通过增强网络来量化网络差异性

《IEEE Transactions on Network Science and Engineering》：Quantifying Network Dissimilarity via Augmented Networks

网络差异度量方法D*通过构建虚拟领导节点增强网络，利用二阶截断最短路径距离矩阵实现高效结构对比，在生物医学网络模块识别、多层网络聚类及跨类别网络区分中均表现优异。

　　

摘要：

量化网络之间的结构差异是一个基本挑战。本文提出了一种新的度量方法D*，该方法通过分析扩展后的网络来量化网络之间的差异。扩展网络是通过添加一个虚拟领导节点构建的，该节点与所有其他节点都有双向连接。D*依赖于扩展网络的节点距离分布，而这些分布本质上是由原始网络的度分布和规模决定的。这一特性使得D*成为一种简单且稳健的度量方法，对权重参数不敏感，并适用于各种类型的网络——包括规则网络以及任何规模的网络，甚至包含孤立节点的网络。D*实际上利用了二阶截断的最短路径距离矩阵，并显示出比高阶截断更好的性能。数值模拟表明，D*能够准确量化网络之间的结构差异，同时克服了随机网络中边连接概率增加所引起的饱和增长效应。D*的灵活性还体现在将其应用于四种不同的场景中：在构建生物分子共表达网络时确定最佳相关性阈值、在基因-疾病和表型-疾病网络中识别疾病模块、对多层网络进行聚类和层次聚合，以及区分不同类别的网络。我们的发现有助于更好地理解复杂网络结构的构建和比较。