📊 statistics

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

Dit artikel introduceert functionele topologische data-analyse (funTDA), een nieuw kader dat functionele en topologische data-analyse integreert om statistische inferentie, inclusief het berekenen van gemiddelden/varianties, principal component analysis en hypothesetoetsing, op collecties netwerken mogelijk te maken door de uitdagingen van niet-Euclidische structuren en variërende knoopcorrespondenties te overwinnen.

Oorspronkelijke auteurs: Catherine Higgins, Hulin Wu, Michelle Carey

Gepubliceerd 2026-07-28

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Catherine Higgins, Hulin Wu, Michelle Carey

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een detective bent die een mysterie probeert op te lossen, maar in plaats van te zoeken naar vingerafdrukken of voetstappen, kijk je naar de onzichtbare verbindingen tussen dingen. In de wereld van de wetenschap worden deze verbindingen netwerken genoemd. Denk aan een netwerk als een gigantisch web van vrienden op sociale media, een kaart van hoe genen met elkaar communiceren in je lichaam, of zelfs de manier waarop woorden met elkaar verbonden zijn in een verhaal. Meestal bestuderen wetenschappers slechts één van deze weefsels tegelijk. Maar wat als je honderden verschillende weefsels wilt vergelijken om te zien hoe ze veranderen? Misschien wil je weten of het "vriendschapsweb" van een gelukkig persoon er anders uitziet dan dat van een verdrietig persoon, of of het "genenweb" van iemand met de griep anders is dan dat van iemand die gezond is.

Het probleem is dat deze weefsels rommelig zijn. Ze liggen niet netjes op een liniaal zoals een houten stok. Het ene web heeft misschien 100 punten (nodes), terwijl een ander er 1.000 heeft. Sommige punten zijn verbonden door sterke, dikke lijnen, terwijl andere door zwakke, dunne lijnen verbonden zijn. Sommige lijnen gaan één kant op, en andere beide kanten op. Omdat ze zo verschillend zijn, kun je ze niet simpelweg met een standaard liniaal of een basisrekenmachine meten. Het is alsof je de vorm van een wolk wilt vergelijken met de vorm van een berg met behulp van alleen een meetlint; de instrumenten passen niet. Dit is de puzzel waar statistici te proberen op te lossen: Hoe meet je de "vorm" van een rommelig, veranderend web wanneer elk web uniek is?

Dit artikel introduceert een slimme nieuwe gereedschapskist genaamd funTDA (wat staat voor Functionele Topologische Data Analyse) om dit puzzel op te lossen. De auteurs, Catherine Higgins, Hulin Wu en Michelle Carey, stellen een manier voor om deze rommelige weefsels om te zetten in gladde, golvende lijnen die wiskundigen wel kunnen hanteren. Ze doen dit door te kijken naar de "gaten" en "lussen" binnen de weefsels. Stel je voor dat je een ballon opblaast; als je er een gat in prikt, verandert de vorm. In een netwerk is een "lus" een cirkel van verbindingen waarbij je vanaf één punt kunt vertrekken, rond kunt reizen en weer terug kunt komen waar je begon zonder je stappen te herhalen. De nieuwe methode volgt hoe deze lussen verschijnen en verdwijnen terwijl je langzaam het "volume" van de verbindingen opendraait.

In plaats van te proberen elk punt in het ene web te matchen met een punt in een ander web (wat lijkt op het proberen te matchen van elk zandkorreltje op twee verschillende stranden), negeert deze methode de specifieke namen van de punten en focust het op de algemene vorm. Het transformeert het web in een "persistentiediagram", wat een soort kaart is die laat zien wanneer lussen worden geboren en wanneer ze sterven. Vervolgens transformeert het die kaart in een "persistentielandschap", wat in essentie een reeks heuvels en dalen is. Zodra het rommelige web is omgezet in deze gladde heuvels, kunnen de auteurs standaard statistische hulpmiddelen gebruiken—zoals het vinden van het gemiddelde van de heuvel of zien hoeveel de heuvels golven—om verschillende groepen weefsels te vergelijken.

