MADRID, 9 Dic. (Portaltic/EP) -
Dos investigadores españoles de la Universidad de Northwestern en Chicago han desarrollado un marco matemático y computacional que permite 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 (678 millones de euros) y depende de técnicas cuya precisión es inferior al 20%. El estudio, recogido por el Servicio de Informaciones Científicas (SINC) ha sido publicado en los Proceedings of the National Academy of Sciences (PNAS).
Roger Guimerà y Marta Sales-Pardo, de la universidad estadounidense de Northwestern 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.
"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 Guimerà y Sales-Pardo.
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.
