13.5 Zufällige Netzwerke und skalenfreie Topologie

13.5 Zufällige Netzwerke und skalenfreie Topologie

Eine der zentralen Fragen der Netzwerkbiologie lautet, ob biologische Netzwerke eine charakteristische Organisation besitzen oder ob sie lediglich Sammlungen zufällig verbundener Komponenten sind. Um diese Frage zu beantworten, benötigen wir zunächst ein Referenzmodell dafür, wie ein zufälliges Netzwerk aussehen würde. Erst durch den Vergleich biologischer Netzwerke mit einem solchen Nullmodell lässt sich erkennen, ob ihre Struktur auf zugrunde liegende biologische Prinzipien zurückgeht.

Lernziele

Nach der Bearbeitung dieses Kapitels sollten Sie in der Lage sein,

• zu erklären, warum zufällige Netzwerke als Nullmodelle wichtig sind,
• das Erdős-Rényi-Modell zu beschreiben,
• zwischen zufälligen und skalenfreien Netzwerken zu unterscheiden,
• Gradverteilungen zu interpretieren,
• zu erläutern, warum biologische Netzwerke als skalenfrei bezeichnet werden.

Warum brauchen wir ein Nullmodell?

Angenommen, wir rekonstruieren das Protein-Protein-Interaktionsnetzwerk eines Bakteriums und stellen fest, dass ein Protein mit 35 Partnern interagiert.

Ist das ungewöhnlich?

Ohne Referenz lässt sich diese Frage nicht beantworten.

Wissenschaftliche Beobachtungen gewinnen erst dann Bedeutung, wenn sie mit einer angemessenen Erwartung verglichen werden. In der Statistik werden solche Erwartungen durch Nullhypothesen beschrieben. In der Netzwerkbiologie benötigen wir in ähnlicher Weise ein Nullmodell, das beschreibt, wie ein Netzwerk aussehen würde, wenn Wechselwirkungen vollständig zufällig entstünden.

Erst wenn eine solche Baseline festgelegt ist, können wir Organisationsprinzipien identifizieren, die biologische Netzwerke von zufälligen Systemen unterscheiden.

Der Erdős-Rényi-Zufallsgraph

Das einfachste Nullmodell wurde in den späten 1950er-Jahren unabhängig voneinander von Paul Erdős und Alfréd Rényi eingeführt.

Seine Konstruktion ist bemerkenswert einfach.

Angenommen, wir haben (N) Knoten.

Jedes mögliche Knotenpaar wird unabhängig mit Wahrscheinlichkeit (p) verbunden.

Es wird keine biologische Information verwendet.

Es gibt keine bevorzugten Wechselwirkungen.

Jedes Knotenpaar hat dieselbe Wahrscheinlichkeit, verbunden zu werden.

Trotz seiner Einfachheit spielt dieses Modell eine fundamentale Rolle in der Netzwerkwissenschaft, weil es eine mathematisch gut behandelbare Beschreibung zufälliger Konnektivität liefert.

Eigenschaften zufälliger Netzwerke

Zufällige Netzwerke besitzen mehrere charakteristische Eigenschaften.

Da jede Kante unabhängig entsteht, haben die meisten Knoten ungefähr gleich viele Nachbarn.

Knoten mit außergewöhnlich hoher oder außergewöhnlich niedriger Konnektivität treten nur selten auf.

Als Folge sind zufällige Netzwerke relativ homogen. Die meisten Knoten nehmen ähnliche Positionen im Netzwerk ein, und kein einzelner Knoten dominiert die Gesamtstruktur.

Diese homogene Organisation unterscheidet sich deutlich von vielen biologischen Systemen.

Die Gradverteilung zufälliger Netzwerke

Die Organisation eines Netzwerks lässt sich durch seine Gradverteilung zusammenfassen.

Für Erdős-Rényi-Netzwerke folgt die Gradverteilung einer Binomialverteilung,

$$P(k) = \binom{N-1}{k} p^k (1-p)^{N-1-k}.$$

Für große Netzwerke mit relativ kleinen Verbindungswahrscheinlichkeiten lässt sich diese Verteilung gut durch eine Poisson-Verteilung annähern,

$$P(k) = \frac{\lambda^k e^{-\lambda}}{k!},$$

wobei

$$\lambda=\langle k\rangle$$

der mittlere Grad des Netzwerks ist.

Biologisch entscheidend ist nicht in erster Linie die mathematische Form selbst, sondern ihre Gestalt.

Die Verteilung ist um den mittleren Grad zentriert.

Die meisten Knoten besitzen ungefähr dieselbe Konnektivität.

Extrem stark vernetzte Knoten sind außerordentlich unwahrscheinlich.

