Upgrade to Pro — share decks privately, control downloads, hide ads and more …

¿Qué son las redes complejas y como visualizarlas con VisNetwork?

Valerie
August 24, 2020

¿Qué son las redes complejas y como visualizarlas con VisNetwork?

Taller organizado por RLadies Xalapa https://www.facebook.com/rladies.xalapa

La informacion del taller está disponible el siguiente repositorio de GitHub
https://github.com/valdeanda/Rladies

Valerie

August 24, 2020
Tweet

More Decks by Valerie

Other Decks in Science

Transcript

  1. ¿Qué son las redes complejas y como visualizarlas con VisNetwork?

    Dra. Valerie De Anda Research Associate The University of Texas at Austin valdeanda val_deanda [email protected] valdeanda 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 1/52
  2. Contenido q Teoría general sistemas q ¿ Grafo o Red?

    q Redes complejas q ¿Cómo predecir y analizar una red compleja? q Visualización de redes q Ejercicio con VisNetwork y NetAn 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 2/52
  3. Contenido q Teoría general sistemas q ¿ Grafo o Red?

    q Redes complejas q ¿Cómo predecir y analizar una red compleja? q Visualización de redes q Ejercicio con VisNetwork y NetAn 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 3/52
  4. Teoría general de sistemas 24 Agosto 2020 R Ladies Xalapa

    Workshop Redes Complejas 4/52 “General system theory, is a general science of wholeness... The meaning of the somewhat mystical expression, “The whole is more that the sum of its parts” is simply that constitutive characteristics are not explainable from the characteristics of the isolated parts. The characteristics of the complex, therefore, appear as new or emergent... - Ludwig von Bertalanffy
  5. 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 5/52

    “A system is a complex of interacting elements and that they are open to, and interact with their environments. In addition, they can acquire qualitatively new properties through emergence, thus they are in a continual evolution. When referring to systems, it also generally means that they are self-regulating (they self-correct through feedback)” ... - Ludwig von Bertalanffy Teoría general de sistemas
  6. 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 6/52

    Un sistema complejo es un conjunto de elementos que interactúa entre si y su interacción genera propiedades diferentes a las que tiene cada elemento por separado. • Están compuestos de muchas partes que interactúan entre sí. • Cada parte tiene su propia estructura interna y está encargada de llevar a cabo una función específica. • Lo que ocurra a una parte del sistema afecta de manera altamente no lineal a todo el sistema. • Presentan comportamientos emergentes, de tal manera quel el todo no es la simple suma de sus partes. • Posee más información que la que da cada parte independiente. • Para describir un sistema complejo hace falta no solo conocer el funcionamiento de las partes sino conocer el funcionamiento del sistema completo una vez relacionadas sus partes entre sí Sistema complejo
  7. Contenido q Teoría general sistemas q ¿ Grafo o Red?

    q Redes complejas q ¿Cómo predecir y analizar una red compleja? q Visualización de redes q Ejercicio con VisNetwork y NetAn 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 9/52
  8. Los grafos son objetos matemáticos constituidos por un conjunto de

    nodos conectados mediante uniones Leonhard Euler 1707-1783 Problema de los Siete Puentes de Königsberg (actual Kaliningrado, capital del Oblast de Kaliningrado) Fue el primero que resolvio un problema combinatorio haciendo uso de los grafos. 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 10/52 Siglo XVIII Teoría de grafos Leonhard Euler 1707-1783 Imagen tomada de Torres Agudo 2020
  9. SIDA= Red de contactos sexuales A tuvo relaciones con B,

    entonces evidentemente B tuvo relaciones con A A B No dirigido COV19= Red de transmisión de COV A contagio a B no quiere decir que B contagio a A Dirigida A B 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 11/52 G=(V,E) V is the set of nodes/vertices (elements) |V|=N (total number of nodes) E is the set of edges (relations) Imagen tomada de Aldana 2011 ¿ Grafo o Red?
  10. Contenido q Teoría general sistemas q ¿ Grafo o Red?

