📊 statistics

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

Cet article introduit l'analyse de données topologiques fonctionnelles (funTDA), un nouveau cadre qui intègre l'analyse de données fonctionnelles et topologiques pour permettre l'inférence statistique, incluant le calcul de la moyenne/variance, l'analyse en composantes principales et les tests d'hypothèse, sur des collections de réseaux en surmontant les défis des structures non euclidiennes et des correspondances de nœuds variables.

Auteurs originaux : Catherine Higgins, Hulin Wu, Michelle Carey

Publié 2026-07-28

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Catherine Higgins, Hulin Wu, Michelle Carey

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous soyez un détective tentant de résoudre un mystère, mais qu'au lieu de chercher des empreintes digitales ou des empreintes de pas, vous examiniez les connexions invisibles entre les choses. Dans le monde de la science, ces connexions sont appelées réseaux. Considérez un réseau comme une immense toile d'amis sur les réseaux sociaux, une carte de la façon dont les gènes communiquent entre eux à l'intérieur de votre corps, ou même la manière dont les mots se lient les uns aux autres dans une histoire. Habituellement, les scientifiques étudient une seule de ces toiles à la fois. Mais et si vous vouliez comparer des centaines de réseaux différents pour voir comment ils changent ? Par exemple, vous voudriez savoir si la « toile d'amitié » d'une personne heureuse semble différente de celle d'une personne triste, ou si la « toile génétique » de quelqu'un qui a la grippe ressemble à celle de quelqu'un de sain.

Le problème est que ces toiles sont désordonnées. Elles ne se posent pas proprement sur une règle comme un bâton de bois. Une toile peut avoir 100 points (nœuds), tandis qu'une autre en a 1 000. Certains points sont reliés par des lignes fortes et épaisses, tandis que d'autres le sont par des lignes faibles et fines. Certaines lignes vont dans un sens, et d'autres dans les deux sens. Parce qu'elles sont si différentes, vous ne pouvez pas simplement utiliser une règle standard ou une calculatrice de base pour les mesurer. C'est comme essayer de comparer la forme d'un nuage à la forme d'une montagne en utilisant uniquement un ruban à mesurer ; les outils ne correspondent pas. C'est le casse-tête que les statisticiens tentent de résoudre depuis longtemps : comment mesurer la « forme » d'une toile désordonnée et changeante quand chaque toile est unique ?

Ce document présente un nouvel ensemble d'outils ingénieux appelé funTDA (qui signifie Analyse de Données Topologiques Fonctionnelles) pour résoudre ce casse-tête. Les auteurs, Catherine Higgins, Hulin Wu et Michelle Carey, proposent une méthode pour transformer ces toiles désordonnées en lignes lisses et ondulées que les mathématiciens savent manipuler. Ils y parviennent en observant les « trous » et les « boucles » à l'intérieur des réseaux. Imaginez que vous gonflez un ballon ; si vous y percez un trou, la forme change. Dans un réseau, une « boucle » est un cercle de connexions où vous pouvez partir d'un point, faire le tour et revenir à votre point de départ sans revenir sur vos pas. Cette nouvelle méthode suit l'apparition et la disparition de ces boucles au fur et à mesure que l'on augmente lentement le « volume » des connexions.

Au lieu d'essayer de faire correspondre chaque point d'une toile à un point d'une autre (ce qui revient à essayer de faire correspondre chaque grain de sable de deux plages différentes), cette méthode ignore les noms spécifiques des points et se concentre sur la forme globale. Elle transforme la toile en un « diagramme de persistance », qui est comme une carte montrant quand les boucles naissent et quand elles meurent. Ensuite, elle transforme cette carte en un « paysage de persistance », qui est essentiellement une série de collines et de vallées. Une fois la toile désordonnée transformée en ces collines lisses, les auteurs peuvent utiliser des outils statistiques standards — comme trouver la colline moyenne ou voir à quel point les collines ondulent — pour comparer différents groupes de réseaux.

Les auteurs testent cette idée avec des simulations informatiques d'abord. Ils ont créé des milliers de réseaux factices avec différents niveaux de connectivité (certains clairsemés, d'autres denses) et ont demandé si leur nouvelle méthode pouvait les distinguer. Les résultats sont prometteurs : la méthode a réussi à séparer les différents types de réseaux, regroupant les plus similaires et écartant les différents. Ils ont également comparé leur méthode à des techniques plus anciennes qui tentent de forcer les réseaux dans une forme standard. Les anciennes méthodes avaient du mal lorsque les réseaux avaient un nombre différent de points ou étaient dirigés (rues à sens unique), mais la nouvelle méthode funTDA gère ces différences facilement.

