📊 statistics

Statistical Analysis of Network Collections Using Persistent Homology and Functional Data Analysis

Este artículo introduce el análisis de datos topológicos funcionales (funTDA), un marco novedoso que integra el análisis de datos funcionales y topológicos para permitir la inferencia estadística, incluyendo el cálculo de media/varianza, el análisis de componentes principales y las pruebas de hipótesis, sobre colecciones de redes al superar los desafíos de las estructuras no euclidianas y las correspondencias variables de nodos.

Autores originales: Catherine Higgins, Hulin Wu, Michelle Carey

Publicado 2026-07-28

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Catherine Higgins, Hulin Wu, Michelle Carey

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective intentando resolver un misterio, pero en lugar de buscar huellas dactilares o pisadas, estás buscando las conexiones invisibles entre las cosas. En el mundo de la ciencia, estas conexiones se llaman redes. Piensa en una red como una gigantesca telaraña de amigos en las redes sociales, un mapa de cómo los genes se comunican entre sí dentro de tu cuerpo, o incluso la forma en que las palabras se vinculan en una historia. Por lo general, los científicos estudian solo una de estas telarañas a la vez. Pero, ¿qué pasaría si quisieras comparar cientos de redes diferentes para ver cómo cambian? Tal vez quieras saber si la "red de amistad" de una persona feliz se ve diferente de la de una persona triste, o si la "red de genes" de alguien con gripe se ve diferente de la de alguien sano.

El problema es que estas redes son desordenadas. No se asientan ordenadamente sobre una regla como un palo de madera. Una red puede tener 100 puntos (nodos), mientras que otra puede tener 1,000. Algunos puntos están conectados por líneas fuertes y gruesas, mientras que otros tienen líneas débiles y delgadas. Algunas líneas van en una dirección y otras en ambas. Debido a que son tan diferentes, no puedes simplemente usar una regla estándar o una calculadora básica para medirlas. Es como intentar comparar la forma de una nube con la forma de una montaña usando solo una cinta métrica; las herramientas simplemente no encajan. Este es el rompecabezas que los estadísticos han intentado resolver: ¿Cómo se mide la "forma" de una red desordenada y cambiante cuando cada red es única?

Este artículo presenta un nuevo y astuto conjunto de herramientas llamado funTDA (que significa Análisis de Datos Topológicos Funcionales) para resolver este rompecabezas. Los autores, Catherine Higgins, Hulin Wu y Michelle Carey, proponen una forma de convertir estas redes desordenadas en líneas suaves y ondulantes que los matemáticos saben manejar. Lo hacen observando los "agujeros" y "bucles" dentro de las redes. Imagina inflar un globo; si le haces un agujero, la forma cambia. En una red, un "bucle" es un círculo de conexiones donde puedes partir de un punto, viajar alrededor y regresar al lugar donde comenzaste sin volver sobre tus propios pasos. El nuevo método rastrea cómo estos bucles aparecen y desaparecen a medida que se aumenta lentamente el "volumen" de las conexiones.

En lugar de intentar emparejar cada punto individual de una red con un punto de otra (lo cual es como intentar emparejar cada grano de arena de dos playas diferentes), este método ignora los nombres específicos de los puntos y se enfoca en la forma general. Convierte la red en un "diagrama de persistencia", que es como un mapa que muestra cuándo nacen los bucles y cuándo mueren. Luego, transforma ese mapa en un "paisaje de persistencia", que es esencialmente una serie de colinas y valles. Una vez que la red desordenada se convierte en estas colinas suaves, los autores pueden usar herramientas estadísticas estándar —como encontrar el promedio de las colinas o ver cuánto oscilan las colinas— para comparar diferentes grupos de redes.

Los autores prueban esta idea primero con simulaciones computacionales. Crearon miles de redes falsas con diferentes niveles de conectividad (algunas dispersas, otras densas) y preguntaron si su nuevo método podía distinguirlas. Los resultados fueron prometedores: el método logró separar con éxito los diferentes tipos de redes, agrupando las similares y manteniendo alejadas las diferentes. También compararon su método con técnicas más antiguas que intentan forzar las redes a una forma estándar. Los métodos antiguos tuvieron dificultades cuando las redes tenían diferentes números de puntos o eran dirigidas (calles de un solo sentido), pero el nuevo método funTDA manejó estas diferencias fácilmente.

Finalmente, los autores aplicaron su método a datos del mundo real. Observaron las redes de palabras de novelas de Jane Austen y Charles Dickens para ver si la forma en que las palabras se conectaban en sus historias tenía diferentes "formas" topológicas. También observaron redes de genes de personas expuestas al virus de la gripe H3N2, comparando a quienes enfermaron (sintomáticos) con quienes no (asintomáticos). En ambos casos, el método encontró diferencias estadísticamente significativas. Para el estudio de la gripe, sugirió que las redes de genes de las personas enfermas se veían topológicamente diferentes de las de las personas sanas, a pesar de que los genes mismos eran los mismos. El artículo no pretende haber resuelto todos los problemas de la ciencia de redes, pero sugiere que esta nueva forma de mirar la "forma" de las conexiones es una herramienta poderosa y flexible para comprender sistemas complejos, desde la literatura hasta la biología.