    q Redes complejas q ¿Cómo predecir y analizar una red compleja? q Visualización de redes q Ejercicio con VisNetwork y NetAn 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 12/52
  11. Duncan Watts Steven Strogatz 24 Agosto 2020 R Ladies Xalapa

    Workshop Redes Complejas 13/52 Redes complejas Barabási & Albert R Barabási & Albert 1999 Science Watts & Strogatz 1998 Nature
  12. Todas ellas comparten características generales 24 Agosto 2020 R Ladies

    Xalapa Workshop Redes Complejas 14/52 Redes complejas Imagen tomada de Aldana 2011
  13. “The small-world concept in simple terms describes the fact that

    despite their often-large size, in most networks there is a relatively short path between any two nodes. The distance between two nodes is defined as the number of edges along the shortest path connecting them” “The most popular manifestation of small worlds is the ‘‘six degrees of separation’’ concept, uncovered by the social psychologist Stanley Milgram (1967)” 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 15/52 Redes complejas: mundo pequeño Albert R & Barabási 2002
  14. 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 16/52

    Scale-free network is a network whose degree distribution follows a power law. Characterized by a small number of highlyconnected nodes, known as hubs Tëmkin I., Eldredge N. (2015) Albert R & Barabási 2002 Redes complejas: libres de escala
  15. 1 2 6 5 3 7 8 4 134 102

    102 102 93 73 44 21 Thioalkalivibrio CLSB Ectothiorhodospira PSB Halorhodospira PSB Alkalilimnicola SO Thermococcus SR Staphylothermus SR Pyrobaculum SR Desulfurococcus SR Thermotoga SR Desulfohalobium SRB Desulfovibrio SRB Desulfomicrobium SRB Desulfatibacillum SRB Ammonifex SRB/SR Vulcanisaeta SRB/SR Community 1 Persephonella CLSB Sulfurimonas CLSB Prosthecochloris GSB Chlorobaculum GSB Chloroherpeton GSB Aeropyrum SO Acidianus SO/SR Thermoproteus SR Desulfobacter SRB Desulfobulbus SRB Thermosphaera SRB/SR Community 2 Community 4 Community 3 Community 5 Community 6 Community 7 Community 8 Thiomonas CLSB Beggiatoa CLSB Chlorobium GSB Allochromatium PSB Halochromatium PSB Sulfurihydrogenibiu m SO Leucothrix SO Thermoplasma SO/SR Dethiosulfovibrio SR Desulfovirga SRB Desulfobacterium SRB Thermincola SRB/SR Thermochro matium PSB Thiocapsa PSB Desulfitobacterium SRB/SR Paracoccus CLSB Pyrococcus SR Pelobacter SR Desulfotomaculum SRB Syntrophobacter SRB Desulfurispirillum SRB/SR Caldivirga SRB/SR Desulfococcus SRB Archaeoglobus SRB Desulfotalea SRB Desulfuromonas SR Sulfurospirillum SR Sulfurovum CLSB Thiomicrospira CLSB Sulfitobacter CLSB Thiobacillus CLSB Sulfolobus SO/SR Chloroflexus GSB Acidithiobacil lus SO Aquifex SO/SR Appearance of densely connected groups of vertices, with only sparser connections between groups 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 17/52 Redes complejas: modulares
  16. • Por lo general son libres de escala, modulares y

    de mundo pequeño. • Estas características le dan robustez al sistema, es decir es resistente a ciertas perturbaciones y le permite tener estados estables • Redundante (facilita el flujo de información y restringe su evolución (entender la dinámica del sistema en el tiempo) (el estado futuro del sistema depende del estado actual) . En términos generales, la estructura de la red puede restringir la probabilidad de los cambios futuros 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 18/52 Redes complejas: conceptos clave
  17. Contenido q Teoría general sistemas q ¿ Grafo o Red?

