A relação entre estrutura e função em redes complexas observada localmente

• Main Author: César Henrique Comin
• Other Authors: Luciano da Fontoura Costa
• Language: Portuguese
• Published: Universidade de São Paulo 2012
• Subjects: Comportamento local; Diferenciação dinâmica; Dinâmica neuronal; Integra-e-dispara; Redes complexas; Complex networks; Dynamical differentiation; Integrate-and-fire; Local behavior; Neuronal dynamics
• Online Access: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-01062012-094349/

O estudo de redes complexas tem despertado muita atenção nos últimos anos, principalmente pela sua capacidade de permitir a análise dos mais diversificados sistemas através de um mesmo conjunto de ferramentas matemáticas e computacionais. Até pouco tempo a ênfase nessa área era sobre o estudo das propriedades estruturas e sua influência em característica globais da dinâmica ocorrendo sobre o sistema. Recentemente foi-se percebendo a riqueza de comportamentos que podemos estudar ao olharmos para grupos de vértices e as interações que ocorrem entre esses grupos, de forma que cada vez mais se torna necessária a criação de uma forma sistemática de quantificar, a nível de nó, como uma dinâmica é influenciada (ou diferenciada) pela estrutura do sistema. Apresentamos nesse trabalho um primeiro passo nessa direção, no qual definimos uma medida que, baseada em características dinâmicas obtidas em diversas condições iniciais, busca comparar o comportamento dos nós presentes no sistema. Através dessa medida encontramos a alta capacidade de modelos de rede geográficas de produzir, por simples flutuações estatísticas, grupos de nós de dinâmica muito distinta em relação ao demais, um fato que não ocorre para uma rede definida de forma semelhante mas não geográfica. Nessas redes conseguimos verificar também se um nó de topologia local distinta dos demais consegue possuir uma dinâmica diferenciada, o que encontramos foi que mesmo em regiões da rede extremamente regulares existe a formação de grupos dinâmicos devido ao efeito da borda dessa região. Saindo de modelos de redes para apresentar aplicações práticas do método, encontramos na rede neuronal do verme Caenorhabditis elegans um conjunto de nós de alta diferenciação dinâmica, que representam os interneurônios do cordão ventral do verme. Adicionalmente encontramos na rede cortical do macaco da família Cercopithecidae uma divisão em relação a regularidade dos sinais dinâmicos, o que indica a presença de comunidades funcionais nessa rede. Além da metodologia de diferenciação desenvolvemos ainda uma ferramenta que busca encontrar de forma totalmente automatizada as características dinâmicas mais relevantes do sistema em estudo, que foi capaz de representar medidas dinâmicas tradicionalmente utilizadas na área. Todos esses resultados abrem caminho para diversas vertentes de estudo, em especial citamos a influência de uma borda irregular no interior de uma região regular, o estudo da rede Caenorhabditis elegans com dinâmicas neuronais mais precisas e a aplicação sistemática de dinâmicas para encontrar a divisão funcional de comunidades em redes direcionadas, um tema que apresenta resultados promissores. === The study of complex networks has drawn much attention over the last years, mainly by virtue of its potential to characterize the most diverse systems through the same mathematical and computational tools. Not long ago the emphasis on this field mostly focused on the effects of the structural properties on the global behavior of a dynamical process taking place in the system. Recently, some studies started to unveil the richness of interactions that occur between groups of nodes when we look at the small scale of interactions occurring in the network. Such findings call for a new systematic methodology to quantify, at node level, how a dynamics is being influenced (or differentiated) by the structure of the underlying system. Here we present a first step towards this direction, in which we define a new measurement that, based on dynamical characteristics obtained for a series of initial conditions, compares the dynamical behavior of the nodes present in the system. Through this measurement we find the high capacity of networks generated by geographical models to exhibit, by means of statistical fluctuations, groups of nodes with very distinct dynamics compared to the rest of the network, a behavior that does not occur for a similar non-geographical network. We also verify if a large topological differentiation of a node necessarily reflects on its dynamics. We find that even in very regular regions of the network the nodes tend to form dynamical groups influenced by the border effects. In addition to the network models used, we present practical applications of the methodology by using the neuronal network of the nematode Caenorhabditis elegans, where we show that the interneurons of the ventral cord presents a very large dynamical differentiation when compared to the rest of the network. We also analyze the cortical network of the Cercopithecidae monkey by means of signal communication complexity, finding that it contains two well-defined functional communities. Besides the differentiation measurement, we also presents an useful mechanism for automatically obtaining the relevant dynamical characteristics of the nodes, which showed promising results by obtaining traditional measurements of the area with little effort. All these results pave the way to a range of different studies, of which we highlight the influence of an irregular border on the dynamics taking place inside a regular network region, the study of the neurons of Caenorhabditis elegans using more robust neuronal dynamics and the systematic application of different dynamics in order to find the functional community division of directed networks.