Sintesi Tecnica: Analisi Statistica di Collezioni di Reti mediante Omologia Persistente e Analisi dei Dati Funzionali

1. Definizione del Problema

L'analisi statistica di collezioni di reti, in cui ogni rete funge da unità osservativa indipendente, presenta sfide significative per le metodologie statistiche convenzionali. Gli approcci tradizionali spesso si basano su caratteristiche grafo-teoriche (ad es., distribuzioni di grado, misure di centralità) che riducono le reti a vettori in uno spazio euclideo. Tuttavia, questa riduzione della dimensionalità comporta frequentemente una sostanziale perdita di informazioni riguardanti la struttura globale della rete e non riesce a catturare l'equivalenza strutturale.

Un ostacolo primario è la mancanza di un embedding euclideo naturale per le reti, in particolare quando:

• La Corrispondenza tra Vertici è Assente: Le reti in un campione possono possedere differenti numeri di vertici o ordinamenti arbitrari dei vertici (ad es., reti di regolazione genica dove diversi individui attivano subset distinti di geni).
• Eterogeneità Strutturale: Le reti variano per dimensione, direzionalità (dirette vs. non dirette) e pesatura (pesate vs. non pesate).
• Complessità Computazionale: I metodi esistenti che tentano di gestire grafi non etichettati, come gli approcci basati su spazi di quoziente tramite allineamento di grafi (ad es., Jain e Obermayer, 2009; Guo et al., 2021), richiedono la risoluzione di problemi di permutazione NP-difficili per trovare allineamenti ottimali o medie di Fréchet. Ciò limita la loro scalabilità a reti di piccole dimensioni. Allo stesso modo, i metodi basati sul Laplaciano (ad es., Severn et al., 2022) sono limitati a reti che condividono un insieme comune di vertici e soffrono di problemi di stima della covarianza ad alta dimensionalità.

2. Metodologia: Analisi Topologica dei Dati Funzionali (funTDA)

Per affrontare tali limitazioni, gli autori propongono la funTDA (Analisi Topologica dei Dati Funzionali), un framework che integra l'Omologia Persistente (dall'Analisi Topologica dei Dati) con l'Analisi dei Dati Funzionali (FDA). La metodologia procede attraverso il seguente pipeline:

2.1. Dalle Reti ai Diagrammi di Persistenza

1. Costruzione della Filtrazione: Per ogni rete $G_g$, viene calcolata una matrice di distanza geodetica $\Gamma_g$, che rappresenta le lunghezze dei percorsi diretti più brevi tra i vertici.
2. Evoluzione Topologica: Viene costruita una filtrazione aumentando un parametro di soglia $\epsilon$. Man mano che $\epsilon$ aumenta, gli archi vengono aggiunti e la rete evolve.
3. Tracciamento delle Caratteristiche: Il framework traccia la "nascita" ($b_j$) e la "morte" ($d_j$) delle caratteristiche topologiche, concentrandosi specificamente sull'omologia 1-dimensionale ($H_1$), che corrisponde a cicli o loop nella rete.
   • Una caratteristica è "nata" quando si forma un loop.
   • "Muore" quando il loop viene riempito da simplessi di ordine superiore (ad es., un 2-simplesso).
4. Diagrammi di Persistenza: L'evoluzione è riassunta come un insieme di coppie nascita-morte $P_g = \{(b_j, d_j)\}$, formando un diagramma di persistenza. Questa rappresentazione cattura le caratteristiche strutturali globali senza richiedere la corrispondenza dei nodi o dimensioni uguali della rete.

2.2. Dai Diagrammi alle Rappresentazioni Funzionali

L'analisi statistica diretta dei diagrammi di persistenza è difficile a causa della loro cardinalità variabile e della mancanza di una struttura di spazio vettoriale. Il framework funTDA trasforma questi diagrammi in Paesaggi di Persistenza (Persistence Landscapes):

• Ogni coppia nascita-morte $(b_j, d_j)$ è mappata in una funzione triangolare lineare a tratti $f_{(b_j, d_j)}(x)$.
• Il paesaggio di persistenza $F_g(x)$ è costruito ordinando queste funzioni triangolari in ogni punto $x$ e selezionando il $k$-esimo valore più grande.
• Tipicamente, viene mantenuto il primo livello ($k=1$), che rappresenta le caratteristiche topologiche più persistenti (significative).
• Questa trasformazione imbedisce le caratteristiche topologiche in uno spazio di Hilbert, convertendo il campione di reti in un campione di funzioni $\{F_g\}_{g=1}^N$.