    q Redes complejas q ¿Cómo predecir y analizar una red compleja? q Visualización de redes q Ejercicio con VisNetwork y NetAn 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 19/52
  18. La principal herramienta de modelo que tiene la biología de

    sistemas son los grafos. Biología de redes es el uso de los grafos para modelar sistemas biológicos Biología de sistemas usa las redes para poner el estudio de los sistemas biológicos en teoría general de los sistemas, el uso de teoría de redes para predecir como se comportará un grafo en un futuro. 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 20/60 Predicción de redes complejas en sistemas biológicos: Biología de sistemas
  19. • Conjunto de reacciones bioquímicas en una célula. • Nodos:

    metabolitos • Links: reacciones bioquímicas Datos adicionales • Derivado de datos bioquimico y flujos metabólicos KEGG Redes moleculares 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 21/52 https://www.genome.jp/dbget-bin/www_bget?pathway+map01100 KEGG pathways
  20. KEGG 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas

    22/52 Protein-Protein Interaction (PPI) Networks Protein-protein interaction networks (PPIN) are mathematical representations of the physical contacts between proteins in the cell. These contacts: • are specific; • occur between defined binding regions in the proteins; and • have a particular biological meaning (i.e., they serve a specific function). • assign putative roles to uncharacterized proteins; • add fine-grained detail about the steps within a signaling pathway; or • characterize the relationships between proteins that form multi-molecular complexes such as the proteasome. The interactome is the totality of PPIs that happen in a cell, an organism or a specific biological context. Yeast Interactome Jeong et al., 2001 Knowledge of PPIs can be used to: From EBI training online course network analysis
  21. Chen et al.2018 Nat Comm . 24 Agosto 2020 R

    Ladies Xalapa Workshop Redes Complejas 23/52 Gene Regulatory networks A gene regulatory network is a set of genes, or parts of genes, that interact with each other to control a specific cell function. Gene regulatory networks are important in development, differentiation and responding to environmental cues. https://www.nature.com/subjects/gene-regulatory-networks
  22. Faust & Raes 2012 Nature Reviews Microbiology 24 Agosto 2020

    R Ladies Xalapa Workshop Redes Complejas 24/52 Redes ecológicas
  23. Propierties Description Order Number of nodes Size Number of edges

    Density Describes the portion of the potential connections in a network that are actual connections Modularity Measure the strength of division of a network into modules (also called groups, clusters or communities), re defined as groups of densely interconnected nodes that are only sparsely connected with the rest of the network Node degree Is the number of connections or edges the node has to other nodes. Connectivity The minimum number of elements (nodes or edges) that need to be removed to disconnect the remaining nodes from each other Hub Average_degree_centrality Is defined as the number of links incident upon a node Average_closenss_centrality The more central a node is the lower its total distance from all other nodes Average_betweenness_centrality Quantifies the number of times a node acts as a bridge along the shortest path between two other nodes Average_number_of_cliques_with_order Subset of the vertices, c ⊆ v, such that every two distinct vertices are adjacen 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 25/52 Propiedades de una red
  24. Degree distribution P(k): probability that a node has degree k

    For directed graphs, two distributions: Clustering Coefficient: Characterizes tendency of nodes to cluster “triangles density” Propiedades de una red 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 26/52 De Anda et al., ,2018 Farahani et la., 2019 In small-world networks, the clustering coefficient (also referred to as transitivity) is high, and the average path length is short. These two characteristics are the result of a natural process to satisfy the balance between minimizing the resource cost and maximizing the flow of information among the network components
  25. 1.Random Graphs (Erdös/Rényi) 2. Generalized Random Graphs 3. Geometric Random

    Graphs 4. The Small World Model (WS) 5. Preferential Attachment Propiedades de una red: redes aleatoreas 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 27/52 Las propiedades de una red se tienen que evaluar en comparación con redes aleatorias. Las características clave que se muestran importantes en comparación con las de redes aleatorias. Existen diferentes modelos para generar redes aleatorias y difieren en como capturan diferentes atributos de las redes reales.
  26. Network Motifs Going beyond degree distribution … Generalization of sequence

    motifs Basic building blocks Evolutionary design principles R. Milo et al., 2002 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 28/52 Propiedades de una red: network motifs Bascocompte J 2009 Defined as a set of recurring circuits on n nodes. Nodes can represent biological entities such as OTUs, species, genes or proteins. Network motifs are patterns of interactions from which the networks are built. These patterns occur in complex networks more often than expected in a random network
  27. 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 29/52

