous n'avez pas à déterminer quelles pourraient être d'autres cibles probables sur lesquelles enquêter, " dit Petit.

Des algorithmes de prédiction de liens performants existent déjà pour certains types de réseaux, mais les chercheurs ont analysé des réseaux structurés différemment pour proposer leur algorithme alternatif.

Un exemple de prédiction de lien traditionnelle pourrait être un réseau social suggérant des amis avec lesquels se connecter. Deux personnes qui partagent un ami sont susceptibles d'être elles-mêmes des amis avec une connexion directe. L'ajout de cette troisième connexion crée un triangle, qui est une structure où se concentrent les algorithmes existants.

En revanche, les auteurs se sont concentrés sur les réseaux arborescents, qui ont de nombreuses branches mais très peu de liens croisés entre les branches. Ils ont étudié trois exemples de jeux de données :le réseau social Twitter, un réseau de distribution d'eau et un réseau de contacts sexuels.

Ils ont découvert que ces trois réseaux arborescents pouvaient être caractérisés par un certain nombre de paramètres, comme la distance moyenne entre les points de branchement du réseau, la taille des boucles et une comparaison du nombre de liens que possèdent les nœuds adjacents, une mesure de la régularité du réseau décrivant l'hétérogénéité.

Les auteurs ont ensuite développé un algorithme suggérant des liens qui préserveraient ces caractéristiques du réseau.

Ils ont testé cette approche en prenant un réseau connu et en en supprimant les liens et en voyant si l'algorithme pouvait prédire où devraient se trouver les liens manquants.

L'équipe a trouvé l'algorithme plus performant (environ 44% pour le réseau Twitter, environ 15 % pour le réseau de contact sexuel et environ 4 % pour le réseau de distribution d'eau) pour les réseaux arborescents que la plupart des algorithmes classiques qui reposent sur d'autres paramètres, comme supposer que les individus hautement connectés attireront plus de connexions (appelées attachement préférentiel) ou créer de nombreuses connexions triangulaires (appelées clustering).

L'auteur Keke Shang attribue le succès de l'équipe à la réflexion sur des exemples de réseaux du monde réel.

"J'espère que nous pourrons faire en sorte que la technologie des réseaux serve mieux nos vies, " il a dit.