Aplicación de un método de clustering para analizar la conectividad en redes hipocampales vistas como redes complejas

Ponente(s): Elizabeth Santiago Del Angel, Fernando Peña-Ortega David Alcántara-González
En este trabajo se presenta la aplicación de un método computacional para determinar comunidades (clustering) de nodos usado en el área de redes complejas. Este método es empleado con el objetivo de caracterizar regiones que tengan mayor capacidad de conectividad en redes hipocampales afectadas por Beta-amiloide. El análisis es llevado a cabo por medio de la detección de clusters o comunidades de nodos altamente conectados cuya metodología es presentada en tres etapas. La primera etapa convierte gráficamente la red hipocampal en una red compleja y es formalmente representada como un grafo. En particular, para este tipo de problema, la definición de nodos y aristas sobre la red ponderada resultante es definida como sigue. Los nodos representan a las células o conjunto de células que muestren alguna actividad durante cierto tiempo, y las aristas se establecen cuando existe alguna actividad simultánea entre células, donde el peso de las aristas es definido por el valor de correlación obtenido entre células. La segunda etapa consiste en la construcción de comunidades a través de un método de optimización de modularidad y la aplicación de medidas de centralidad. Básicamente, la modularidad es usada para formar a las comunidades o subgrafos de la red que presentarán a los nodos con alta interconectividad entre ellos, y baja conectividad entre comunidades. En la tercera etapa, los grupos son caracterizados por la aplicación de medidas de centralidad, donde las comunidades con los valores más altos son seleccionadas y consideradas como las regiones más importantes dentro de la estructura de la red. Finalmente, se muestran gráficamente los resultados obtenidos a partir de algunas muestras de redes hipocampales proporcionadas por los expertos, identificando los grupos que representan a las regiones con las células o nodos más relevantes en de la red.