Resumen Técnico: Análisis Estadístico de Colecciones de Redes mediante Homología Persistente y Análisis de Datos Funcionales

1. Planteamiento del Problema

El análisis estadístico de colecciones de redes, donde cada red sirve como una unidad observacional independiente, presenta desafíos significativos para las metodologías estadísticas convencionales. Los enfoques tradicionales suelen depender de características de la teoría de grafos (por ejemplo, distribuciones de grado, medidas de centralidad) que reducen las redes a vectores en el espacio euclídeo. Sin embargo, esta reducción de dimensionalidad frecuentemente resulta en una pérdida sustancial de información respecto a la estructura global de la red y no logra capturar la equivalencia estructural.

Un obstáculo principal es la falta de un embebido euclídeo natural para las redes, particularmente cuando:

La correspondencia de vértices está ausente: Las redes en una muestra pueden poseer diferentes números de vértices u ordenamientos de vértices arbitrarios (por ejemplo, redes de regulación génica donde diferentes individuos activan distintos subconjuntos de genes).
Heterogeneidad Estructural: Las redes varían en tamaño, direccionalidad (dirigidas vs. no dirigidas) y ponderación (ponderadas vs. no ponderadas).
Complejidad Computacional: Los métodos existentes que intentan manejar grafos no etiquetados, como los enfoques de espacio cociente basados en el alineamiento de grafos (por ejemplo, Jain y Obermayer, 2009; Guo et al., 2021), requieren resolver problemas de permutación NP-duros para encontrar alineamientos óptimos o medias de Fréchet. Esto limita su escalabilidad a redes pequeñas. Del mismo modo, los métodos basados en el Laplaciano (por ejemplo, Severn et al., 2022) están restringidos a redes que comparten un conjunto común de vértices y sufren problemas de estimación de covarianza de alta dimensión.

2. Metodología: Análisis de Datos Topológicos Funcionales (funTDA)

Para abordar estas limitaciones, los autores proponen el análisis de datos topológicos funcionales (funTDA), un marco que integra la Homología Persistente (de la TDA - Análisis de Datos Topológicos) con el Análisis de Datos Funcionales (FDA). La metodología sigue este flujo de trabajo:

2.1. De Redes a Diagramas de Persistencia

Construcción de la Filtración: Para cada red $G_g$ , se computa una matriz de distancia geodésica $\Gamma_g$ , que representa las longitudes de los caminos dirigidos más cortos entre vértices.
Evolución Topológica: Se construye una filtración aumentando un parámetro de umbral $\epsilon$ . A medida que $\epsilon$ aumenta, se añaden aristas y la red evoluciona.
Seguimiento de Características: El marco rastrea el "nacimiento" ( $b_j$ $b_{j}$ ) y la "muerte" ( $d_j$ $d_{j}$ ) de las características topológicas, centrándose específicamente en la homología de dimensión 1 ( $H_1$ ), que corresponde a bucles o ciclos en la red.
- Una característica "nace" cuando se forma un bucle.
- "Muere" cuando el bucle es rellenado por simplex de orden superior (por ejemplo, un 2-simplex).
Diagramas de Persistencia: La evolución se resume como un conjunto de pares nacimiento-muerte $P_g = \{(b_j, d_j)\}$ , formando un diagrama de persistencia. Esta representación captura características estructurales globales sin requerir correspondencia de nodos ni tamaños de red iguales.

2.2. De Diagramas a Representaciones Funcionales

El análisis estadístico directo de los diagramas de persistencia es difícil debido a su cardinalidad variable y su falta de estructura de espacio vectorial. El marco funTDA transforma estos diagramas en Paisajes de Persistencia (Persistence Landscapes):

Cada par nacimiento-muerte $(b_j, d_j)$ se mapea a una función triangular lineal por partes $f_{(b_j, d_j)}(x)$ .
El paisaje de persistencia $F_g(x)$ se construye ordenando estas funciones triangulares en cada punto $x$ y seleccionando el $k$ -ésimo valor más grande.
Típicamente, se retiene la primera capa ( $k=1$ ), que representa las características topológicas más persistentes (significativas).
Esta transformación embebe las características topológicas en un espacio de Hilbert, convirtiendo la muestra de redes en una muestra de funciones $\{F_g\}_{g=1}^N$ .