    Propiedades de una red: network motifs Shen et al., 2002 Tran et al., 2013 Stouffer et al., 2007 Borrelli et al., 2015
  28. Cytoscape plugin that detects significant associations in presence/absence and abundance

    matrices. Different measures (Pearson, Spearman, Bray Curtis, ...) capture different types of relationships, but they converge when thresholds are increased SPIEC-EASI FlashWeave Herramientas para predecir redes biologicas: datos de abundancia 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 30/52 FlashWeave predicts ecological interactions between microbes from large-scale compositional abundance data (i.e. OTU tables constructed from sequencing data) through statistical co-occurrence or co-abundance Useful to anybody who wants to infer graphical models for all sorts of compositional data, though primarily intended for microbiome relative abundance data (generated from 16S amplicon sequence data). It also includes a generator for [overdispersed, zero inflated] multivariate, correlated count data CoNet sparse correlations robust to compositionality SparCC From Faust 2019 Workshop II Beyond Metagenomes
  29. Estimates inverse covariance like SPIEC-EASI, but dealsmdifferently with compositionality Herramientas

    para predecir redes biologicas: datos de abundancia 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 31/52 From Faust 2019 Workshop II Beyond Metagenomes Takes environmental factors into account through hierarchical regression Molecular Ecological Network Analyses Pipeline): exploits random matrix theory to threshold similarity matrix sparse compositionality-robust correlations MENAP RABACCA Mint gCoda
  30. http//hallam.microbiology.ubc.ca/fastLSA/install/index.html https://bitbucket.org/charade/elsa/wiki/Home Herramientas para predecir redes biologicas: series de tiempo

    24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 32/52 From Faust 2019 Workshop II Beyond Metagenomes Local Similarity Analysis (LSA) technique is unique to capture the time-dependent associations (possibly time-shifted) between microbes and between microbe and environmental factors. Significant LSA associations can be interpreted as a partially directed association network for further network-based analysis.
  31. Herramientas para predecir redes biologicas: series de tiempo 24 Agosto

    2020 R Ladies Xalapa Workshop Redes Complejas 33/52 From Faust 2019 Workshop II Beyond Metagenomes Faust et al 2015 Modelo poblacional que describe la dinámica de la comunidad microbiana. La abundancia de las especies es modelada en función de su abundancia inicial y su fuerza de interacción con tras especies Generalized Lotka-Volterra (gLV) Faust & Raes 2012
  32. Propiedades de una red: redes aleatoreas: series de tiempo 24

    Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 34/52 From Faust 2019 Workshop II Beyond Metagenomes – LIMITS: step-wise forward regression plus bootstrap – MDSINE: parameterizes gLV with maximum likelihood and Bayesian algorithms – SgLV-EKF: parameterizes a stochastic gLV model with an extended Kalman Filter – MetaMIS: parameterizes gLV with partial least square regression Herramientas que utilizan la ecuación gLV en datos de series de tiempo Shaw et al., 2016 MetaMIS
  33. https://github.com/ramellose/anuran Herramientas para analizar redes biologicas 24 Agosto 2020 R

    Ladies Xalapa Workshop Redes Complejas 35/52 From Faust 2019 Workshop II Beyond Metagenomes https://github.com/valdeanda/NetAn
  34. Contenido q Teoría general sistemas q ¿ Grafo o Red?

    q Redes complejas q ¿Cómo predecir y analizar una red compleja? q Visualización de redes q Ejercicio con VisNetwork y NetAn 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 36/52
  35. ¿ Art or Science? Visualización de redes 24 Agosto 2020

    R Ladies Xalapa Workshop Redes Complejas 37/52 VisualComplexity.com • Graphviz • Gephi • CallNetvis • PEx-Graph • Cystocape • Tulip • Biographer • CerebralWeb • Cell Illustrator Online Herramientas de visualización Gephi Cerebral Web
  36. Visualización de redes 24 Agosto 2020 R Ladies Xalapa Workshop

    Redes Complejas 38/52 Haberle et al., 2017 CellNetVis Cell Illustrator Online http://www.cellillustrator.com/home
  37. Visualización de redes: opción de línea de comandos 24 Agosto