De auteurs testen dit idee eerst met computersimulaties. Ze creëerden duizenden nepnetwerken met verschillende niveaus van verbondenheid (sommigen schaars, anderen dicht) en vroegen zich af of hun nieuwe methode hen van elkaar kon onderscheiden. De resultaten waren veelbelovend: de methode slaagde erin om de verschillende soorten netwerken te scheiden, waarbij vergelijkbare netwerken bij elkaar werden gegroepeerd en verschillende netwerken uit elkaar werden gehouden. Ze vergeleken hun methode ook met oudere technieken die proberen de weefsels in een standaardvorm te dwingen. De oudere methoden hadden moeite wanneer de weefsels een verschillend aantal punten hadden of gericht waren (éénrichtingsverkeer), maar de nieuwe funTDA-methode hanteerde deze verschillen gemakkelijk.

Ten slotte pasten de auteurs hun methode toe op echte gegevens. Ze keken naar woordnetwerken uit romans van Jane Austen en Charles Dickens om te zien of de manier waarop woorden in hun verhalen verbonden waren, een verschillende topologische "vorm" had. Ze keken ook naar genennetwerken van mensen die werden blootgesteld aan het H3N2-griepvirus, waarbij ze mensen met symptomen vergeleken met mensen zonder symptomen. In beide gevallen vond de methode statistisch significante verschillen. Voor de griepstudie suggereerde het dat de genennetwerken van zieke mensen topologisch anders waren dan die van gezonde mensen, zelfs als de genen zelf hetzelfde waren. Het artikel beweert niet dat het elk probleem in de netwerkwetenschap heeft opgelost, maar het suggereert dat deze nieuwe manier van kijken naar de "vorm" van verbindingen een krachtig en flexibel hulpmiddel is om complexe systemen te begrijpen, van literatuur tot biologie.

Technisch Samenvatting: Statistische Analyse van Netwerkcollecties met behulp van Persistente Homologie en Functionele Data-analyse

1. Probleemstelling

De statistische analyse van collecties netwerken, waarbij elk netwerk dient als een onafhankelijke observationele eenheid, vormt aanzienlijke uitdagingen voor conventionele statistische methodologieën. Traditionele benaderingen vertrouwen vaak op graaftheoretische kenmerken (bijv. graadverdelingen, centraliteitsmaten) die netwerken reduceren tot vectoren in de Euclidische ruimte. Deze dimensionaliteitsreductie resulteert echter vaak in een substantieel informatieverlies met betrekking tot de globale netwerkstructuur en slaagt er niet in om structurele equivalentie te vangen.

Een primaire hindernis is het gebrek aan een natuurlijke Euclidische inbedding voor netwerken, met name wanneer:

Vertex-correspondentie ontbreend is: Netwerken in een steekproef kunnen verschillende aantallen vertices bezitten of willekeurige vertex-ordeningen hebben (bijv. genregulerende netwerken waarbij verschillende individuen verschillende subsetten van genen activeren).
Structurele Heterogeniteit: Netwerken variëren in grootte, directionaliteit (gericht versus ongericht) en weging (gewogen versus ongewogen).
Computationele Complexiteit: Bestaande methoden die ongelabelde grafen proberen te verwerken, zoals quotient-ruimte benaderingen gebaseerd op graaf-uitlijning (bijv. Jain en Obermayer, 2009; Guo et al., 2021), vereisen het oplossen van NP-harde permutatieproblemen om optimale uitlijningen of Fréchet-gemiddelden te vinden. Dit beperkt hun schaalbaarheid tot kleine netwerken. Vergelijkbaar hiermee zijn Laplaciaanse methoden (bijv. Severn et al., 2022) beperkt tot netwerken die een gemeenschappelijk vertex-ensemble delen en lijden onder problemen met hoogdimensionele covariantieschatting.

