[論文レビュー] Case studies in network community detection

Saray Shai, Natalie Stanley+3 more|arXiv (Cornell University)|May 5, 2017

Complex Network Analysis Techniques被引用数 5

ひとこと要約

本稿では、スティリスティック・ブロック・モデル（SBM）などの手法を用いたネットワーク内のコミュニティ検出が、マラリア原虫 *Plasmodium falciparum* の遺伝的再結合から脳機能や社会的ダイナミクスに至るまでの現実世界のシステムについて、より深い洞察をもたらすことを示す、5つの学際的事例研究を提示している。主な貢献は、コミュニティ構造が目的そのものではなく、多様な科学分野において仮説の立案とデータ解釈のための重要なステップであることを示したことにある。

ABSTRACT

Community structure describes the organization of a network into subgraphs that contain a prevalence of edges within each subgraph and relatively few edges across boundaries between subgraphs. The development of community-detection methods has occurred across disciplines, with numerous and varied algorithms proposed to find communities. As we present in this Chapter via several case studies, community detection is not just an "end game" unto itself, but rather a step in the analysis of network data which is then useful for furthering research in the disciplinary domain of interest. These case-study examples arise from diverse applications, ranging from social and political science to neuroscience and genetics, and we have chosen them to demonstrate key aspects of community detection and to highlight that community detection, in practice, should be directed by the application at hand.

研究の動機と目的

• コミュニティ検出が多様な科学的分野におけるネットワーク解析の基盤的ステップとして果たす方法を示すこと。
• コミュニティ構造がノードレベルやグローバルなネットワーク特性を超えて、ネットワーク内の機能的組織を明らかにするミクロスコピック的レンズを提供することを示すこと。
• コミュニティ検出が、マラリア原虫 *Plasmodium falciparum* の遺伝的多様性のメカニズムを理解するような複雑系において、仮説の立案を可能にすることを示すこと。
• 各応用分野の目的とデータ特性に適合したコミュニティ検出手法の適用の重要性を強調すること。
• コミュニティ検出を単独のタスクとしてではなく、分野固有の属性および生物学的・社会的メカニズムを踏まえたネットワーク構造の解釈ツールとして活用すべきであることを提唱すること。

提案手法

• 最大尤度推定を用いて、*Plasmodium falciparum* のvar遺伝子から得られた9つのHVRネットワークに対して、スティリスティック・ブロック・モデル（SBM）を適用し、パラメータ ${\boldsymbol{\theta}}$ とノードの所属 ${\bf z}$ を推定した。
• 変動情報（VI）を用いて、9つのHVRネットワーク間のコミュニティ割り当てを定量的に比較し、構造的類似性を評価するとともに、明確なコミュニティパターンを同定した。
• ノードの類似性が接続に与える傾向を測定するため、アソートラティビティを用いて、ネットワークのコミュニティ構造と生物学的属性（例：var遺伝子長）との相関を検証した。
• ノードを色分けしたネットワーク図とコミュニティを色分けした隣接行列を用いて、推定されたコミュニティを可視化し、構造的パターンとモジュラリティを明らかにした。
• 再結合制約に関する仮説を検証するために、SBMに基づくモデルサンプリングを実施し、合成ネットワークをシミュレートすることで、観察されたコミュニティ構造の妥当性を検証した。
• 統計的ネットワーク解析と分野特異的な生物学的知識を統合し、遺伝的多様性のメカニズムに関する仮説を立案・検証した。

実験結果

リサーチクエスチョン

• RQ1 マラリア原虫 *Plasmodium falciparum* のvar遺伝子のHVRネットワークにおけるコミュニティ構造は、再結合制約と遺伝的多様性のどの程度関連しているか？
• RQ2 異なるHVRネットワークにおけるコミュニティ割り当ては、遺伝子長といった既知の生物学的特徴とどの程度相関しているか？
• RQ3 すべてのHVRを統合したコンSENSUSネットワークでは見えにくくなるが、個々のHVRネットワークにおけるコミュニティ検出は、どのような洞察を明らかにできるか？
• RQ4 神経系、社会的ネットワーク、遺伝的ネットワークといった異なる分野において、コミュニティ構造が機能的組織を説明する役割を果たすのはどのようなものか？
• RQ5 スティリスティック・ブロック・モデル（SBM）のような統計モデルは、ネットワーク構造とその生物学的・社会的意味の仮説を検証するために、どのように活用できるか？

主な発見

• 9つのHVRネットワークすべてに強く非ランダムなコミュニティ構造が確認され、ネットワーク間でのコミュニティ割り当ての類似性は低く、再結合パターンがそれぞれ異なることを示している。
• 3つのHVRネットワークで、var遺伝子長との有意なアソートラティビティが観察され、類似した生物学的長さのノードがコミュニティ内で集まっている傾向があることが示された。
• 他の3つのHVRネットワークでは、顕著な均一性の欠如を示す多様性の高いコミュニティ構造が認められ、既知の生物学的特徴との整合性はなかった。これは、再結合制約が異なることを示唆している。
• HVRネットワーク間でのコミュニティ構造の類似性の欠如は、再結合が一様でない多様な制約のもとで発生しているという仮説を支持しており、免疫逃避と遺伝的多様性の維持に寄与していると考えられる。
• SBMによるコミュニティ検出により、従来の系統解析手法では困難な、var遺伝子再結合メカニズムに関する検証可能な生物学的仮説を立案することができた。
• モデルサンプリングと統計的検証の結果、HVRネットワークにおける観察されたコミュニティ構造が偶然に生じる可能性は極めて低く、生物学的関連性が裏付けられた。