ساموئل جانسون، نویسنده ارشد مقاله، افزود: “این رویکرد مدل سازی می تواند برای ایجاد اختلال در شبکه ها نیز مورد استفاده قرار گیرد، زیرا نقاطی که در آن اتصال قوی می شود را می توان مورد هدف قرار داد. برای مثال، متخصصان مغز و اعصاب ممکن است با تعیین دقیق راه های جدیدی برای درمان صرع بیابند. اتصالات خاصی که مسئول حفظ تشنج هستند.”
مهار عدم انسجام برای درک شبکه های دنیای واقعی — ScienceDaily
اگر یک شبکه کاملا “منسجم” با سطوح تغذیه ای متمایز مانند گیاهان، گیاهخواران و گوشتخواران باشد، نمی توان آن را به شدت متصل کرد. با این حال، بیشتر سیستم‌های دنیای واقعی نه کاملاً منسجم هستند و نه کاملاً نامنسجم، بلکه در جایی در این بین قرار دارند. به عنوان مثال، در یک شبکه غذایی، این ممکن است به دلیل حیوانات همه چیزخواری رخ دهد که هم گیاهان و هم سایر حیوانات را می خورند.
درک اینکه چگونه این اتصالات کار می کنند از طرق مختلف بسیار مهم است – برای مثال دانستن اینکه چگونه یک بیماری در میان جمعیت گسترش می یابد یا اینکه آیا هر نقطه در یک شبکه ارتباطی “در حلقه” است یا خیر.
نایل راجرز، نویسنده اصلی مقاله، می‌گوید: «رویکرد ما فرصت‌های خبری را برای درک انواع شبکه‌های مختلف که به طور مرتب در جامعه با آن مواجه می‌شوند، باز می‌کند. برای مثال، شیوع بیماری را می‌توان به عنوان شبکه‌ای در نظر گرفت که با گسترش به هم متصل است. درک باکتری ها از طریق یک جمعیت. درک اینکه در آن شبکه کجا هستید و اینکه آیا اتصال قوی است یا ضعیف می تواند برای تصمیم گیری در مورد کنترل عفونت بسیار مهم باشد.”
محققان دریافتند که می‌توان از این عدم انسجام برای تخمین نقطه‌ای که شبکه به شدت متصل می‌شود، استفاده کرد. آنها نشان دادند که این روش برای هر نوع شبکه، از جمله شبکه های عصبی، افراد، گونه ها، متابولیت ها، ژن ها و کلمات و غیره کار می کند.
طبق تحقیقات منتشر شده در مجله PNAS، توسط ریاضیدانان دانشگاه بیرمنگام، نقشه برداری از سلسله مراتب و همچنین عدم انسجام در یک سیستم، ما را قادر می سازد تا نقاط قوت و ضعف سیستم را پیش بینی کنیم.
سیستم‌های دنیای واقعی مانند این‌ها توسط ریاضیدانان به عنوان «شبکه‌های هدایت‌شده» شناخته می‌شوند، زیرا اتصالات معمولاً در جهت خاصی جریان دارند. به عنوان مثال، در شبکه های غذایی، زیست توده به طور کلی از گیاهان به سمت بالا حرکت می کند، از طریق گیاهخواران و به سمت شکارچیان راس حرکت می کند. اگر امکان حرکت در اطراف شبکه بدون نادیده گرفتن جهت وجود داشته باشد، شبکه ها به شدت متصل می شوند.
