Создан первый общедоступный пакет для анализа сложных сетей и социальных взаимодействий в Python

© Freepic

Ученые разработали первый общедоступный программный пакет для языка программирования Python, который анализирует сложные сети. Новый инструмент позволяет изучать групповые взаимодействия между тремя и более объектами — от нейронов мозга до социальных связей. Разработка позволила авторам выявить фундаментальные различия в организации нейронных сетей в головном мозге у пациентов с депрессией и здоровых людей. Пакет открывает новые возможности для исследователей в области нейронаук, социологии, биологии и анализа данных. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Frontiers in Network Physiology.

Современная наука о сетях — это междисциплинарная область, которая изучает сложные взаимодействия, например, нейроны в мозге или сообщества людей на интернет-площадках. Классические подходы для анализа таких структур, в частности, основанные на графах (математических моделях, в которых объекты заменяются на объединенные между собой узлы), позволяют оценивать связи только между какими-то двумя объектами из множества. Однако реальные взаимодействия часто имеют более сложный, групповой характер — это так называемые взаимодействия высокого порядка. Например, для выполнения когнитивной задачи задействуются сразу несколько отделов мозга, и нужно учитывать их совместную работу. Анализ, опирающийся на графы, не позволяет адекватно уловить и измерить эти многокомпонентные связи, что ограничивает изучение сложных систем.

Ученые из Российского экономического университета имени Г.В. Плеханова (Москва) и Балтийского федерального университета имени Иммануила Канта (Калининград) разработали и разместили в открытом доступе программный пакет для языка программирования Python. Этот пакет, как специализированный калькулятор, умеет анализировать взаимодействия между тремя и более объектами одновременно.

В основе разработки лежит метод Q-анализа — мощный математический аппарат, который, несмотря на свой потенциал, долгое время широко не использовался для анализа взаимодействий высокого порядка в сложных сетях, так как не было простых способов его применения. Новый пакет для Q-анализа делает доступными исследования сложных связей для широкого круга исследователей в нейронауках, социологии, биологии и других областях.

Исследователи показали, что предложенный инструмент позволяет различать сети с одинаковым количеством связей у узлов, но разной организацией. Например, в одной сети все связи могут идти от общего главного узла, а в другой они будут связаны в клубок без основного центра. Ученые протестировали алгоритм на международной базе данных соавторств по компьютерным наукам Coauthors DBLP за 1987, 2002 и 2017 годы и выявили структурные изменения в мировом научном сообществе. За три десятилетия международное и междисциплинарное сотрудничество стало намного шире, причем исследователи из разных областей все чаще объединялись в большие коллективы.

Еще одно применение пакет нашел в нейронауке. Авторы проанализировали с его помощью данные функциональной магнитно-резонансной томографии (фМРТ) пациентов с депрессивным расстройством, а также здоровых людей из контрольной группы. Инструмент помог выявить значительные нарушения в организации функциональных сетей мозга при исследуемых заболеваниях. Оказалось, что нейронные сети пациентов с депрессией слабее взаимодействуют между собой и работают в режиме разобщенности и изоляции.

«Разработанный пакет предоставляет научному сообществу мощный и удобный инструмент для изучения взаимодействий высокого порядка в сетях. Исследование продемонстрировало, насколько важно анализировать такие сложные взаимодействия между элементами сетей для более полного понимания функционирования различных систем — от социальных связей до человеческого мозга в норме и при патологии. Открытый исходный код пакета способствует его будущему развитию и применению в самых разных междисциплинарных проектах. В дальнейшем мы планируем расширять функционал программного пакета, а также применить его для решения различных прикладных и исследовательских задач: от диагностики нейропсихиатрических и нейродегенеративных заболеваний до развития интерфейсов мозг-компьютер», — рассказывает участник проекта, поддержанного грантом РНФ, Семен Куркин, доктор физико-математических наук, главный научный сотрудник НИИ прикладного искусственного интеллекта и цифровых решений Российского экономического университета имени Г.В. Плеханова.

Ранее ученые выяснили, что сети нервных клеток у пациентов с шизофренией взаимодействуют слишком активно, что приводит к неэффективной работе крупных отделов мозга, таких как сенсорные зоны коры, лимбическая система и другие, и может быть причиной галлюцинаций.

Источник: indicator.ru