2. Methodologie: Functionele Topologische Data-analyse (funTDA)

Om deze beperkingen aan te pakken, stellen de auteurs functionele topologische data-analyse (funTDA) voor, een framework dat Persistente Homologie (uit de Topologische Data-analyse) integreert met Functionele Data-analyse (FDA). De methodologie verloopt via de volgende pijplijn:

2.1. Van Netwerken naar Persistentie-diagrammen

Filtratie Constructie: Voor elk netwerk $G_g$ wordt een geodesische afstandmatrix $\Gamma_g$ berekend, die de kortste gerichte padlengtes tussen vertices representeert.
Topologische Evolutie: Een filtratie wordt geconstrueerd door een drempelparameter $\epsilon$ te verhogen. Naarmate $\epsilon$ toeneemt, worden randen toegevoegd en evolueert het netwerk.
Kenmerk Tracking: Het framework volgt de "geboorte" ( $b_j$ $b_{j}$ ) en "dood" ( $d_j$ $d_{j}$ ) van topologische kenmerken, waarbij specif gevolgen wordt gelegd op 1-dimensionale homologie ( $H_1$ ), wat overeenkomt met lussen of cycli in het netwerk.
- Een kenmerk wordt "geboren" wanneer een lus vormt.
- Het "sterft" wanneer de lus wordt opgevuld door hogere-orde simplexen (bijv. een 2-simplex).
Persistentie-diagrammen: De evolutie wordt samengevat als een verzameling geboorte-dood paren $P_g = \{(b_j, d_j)\}$ , wat een persistentie-diagram vormt. Deze representatie legt globale structurele kenmerken vast zonder dat node-correspondentie of gelijke netwerkgroottes vereist zijn.

2.2. Van Diagrammen naar Functionele Representaties

Directe statistische analyse van persistentie-diagrammen is moeilijk vanwege hun variabele cardinaliteit en het gebrek aan een vectorruimte-structuur. Het funTDA-framework transformeert deze diagrammen naar Persistentie Landschappen (Persistence Landscapes):

Elk geboorte-dood paar $(b_j, d_j)$ wordt in kaart gebracht naar een stuksgewijs lineaire driehoekige functie $f_{(b_j, d_j)}(x)$ .
Het persistentie landschap $F_g(x)$ wordt geconstrueerd door deze driehoekige functies te ordenen op elk punt $x$ en de $k$ -de grootste waarde te selecteren.
Meestal wordt de eerste laag ( $k=1$ ) behouden, die de meest persistente (significante) topologische kenmerken representeert.
Deze transformatie bedt, de topologische kenmerken in een Hilbertruimte, waardoor de netwerksteekproef wordt omgezet in een steekproef van functies $\{F_g\}_{g=1}^N$ .

2.3. Statistische Inferentie via Functionele Data-analyse

Zodra ze als functies worden gerepresenteerd, kunnen standaard FDA-technieken worden toegepast:

Smoothing (Vloeiing): Geobserveerde landschapswaarden worden gemodelleerd met behulp van B-spline basisexpansies om discretisatie en ruis te behandelen.
Beschrijvende Statistiek: Puntheidige gemiddelden en covariantiefuncties worden geschat om de centrale tendens en variabiliteit van de netwerksteekproef te karakteriseren.
Functionele Principale Component Analyse (FPCA): Wordt gebruikt om dominante variatiemodi over de netwerkcollectie te identificeren. Bivariante score-plots van FPC-scores maken visuele exploratie van clustering en groepsscheiding mogelijk.
Hypothese Toetsing:
- Functionele T-toets: Vergelijkt twee groepen netwerken door te testen of hun gemiddelde landschapfuncties verschillen.
- Functionele F-toets: Breidt dit uit naar $k$ groepen.
- Globale Toetsing: Om het probleem van meervoudig testen dat inherent is aan puntheidige vergelijkingen aan te pakken, wordt het supremum van de puntheidige teststatistieken ( $T_{max}$ of $F_{max}$ ) gebruikt. Significantie wordt beoordeeld via permutatieprocedures om de nulverdeling te benaderen.

