Resumo Técnico: Análise Estatística de Coleções de Redes Usando Homologia Persistente e Análise de Dados Funcionais

1. Declaração do Problema

A análise estatística de coleções de redes, onde cada rede serve como uma unidade observacional independente, apresenta desafios significativos para as metodologias estatísticas convencionais. Abordagens tradicionais frequentemente dependem de características teóricas de grafos (ex: distribuições de grau, medidas de centralidade) que reduzem as redes a vetores em um espaço euclidiano. No entanto, essa redução de dimensionalidade frequentemente resulta em uma perda substancial de informação sobre a estrutura global da rede e falha em capturar a equivalência estrutural.

Um obstáculo primário é a falta de um embedimento euclidiano natural para redes, particularmente quando:

• A Correspondência de Vértices está Ausente: Redes em uma amostra podem possuir diferentes números de vértices ou ordenações arbitrárias de vértices (ex: redes de regulação gênica onde diferentes indivíduos ativam subconjuntos distintos de genes).
• Heterogeneidade Estrutural: Redes variam em tamanho, direcionalidade (direcionadas vs. não direcionadas) e peso (ponderadas vs. não ponderadas).
• Complexidade Computacional: Métodos existentes que tentam lidar com grafos não rotulados, como abordagens de espaço quociente baseadas em alinhamento de grafos (ex: Jain e Obermayer, 2009; Guo et al., 2021), exigem a resolução de problemas de permutação NP-difíceis para encontrar alinhamentos ótimos ou médias de Fréchet. Isso limita sua escalabilidade para redes pequenas. Da mesma forma, métodos baseados em Laplaciano (ex: Severn et al., 2022) são restritos a redes que compartilham um conjunto comum de vértices e sofrem com problemas de estimativa de covariância de alta dimensão.

2. Metodologia: Análise de Dados Topológicos Funcionais (funTDA)

Para abordar essas limitações, os autores propõem a análise de dados topológicos funcionais (funTDA), um framework que integra a Homologia Persistente (da Análise de Dados Topológicos) com a Análise de Dados Funcionais (FDA). A metodologia segue o seguinte pipeline:

2.1. De Redes para Diagramas de Persistência

1. Construção da Filtração: Para cada rede $G_g$, uma matriz de distância geodésica $\Gamma_g$ é computada, representando os comprimentos de caminho direcionado mais curtos entre os vértices.
2. Evolução Topológica: Uma filtração é construída aumentando um parâmetro de limiar $\epsilon$. À medida que $\epsilon$ aumenta, arestas são adicionadas e a rede evolui.
3. Rastreamento de Características: O framework rastreia o "nascimento" ($b_j$) e a "morte" ($d_j$) de características topológicas, focando especificamente na homologia de dimensão 1 ($H_1$), que corresponde a loops ou ciclos na rede.
   • Uma característica "nasce" quando um loop se forma.
   • Ela "morre" quando o loop é preenchido por símplices de ordem superior (ex: um 2-símplice).
4. Diagramas de Persistência: A evolução é resumida como um conjunto de pares nascimento-morte $P_g = \{(b_j, d_j)\}$, formando um diagrama de persistência. Esta representação captura características estruturais globais sem exigir correspondência de nós ou tamanhos iguais de rede.

2.2. De Diagramas para Representações Funcionais

A análise estatística direta de diagramas de persistência é difícil devido à sua cardinalidade variável e falta de estrutura de espaço vetorial. O framework funTDA transforma esses diagramas em Paisagens de Persistência (Persistence Landscapes):

• Cada par nascimento-morte $(b_j, d_j)$ é mapeado para uma função triangular de segmentos lineares $f_{(b_j, d_j)}(x)$.
• A paisagem de persistência $F_g(x)$ é construída ordenando essas funções triangulares em cada ponto $x$ e selecionando o $k$-ésimo maior valor.
• Tipicamente, a primeira camada ($k=1$) é retida, representando as características topológicas mais persistentes (significativas).
• Esta transformação incorpora as características topológicas em um espaço de Hilbert, convertendo a amostra de redes em uma amostra de funções $\{F_g\}_{g=1}^N$.