    2020 R Ladies Xalapa Workshop Redes Complejas 39/52 NetworkX is a Python package for the creation, manipulation, and study of the structure, dynamics, and functions of complex networks. https://networkx.github.io/ https://datastorm-open.github.io/visNetwork/ https://github.com/datastorm-open/visNetwork https://github.com/valdeanda/NetAn Python R Python No requiere experiencia
  38. Contenido q Teoría general sistemas q ¿ Grafo o Red?

    q Redes complejas q ¿Cómo predecir y analizar una red compleja? q Visualización de redes q Ejercicio con VisNetwork y NetAn 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 40/52
  39. http://documentalcuatrocienegas.com/ Developing in silico approaches to evaluate the metabolic machinery

    and network interactions of microbial communities in response to environmental change Tesis de doctorado De Anda 2018 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 43/52 Ejercicio: Descripción de los datos De Anda et al., 2018 Front in Micro
  40. Pe r tu r b a c ión ( L

    ag u n a s e ca ) Var iac ión e n los n ive le s d e ag u a Ejercicio: Descripción de los datos 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 44/52 De Anda et al., 2018 Front in Micro
  41. • Gran diversidad genética • Mayor probabilidad de estabilidad: rápida

    respuesta ante perturbación • (Flöder et al., 2010) • 3 veces (Muller et al., 2016) Estabilidad taxonómica y functional PERMANOVA p<0.05: sitio y tiempo a nivel taxonómico. p<0.05 a nivel metabólico solo a nivel sitio: funcionalmente estables en el tiempo • 100 Phyla • 168 Clases • 302 Ordenes • 539 Familias • 1200 Generos “Microbial mat core”: miembros de la biosfera rara y secuencias sin clasificación Ejercicio: Descripción de los datos 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 45/52 De Anda et al., 2018 Front in Micro
  42. Sitio A Sitio B Sitio C bits bits Ejercicio: Descripción

    de los datos 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 46/52 De Anda et al., 2017 GigaScience De Anda et al., 2018 Front in Micro
  43. Consenso (+/-) Positivas (+) Negativas (-) Phylum Clase Orden Familia

    Lotka-Volterra Ejercicio: Descripción de los datos 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 47/52 De Anda et al., 2018 Front in Micro
  44. Ejercicio: Descripción de los datos 24 Agosto 2020 R Ladies

    Xalapa Workshop Redes Complejas 48/52 Sitio A Sitio B Sitio C De Anda et al., 2018 Front in Micro
  45. Ejercicio: Descripción de los datos 24 Agosto 2020 R Ladies

    Xalapa Workshop Redes Complejas 49/52 De Anda et al., 2018 https://link.springer.com/chapter/10.1007/978-3-319-95855-2_7 De Anda et al., 2018 Front in Micro
  46. La inferencia de redes, network motifs y MEBS nos permitio

    proponer que los facores optimizan la diversidad y permiten una mayor estabilidad en los tapetes microbianos pudieran estar relacionados con cuatro factores: 1) el aumento de relaciones de antagonismo y/o competencia bajo condiciones de perturbación 2) una baja modularidad en el que todos los miembros de la comunidad interaccionan entre sí, al tratarse de redes altamente densas 3) la gran diversidad taxonómica representada por miembros de la biosfera rara 4) el core de micro organismos, que pueden llevar a cabo funciones esenciales de liberación de bienes públicos. Ejercicio: Descripción de los datos 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 50/52 De Anda et al., 2018 Front in Micro
  47. 24 Agosto 2020 R Ladies Xalapa Workshop Redes Complejas 51/52

    Ejercicio: Repositorio del ejercicio https://github.com/valdeanda/Rladies/ git clone https://github.com/valdeanda/Rladies.git Línea de comandos Descargar el repositorio desde GitHub Interfaz gráfica
  48. ¡Gracias por su atención! Dra Maribel Hernandez Rosales Dra Cesar

    Augusto Poot Hernandez Ian Rambo Dra. Mirna Rosas Vazquez Landa