3. Belangrijkste Bijdragen

Framework Integratie: Het artikel introduceert funTDA, een nieuwe pijplijn die topologische data-analyse en functionele data-analyse overbrugt om statistische inferentie op netwerkcollecties mogelijk te maken.
Afhandeling van Heterogeniteit: In tegen afstelling tot Laplaciaanse methoden vereist funTDA geen gemeenschappelijk vertex-ensemble of node-correspondentie, wat het toepasbaar maakt voor netwerken van variërende grootte en structuur.
Schaalbaarheid: Door de NP-harde graaf-uitlijningproblemen te vermijden die inherent zijn aan quotient-ruimte methoden, biedt funTDA een computationeel hanteerbaar alternatief voor grotere netwerken en steekproeven.
Capture van Globale Structuur: De methode geeft prioriteit aan globale topologische kenmerken (lussen) boven lokale node-niveau statistieken, wat een robuustere samenvatting van de netwerktopologie biedt.
Veelzijdigheid: Het framework is toepasbaar op gerichte/ongerichte en gewogen/ongewogen netwerken.

4. Resultaten

De methodologie werd geëvalueerd via simulatiestudies en twee real-world toepassingen:

4.1. Simulatiestudies

Differentiatie van Connectiviteit: Gebruikmakend van Erdős–Rényi willekeurige grafen met variërende rand-kansen ( $p=0.1, 0.5, 0.9$ ), scheidden FPCA score-plots de netwerken duidelijk op basis van hun onderliggende connectiviteitsstructuur.
Hypothese Toetsing: Functionele t-testen en F-testen onderscheidden succesvol netwerken gegenereerd uit verschillende distributies (resulterend in $p < 0.05$ ) terwijl ze faalden om significante verschillen te vinden tussen netwerken uit dezelfde distributie (resulterend in $p > 0.05$ ). Dit bleef waar voor zowel kleine ( $N=5$ ) als grote ( $N=20$ ) steekproefgroottes en variërende vertex-aantallen.
Vergelijking met Bestaande Methoden: In vergelijkingen met Quotient Space methoden en Laplaciaanse benaderingen (Euclidisch, Vierkantswortel, Procrustes), demonstreerde funTDA een vergelijkbaar of superieur vermogen om netwerkstructuren te onderscheiden in bivariate score-plots, zonder de computationele last van graaf-uitlijning.

4.2. Real-World Toepassingen

Literaire Netwerken: Netwerken geconstrueerd uit paarsgewijze woordco-occurrenties in romans van Jane Austen en Charles Dickens. FPCA en hypothesetoetsing onthulden duidelijke topologische verschillen tussen de werken van de auteurs.
Genregulerende Netwerken: Netwerken afgeleid van genexpressiedata van 17 individuen blootgesteld aan H3N2 influenza (9 symptomatisch, 8 asymptomatisch). Het framework identificeerde succesvol statistisch significante verschillen in de topologische structuur van genregulerende netwerken tussen de symptomatische en asymptomatische groepen.

5. Betekenis en Claims

De auteurs positioneren funTDA als een noodzakelijke evolutie in de netwerkwetenschap, anticiperend op de groeiende behoefte om collecties van netwerken te analyseren in plaats van enkelvoudige instanties. Het artikel claimt dat door netwerken in een functionele ruimte in te bedden via persistentie landschappen, onderzoekers kunnen:

Standaard statistische operaties (gemiddelden, varianties, PCA, hypothesetoetsing) uitvoeren op netwerkdata die voorheen een gebrek hadden aan een Euclidische structuur.
Inferentie uitvoeren op netwerken met variërende groottes en zonder vooraf gedefinieerde node-correspondentie, een veelvoorkomend scenario in biologische en sociale data.
De computationele onhandelbaarheid van graaf-matching vermijden die vereist is door eerdere quotient-ruimte benaderingen.

Het artikel concludeert dat funTDA een robuust, schaalbaar en statistisch rigoureus framework biedt voor exploratieve data-analyse en inferentie op netwerksteekproeven, met een implementatie die beschikbaar is via een open-source repository.