2.3. Inferência Estatística via Análise de Dados Funcionais

Uma vez representadas como funções, técnicas padrão de FDA são aplicadas:

• Suavização (Smoothing): Valores de paisagem observados são modelados usando expansões de base B-spline para lidar com discretização e ruído.
• Estatísticas Descritivas: Médias pontuais e funções de covariância são estimadas para caracterizar a tendência central e a variabilidade da amostra de rede.
• Análise de Componentes Principais Funcionais (FPCA): É usada para identificar modos dominantes de variação através da coleção de redes. Gráficos de escore bivariados de escores FPC permitem a exploração visual de agrupamento (clustering) e separação de grupos.
• Testes de Hipóteses:
  • Teste t-funcional: Compara dois grupos de redes testando se suas funções de paisagem médias diferem.
  • Teste F-funcional: Estende isso para $k$ grupos.
  • Teste Global: Para abordar o problema de testes múltiplos inerente às comparações pontuais, utiliza-se o supremo das estatísticas de teste pontuais ($T_{max}$ ou $F_{max}$). A significância é avaliada via procedimentos de permutação para aproximar a distribuição nula.

3. Principais Contribuições

• Integração de Framework: O artigo introduz o funTDA, um pipeline inovador que une a análise de dados topológicos e a análise de dados funcionais para permitir a inferência estatística em coleções de redes.
• Tratamento de Heterogeneidade: Ao contrário dos métodos baseados em Laplaciano, o funTDA não exige um conjunto comum de vértices ou correspondência de nós, tornando-o aplicável a redes de diferentes tamanhos e estruturas.
• Escalabilidade: Ao evitar os problemas NP-difíceis de alinhamento de grafos inerentes aos métodos de espaço quociente, o funTDA oferece uma alternativa computacionalmente tratável para redes e amostras maiores.
• Captura de Estrutura Global: O método prioriza características topológicas globais (loops) sobre estatísticas locais de nível de nó, fornecendo um resumo mais robusto da topologia da rede.
• Versatilidade: O framework é aplicável a redes direcionadas/não direcionadas e ponderadas/não ponderadas.

4. Resultados

A metodologia foi avaliada através de estudos de simulação e duas aplicações do mundo real:

4.1. Estudos de Simulação

• Diferenciação de Conectividade: Usando grafos aleatórios de Erdős–Rényi com variando probabilidades de aresta ($p=0.1, 0.5, 0.9$), os gráficos de escore FPCA separaram claramente as redes com base em sua estrutura de conectividade subjacente.
• Teste de Hipóteses: Testes t-funcionais e F-testais distinguiram com sucesso redes geradas de diferentes distribuições (resultando em $p < 0.05$), enquanto falharam em encontrar diferenças significativas entre redes da mesma distribuição (resultando em $p > 0.05$). Isso se manteve válido tanto para amostras pequenas ($N=5$) quanto grandes ($N=20$) e variando contagens de vértices.
• Comparação com Métodos Existentes: Em comparações com métodos de Espaço Quociente e abordagens baseadas em Laplaciano (Euclidiano, Raiz Quadrada, Procrustes), o funTDA demonstrou capacidade comparável ou superior de distinguir estruturas de rede em gráficos de escore bivariados, sem o ônus computacional do alinhamento de grafos.

4.2. Aplicações do Mundo Real

1. Redes Literárias: Redes construídas a partir de coocorrências de palavras em romances de Jane Austen e Charles Dickens. O FPCA e os testes de hipóteses revelaram diferenças topológicas distintas entre as obras dos autores.
2. Redes de Regulação Gênica: Redes derivadas de dados de expressão gênica de 17 indivíduos expostos ao H3N2 influenza (9 sintomáticos, 8 assintomáticos). O framework identificou com sucesso diferenças estatisticamente significativas na estrutura topológica das redes de regulação gênica entre os grupos sintomáticos e assintomáticos.

5. Significância e Alegações

Os autores posicionam o funTDA como uma evolução necessária na ciência de redes, abordando a crescente necessidade de analisar coleções de redes em vez de instâncias únicas. O artigo afirma que, ao embutir redes em um espaço funcional via paisagens de persistência, pesquisadores podem:

• Realizar operações estatísticas padrão (médias, variâncias, PCA, testes de hipóteses) em dados de rede que anteriormente careciam de uma estrutura euclidiana.
• Realizar inferência em redes com tamanhos variados e sem correspondência de nós predefinida, um cenário comum em dados biológicos e sociais.
• Evitar a intratabilidade computacional do emparelhamento de grafos exigido pelas abordagens de espaço quociente anteriores.

O artigo conclui que o funTDA fornece um framework robusto, escalável e estatisticamente rigoroso para análise exploratória de dados e inferência em amostras de redes, com uma implementação disponibilizada via repositório de código aberto.