2.3. Inferenza Statistica tramite Analisi dei Dati Funzionali

Una volta rappresentati come funzioni, vengono applicate le tecniche standard di FDA:

• Smoothing (Levigamento): I valori osservati del paesaggio sono modellati utilizzando espansioni di base B-spline per gestire la discretizzazione e il rumore.
• Statistica Descrittiva: Vengono stimati le medie puntuali e le funzioni di covarianza per caratterizzare la tendenza centrale e la variabilità del campione di reti.
• Analisi delle Componenti Principali Funzionali (FPCA): Utilizzata per identificare i modi dominanti di variazione attraverso la collezione di reti. I grafici score bi-variati degli score FPC permettono l'esplorazione visiva di clustering e separazione dei gruppi.
• Test di Ipotesi:
  • T-test Funzionale: Confronta due gruppi di reti testando se le loro funzioni di paesaggio medie differiscono.
  • F-test Funzionale: Estende questo processo a $k$ gruppi.
  • Testing Globale: Per affrontare il problema dei test multipli inerente ai confronti puntuali, viene utilizzato il supremo delle statistiche di test puntuali ($T_{max}$ o $F_{max}$). La significatività è valutata tramite procedure di permutazione per approssimare la distribuzione nulla.

3. Contributi Chiave

• Integrazione del Framework: Il documento introduce la funTDA, un nuovo pipeline che unisce l'analisi topologica dei dati e l'analisi dei dati funzionali per consentire l'inferenza statistica su collezioni di reti.
• Gestione dell'Eterogeneità: A differenza dei metodi basati sul Laplaciano, la funTDA non richiede un insieme comune di vertici o la corrispondenza dei nodi, rendendola applicabile a reti di diverse dimensioni e strutture.
• Scalabilità: Evitando i problemi di allineamento dei grafi NP-difficili intrinseci ai metodi di spazio di quoziente, la funTDA offre un'alternativa computazionalmente trattabile per reti e campioni più grandi.
• Cattura della Struttura Globale: Il metodo privilegia le caratteristiche topologiche globali (loop) rispetto alle statistiche locali dei nodi, fornendo un riassunto più robusto della topologia della rete.
• Versatilità: Il framework è applicabile a reti dirette/non dirette e pesate/non pesate.

4. Risultati

La metodologia è stata valutata attraverso studi di simulazione e due applicazioni nel mondo reale:

4.1. Studi di Simulazione

• Differenziazione della Connettività: Utilizzando grafi casuali di Erdős–Rényi con variabili probabilità di arco ($p=0.1, 0.5, 0.9$), i grafici degli score FPCA hanno separato chiaramente le reti in base alla loro struttura di connettività sottostante.
• Test di Ipotesi: I t-test funzionali e gli F-test hanno distinto con successo tra reti generate da diverse distribuzioni (ottenendo $p < 0.05$) pur fallendo nel trovare differenze significative tra reti provenienti dalla stessa distribuzione (ottenendo $p > 0.05$). Ciò è rimasto valido sia per campioni piccoli ($N=5$) che grandi ($N=20$) e per diversi conteggi di vertici.
• Confronto con Metodi Esistenti: In confronti con i metodi di Spazio di Quoziente e gli approcci basati sul Laplaciano (Euclideo, Radice Quadrata, Procruste), la funTDA ha dimostrato una capacità comparabile o superiore di distinguere le strutture di rete nei grafici degli score bi-variati, senza l'onere computazionale dell'allineamento dei grafi.

4.2. Applicazioni nel Mondo Reale

1. Reti Letterarie: Reti costruite sulla co-occorrenza di coppie di parole in romanzi di Jane Austen e Charles Dickens. L'FPCA e i test di ipotesi hanno rivelato differenze topologiche distinte tra le opere degli autori.
2. Reti di Regolazione Genica: Reti derivate da dati di espressione genica di 17 individui esposti all'influenza H3N2 (9 sintomatici, 8 asintomatici). Il framework ha identificato con successo differenze statisticamente significative nella struttura topologica delle reti di regolazione genica tra i gruppi sintomatici e asintomatici.

5. Significato e Rivendicazioni

Gli autori posizionano la funTDA come una necessaria evoluzione nella scienza delle reti, affrontando la crescente necessità di analizzare collezioni di reti piuttosto che singole istanze. Il documento afferma che, imbedendo le reti in uno spazio funzionale tramite i paesaggi di persistenza, i ricercatori possono:

• Effettuare operazioni statistiche standard (medie, varianze, PCA, test di ipotesi) su dati di rete che precedentemente mancavano di una struttura euclidea.
• Condurre inferenza su reti di dimensioni variabili e senza una predefinita corrispondenza di nodi, uno scenario comune nei dati biologici e sociali.
• Evitare l'intrattabilità computazionale del matching dei grafi richiesta dai precedenti approcci di spazio di quoziente.

Il documento conclude che la funTDA fornisce un framework robusto, scalabile e statisticamente rigoroso per l'analisi esplorativa dei dati e l'inferenza su campioni di reti, con un'implementazione resa disponibile tramite un repository open-source.