Enfin, les auteurs ont appliqué leur méthode à des données réelles. Ils ont examiné les réseaux de mots issus de romans de Jane Austen et de Charles Dickens pour voir si la façon dont les mots se connectaient dans leurs histoires présentait des « formes » topologiques différentes. Ils ont également étudié les réseaux de gènes chez des personnes exposées au virus de la grippe H3N2, comparant celles qui étaient malades (symptomatiques) à celles qui ne l'étaient pas (asymptomatiques). Dans les deux cas, la méthode a trouvé des différences statistiquement significatives. Pour l'étude sur la grippe, elle a suggéré que les réseaux de gènes des personnes malades présentaient une forme topologique différente de celle des personnes saines, même si les gènes eux-mêmes étaient les mêmes. Le document ne prétend pas avoir résolu tous les problèmes de la science des réseaux, mais il suggère que cette nouvelle façon de regarder la « forme » des connexions est un outil puissant et flexible pour comprendre les systèmes complexes, de la littérature à la biologie.

Résumé technique : Analyse statistique de collections de réseaux par l'homologie persistante et l'analyse de données fonctionnelles

1. Énoncé du problème

L'analyse statistique de collections de réseaux, où chaque réseau sert d'unité d'observation indépendante, présente des défis importants pour les méthodologies statistiques conventionnelles. Les approches traditionnelles reposent souvent sur des caract�res de la théorie des graphes (par exemple, les distributions de degrés, les mesures de centralité) qui réduisent les réseaux à des vecteurs dans un espace euclidien. Cependant, cette réduction de dimensionnalité entraîne fréquemment une perte d'information substantielle concernant la structure globale du réseau et ne parvient pas à capturer l'équivalence structurelle.

Un obstacle majeur est l'absence d'un plongement euclidien naturel pour les réseaux, particulièrement lorsque :

La correspondance des sommets est absente : Les réseaux d'un échantillon peuvent posséder des nombres différents de sommets ou des ordonnancements de sommets arbitraires (par exemple, des réseaux de régulation génique où différents individus activent des sous-ensembles de gènes distincts).
L'hétérogénéité structurelle : Les réseaux varient en taille, en directionnalité (dirigés vs non dirigés) et en pondération (pondérés vs non pondérés).
La complexité computationnelle : Les méthodes existantes qui tentent de gérer les graphes non étiquetés, telles que les approches d'espace quotient basées sur l'alignement de graphes (par exemple, Jain et Obermayer, 2009 ; Guo et al., 2021), nécessitent de résoudre des problèmes de permutation NP-difficiles pour trouver les alignements optimaux ou les moyennes de Fréchet. Cela limite leur extensibilité aux petits réseaux. De même, les méthodes basées sur le Laplacien (par exemple, Severn et al., 2022) sont restreintes aux réseaux partageant un ensemble de sommets commun et souffrent de problèmes d'estimation de covariance de haute dimension.

2. Méthodologie : Analyse de données topologiques fonctionnelles (funTDA)

Pour répondre à ces limitations, les auteurs proposent l'analyse de données topologiques fonctionnelles (funTDA), un cadre intégrant l'homologie persistante (issue de l'analyse de données topologiques) avec l'analyse de données fonctionnelles (FDA). La méthodologie suit le pipeline suivant :

2.1. Des réseaux aux diagrammes de persistance

Construction de la filtration : Pour chaque réseau $G_g$ , une matrice de distance géodésique $\Gamma_g$ est calculée, représentant les longueurs de chemin dirigé les plus courtes entre les sommets.
Évolution topologique : Une filtration est construite en augmentant un paramètre de seuil $\epsilon$ . À mesure que $\epsilon$ augmente, les arêtes sont ajoutées et le réseau évolue.
Suivi des caractéristiques : Le cadre suit la « naissance » ( $b_j$ $b_{j}$ ) et la « mort » ( $d_j$ $d_{j}$ ) des caractéristiques topologiques, en se concentnant spécifiquement sur l'homologie de dimension 1 ( $H_1$ ), qui correspond aux boucles ou cycles dans le réseau.
- Une caractéristique est « née » lorsqu'une boucle se forme.
- Elle « meurt » lorsqu'elle est comblée par des simplexes d'ordre supérieur (par exemple, un 2-simplex).
Diagrammes de persistance : L'évolution est résumée sous la forme d'un ensemble de paires naissance-mort $P_g = \{(b_j, d_j)\}$ , formant un diagramme de persistance. Cette représentation capture les caractéristiques structurelles globales sans nécessiter de correspondance de nœuds ni de tailles de réseaux égales.

2.2. Des diagrammes aux représentations fonctionnelles

L'analyse statistique directe des diagrammes de persistance est difficile en raison de leur cardinalité variable et de l'absence de structure d'espace vectoriel. Le cadre funTDA transforme ces diagrammes en paysages de persistance (Persistence Landscapes) :

Chaque paire naissance-mort $(b_j, d_j)$ est projetée sur une fonction triangulaire linéaire par morceaux $f_{(b_j, d_j)}(x)$ .
Le paysage de persistance $F_g(x)$ est construit en ordonnant ces fonctions triangulaires à chaque point $x$ et en sélectionnant la $k$ -ième valeur la plus grande.
Typiquement, la première couche ( $k=1$ ) est conservée, représentant les caractéristiques topologiques les plus persistantes (significatives).
Cette transformation plonge les caractéristiques topologiques dans un espace de Hilbert, convertissant l'échantillon de réseaux en un échantillon de fonctions $\{F_g\}_{g=1}^N$ .