2.3. Inferencia Estadística mediante Análisis de Datos Funcionales

Una vez representados como funciones, se aplican técnicas estándar de FDA:

Suavizado (Smoothing): Los valores observados del paisaje se modelan utilizando expansiones de base B-spline para manejar la discretización y el ruido.
Estadística Descriptiva: Se estiman las medias puntuales y las funciones de covarianza para caracterizar la tendencia central y la variabilidad de la muestra de redes.
Análisis de Componentes Principales Funcionales (FPCA): Se utiliza para identificar los modos dominantes de variación a través de la colección de redes. Los gráficos de puntuación (score plots) bivariados de las puntuaciones FPC permiten la exploración visual de la agrupación y la separación de grupos.
Pruebas de Hipótesis:
- Prueba T funcional: Compara dos grupos de redes probando si sus funciones de paisaje promedio difieren.
- Prueba F funcional: Extiende esto a $k$ grupos.
- Prueba Global: Para abordar el problema de comparaciones múltiples inherente a las comparaciones puntuales, se utiliza el supremo de los estadísticos de prueba puntuales ( $T_{max}$ o $F_{max}$ ). La significancia se evalúa mediante procedimientos de permutación para aproximar la distribución nula.

3. Contribuciones Clave

Integración de Marcos: El artículo introduce funTDA, un nuevo flujo de trabajo que une el análisis de datos topológicos y el análisis de datos funcionales para permitir la inferencia estadística en colecciones de redes.
Manejo de la Heterogeneidad: A diferencia de los métodos basados en el Laplaciano, funT la no requiere un conjunto común de vértices ni correspondencia de nodos, lo que lo hace aplicable a redes de diversos tamaños y estructuras.
Escalabilidad: Al evitar los problemas de alineamiento de grafos NP-duros inherentes a los métodos de espacio cociente, funTDA ofrece una alternativa computacionalmente tratable para redes y muestras más grandes.
Captura de la Estructura Global: El método prioriza las características topológicas globales (bucles) sobre las estadísticas locales de nivel de nodo, proporcionando un resumen más robusto de la topología de la red.
Versatilidad: El marco es aplicable a redes dirigidas/no dirigidas y ponderadas/no ponderadas.

4. Resultados

La metodología fue evaluada mediante estudios de simulación y dos aplicaciones del mundo real:

4.1. Estudios de Simulación

Diferenciación de Conectividad: Utilizando grafos aleatorios de Erdős–Rényi con variaciones en sus probabilidades de arista ( $p=0.1, 0.5, 0.9$ ), los gráficos de puntuación de FPCA separaron claramente las redes basadas en su estructura de conectividad subyacente.
Pruebas de Hipótesis: Las pruebas t funcionales y F funcionales distinguieron con éxito entre redes generadas a partir de diferentes distribuciones (obteniendo $p < 0.05$ ) mientras fallaron en encontrar diferencias significativas entre redes de la misma distribución (obteniendo $p > 0.05$ ). Esto se mantuvo constante tanto para muestras pequeñas ( $N=5$ ) como grandes ( $N=20$ ) y con distintos conteos de vértices.
Comparación con Métodos Existentes: En comparaciones con los métodos de Espacio Cociente y enfoques basados en el Laplaciano (Euclídeo, Raíz Cuadrada, Procrustes), funTDA demostró una capacidad comparable o superior para distinguir estructuras de redes en gráficos de puntuación bivariados, sin la carga computacional del alineamiento de grafos.

4.2. Aplicaciones del Mundo Real

Redes Literarias: Redes construidas a partir de co-ocurrencias de palabras por pares en novelas de Jane Austen y Charles Dickens. El FPCA y las pruebas de hipótesis revelaron diferencias topológicas distintas entre las obras de los autores.
Redes de Regulación Génica: Redes derivadas de datos de expresión génica de 17 individuos expuestos a la influenza H3N2 (9 sintomáticos, 8 asintomáticos). El marco identificó con éxito diferencias estadísticamente significativas en la estructura topológica de las redes de regulación génica entre los grupos sintomáticos y asintomáticos.

5. Significado y Reivindicaciones

Los autores posicionan a funTDA como una evolución necesaria en la ciencia de redes, abordando la creciente necesidad de analizar colecciones de redes en lugar de instancias individuales. El artículo afirma que, al embeber las redes en un espacio funcional mediante paisajes de persistencia, los investigadores pueden:

Realizar operaciones estadísticas estándar (medias, varianzas, PCA, pruebas de hipótesis) en datos de redes que anteriormente carecían de una estructura euclídea.
Realizar inferencia sobre redes de tamaños variables y sin una correspondencia de nodos predefinida, un escenario común en datos biológicos y sociales.
Evitar la intratabilidad computacional del emparejamiento de grafos requerida por los enfoques previos de espacio cociente.

El artículo concluye que funTDA proporciona un marco robusto, escalable y estadísticamente riguroso para el análisis exploratorio de datos e inferencia en muestras de redes, con una implementación disponible a través de un repositorio de código abierto.