假设你获得了一个以前没有研究过的物种的连接组。你发现,该网络的聚类系数是0.3。这是大还是小?在一个具有类似规模的随机网络中是否可以观察到同样的特征?
Null网络模型其实是构建具有某些特征的大脑网络的一套方法。真实网络和Null网络之间的比较可以让我们能够区分特征之间的依赖关系。
Bratislav Misic等人在2021年对比了几种brain map几种Null模型,最近又在Nature Review Neuroscience上综述了network neuroscience中所用的Null模型,并回顾了在网络神经科学中使用Null模型的一些场景,包括spatially embedded networks, annotated networks, correlation-derived networks。最后,讨论了Null模型的一些局限,以及该领域亟待解决的问题。
以下仅为摘要,感兴趣点击阅读全文前往拜读。
两种构建Null的方式,随机法和生成法。
根据在Null模型中保留真实网络特性的多少,Null模型可以看作是一个spectrum,从宽松到严格。
对于任何一个观测到的真实网络,可以使用多个Null模型来系统地抽样其备择网络的配置,更广泛的Null空间允许我们从多个角度探测观察到的网络。
Null模型可以在网络构建的不同阶段生成。
目前的一些软件。
https://github.com/frantisekvasa/null_models_net_neurosci
值得一提的是,spatialtemporal这个工具包是今年4月份才出现的吧,同样也在这个table中。John Murray他们的那篇文章2021年6月1号就preprint了,虽然之前推荐过,不过一直没读😓。居然修改了一年,toolbox都生出来了。。
看眼示意图,似曾相识。其实在他们之前的文章就用过莫兰随机化生成surrogate brain map,现在用到了FC上。
原文链接
https://www.nature.com/articles/s41583-022-00601-9