2.3. Inférence statistique via l'analyse de données fonctionnelles

Une fois représentés sous forme de fonctions, les techniques standard de l'FDA sont appliquées :

Lissage (Smoothing) : Les valeurs observées des paysages sont modélisées à l'aide d'expansions de base B-spline pour gérer la discrétisation et le bruit.
Statistiques descriptives : Les fonctions de moyenne ponctuelle et de covariance sont estimées pour caractériser la tendance centrale et la variabilité de l'échantillon de réseaux.
Analyse en composantes principales fonctionnelles (FPCA) : Utilisée pour identifier les modes dominants de variation à travers la collection de réseaux. Les graphiques de scores bivariés des scores FPC permettent l'exploration visuelle du regroupement (clustering) et de la séparation des groupes.
Tests d'hypothèses :
- Test t fonctionnel : Compare deux groupes de réseaux en testant si leurs fonctions de paysage moyennes diffèrent.
- Test F fonctionnel : Étend cela à $k$ groupes.
- Test global : Pour traiter le problème des tests multiples inhérent aux comparaisons ponctuelles, la suprême des statistiques de test ponctuelles ( $T_{max}$ ou $F_{max}$ ) est utilisée. La significativité est évaluée via des procédures de permutation pour approximer la distribution nulle.

3. Principales contributions

Intégration de cadre : L'article introduit funTDA, un nouveau pipeline qui fait le pont entre l'analyse de données topologiques et l'analyse de données fonctionnelles pour permettre l'inférence statistique sur les collections de réseaux.
Gestion de l'hétérogénéité : Contra\text{à} contrairement aux méthodes basées sur le Laplacien, funTDA ne nécessite pas d'ensemble de sommets commun ou de correspondance de nœuds, ce qui le rend applicable à des réseaux de tailles et de structures variables.
Extensibilité (Scalability) : En évitant les problèmes de correspondance de graphes NP-difficiles inhérents aux approches d'espace quotient, funT-DA offre une alternative calculablement traitable pour des réseaux et des échantillons plus larges.
Capture de la structure globale : La méthode privilégie les caractéristiques topologiques globales (boucles) plutôt que les statistiques locales au niveau des nœuds, fournissant un résumé plus robuste de la topologie du réseau.
Polyvalence : Le cadre est applicable aux réseaux dirigés/non dirigés et pondérés/non pondérés.

4. Résultats

La méthodologie a été évaluée par des études de simulation et deux applications réelles :

4.1. Études de simulation

Différenciation de la connectivité : En utilisant des graphes aléatoires d'Erdős–Rényi avec des probabilités d'arêtes variables ( $p=0.1, 0.5, 0.9$ ), les graphiques de scores FPCA ont clairement séparé les réseaux selon leur structure de connectivité sous-jacente.
Tests d'hypothèses : Les tests t et F fonctionnels ont réussi à distinguer les réseaux générés à partir de différentes distributions (donnant $p < 0.05$ ) tout en échouant à trouver des différences significatives entre les réseaux provenant de la même distribution (donnant $p > 0.05$ ). Cela s'est avéré vrai tant pour les petits échantillons ( $N=5$ ) que pour les grands ( $N=20$ ) et pour des nombres de sommets variables.
Comparaison avec les méthodes existantes : Dans des comparaisons avec les méthodes d'Espace Quotient et les approches basées sur le Laplacien (Euclidienne, Racine Carrée, Procruste), funTDA a démontré une capacité comparable ou supérieure à distinguer les structures de réseaux dans les graphiques de scores bivariés, sans le fardeau computationnel de l'alignement de graphes.

4.2. Applications réelles

Réseaux littéraires : Réseaux construits à partir de cooccurrences de mots par paires dans les romans de Jane Austen et Charles Dickens. La FPCA et les tests d'hypothèses ont révélé des différences topologiques distinctes entre les œuvres des auteurs.
Réseaux de régulation génique : Réseaux dérivés de données d'expression génique de 17 individus exposés à l'influenza H3N2 (9 symptomatiques, 8 asymptomatiques). Le cadre a réussi à identifier des différences statistiquement significatives dans la structure topologique des réseaux de régulation génique entre les groupes symptomatiques et asymptomatiques.

5. Signification et affirmations

Les auteurs positionnent funTDA comme une évolution nécessaire de la science des réseaux, répondant au besoin croissant d'analyser des collections de réseaux plutôt que des instances isolées. L'article affirme qu'en plongeant les réseaux dans un espace fonctionnel via les paysages de persistance, les chercheurs peuvent :

Effectuer des opérations statistiques standards (moyennes, variances, PCA, tests d'hypothèses) sur des données de réseaux qui manquaient auparavant de structure euclidienne.
Mener des inférences sur des réseaux de tailles variables et sans correspondance de nœuds prédéfinie, un scénario courant dans les données biologiques et sociales.
Éviter l'intraitabilité computationnelle de la correspondance de graphes requise par les approches précédentes d'espace quotient.

L'article conclut que funTDA fournit un cadre robuste, évolutif et statistiquement rigoureux pour l'analyse exploratoire des données et l'inférence sur les échantillons de réseaux, avec une implémentation rendue disponible via un dépôt open-source.