Biologische Netzwerke sehen anders aus

Als durch Hochdurchsatzexperimente große biologische Netzwerke verfügbar wurden, erwarteten Forschende zunächst, dass diese zufälligen Graphen ähneln würden.

Überraschenderweise war das nicht der Fall.

Protein-Interaktionsnetzwerke, metabolische Netzwerke, genregulatorische Netzwerke und viele ökologische Netzwerke zeigten bemerkenswert ähnliche Gradverteilungen.

Anstatt dass die meisten Knoten eine ähnliche Konnektivität aufweisen, enthielten biologische Netzwerke

• viele Knoten mit nur wenigen Wechselwirkungen,
• relativ wenige Knoten mit mittlerer Konnektivität
• und eine sehr kleine Zahl extrem stark vernetzter Knoten.

Diese hochvernetzten Knoten wurden als Hubs bezeichnet.

Diese Beobachtung veränderte das Verständnis biologischer Netzwerkorganisation grundlegend.

Skalenfreie Netzwerke

Es zeigte sich, dass die beobachteten Gradverteilungen näherungsweise einem Potenzgesetz folgen,

$$P(k)\propto k^{-\gamma},$$

wobei der Exponent (\gamma) typischerweise zwischen 2 und 3 liegt.

Im Gegensatz zur glockenförmigen Verteilung zufälliger Graphen fallen Potenzgesetze nur langsam ab.

Das bedeutet, dass stark vernetzte Knoten selbst in sehr großen Netzwerken relativ häufig bleiben.

Netzwerke, die dieses Verhalten zeigen, nennt man skalenfreie Netzwerke.

Der Name verweist auf eine wichtige mathematische Eigenschaft.

Potenzgesetze besitzen keine charakteristische Skala. Ob ein Knoten zehn Nachbarn, einhundert Nachbarn oder tausend Nachbarn hat, dieselbe mathematische Beziehung beschreibt weiterhin die Verteilung.

Folglich gibt es keinen “typischen” Knoten.

Zufällige versus skalenfreie Organisation

Der Unterschied zwischen zufälligen und skalenfreien Netzwerken lässt sich intuitiv verstehen.

In einem zufälligen Netzwerk

• haben die meisten Knoten ähnliche Konnektivität,
• sind stark vernetzte Knoten äußerst selten,
• ist die Netzwerkorganisation relativ homogen.

In einem skalenfreien Netzwerk

• haben die meisten Knoten nur wenige Nachbarn,
• besitzen einige wenige Hubs außergewöhnlich viele Verbindungen,
• ist die Konnektivität stark heterogen.

Obwohl beide Netzwerktypen exakt dieselbe Zahl an Knoten und Kanten enthalten können, ist ihre Organisation grundlegend verschieden.

Dieser Unterschied hat tiefgreifende Konsequenzen für Robustheit, Informationsfluss und Evolution.

Sind biologische Netzwerke wirklich skalenfrei?

Der Begriff skalenfreies Netzwerk gewann nach der Arbeit von Albert-László Barabási und Réka Albert im Jahr 1999 enorme Bedeutung.

Spätere Studien zeigten in zahlreichen biologischen und technologischen Netzwerken ein potenzgesetzähnliches Verhalten.

In jüngerer Zeit haben Forschende jedoch darauf hingewiesen, dass nicht jedes biologische Netzwerk einem perfekten Potenzgesetz folgt.

Experimentelle Verzerrungen, unvollständige Netzrekonstruktionen und biologische Randbedingungen führen häufig zu Abweichungen vom idealisierten skalenfreien Verhalten.

Heute verwenden viele Forschende den Begriff daher vorsichtiger.

Anstatt zu fragen, ob ein biologisches Netzwerk vollkommen skalenfrei ist, ist es oft informativer zu fragen, ob seine Konnektivität stark heterogen ist und ob hochvernetzte Hubs seine Organisation dominieren.

Die zentrale biologische Schlussfolgerung bleibt unverändert:

Biologische Netzwerke sind weit davon entfernt, zufällig zu sein.

Biologische Einsicht

Die Bedeutung skalenfreier Topologie liegt nicht darin, dass jedes biologische Netzwerk exakt einem Potenzgesetz folgt. Vielmehr zeigt sie, dass biologische Wechselwirkungen in stark nicht-zufälliger Weise organisiert sind, wobei eine kleine Zahl hochvernetzter Komponenten überproportional wichtige Rollen übernimmt.

Zentrale Konzepte

• Zufällige Netzwerke liefern wichtige Nullmodelle für die Analyse biologischer Netzwerke.
• Erdős-Rényi-Netzwerke zeigen eine relativ homogene Konnektivität.
• Biologische Netzwerke weisen typischerweise eine stark heterogene Konnektivität auf.
• Stark vernetzte Knoten werden als Hubs bezeichnet.
• Viele biologische Netzwerke folgen näherungsweise Potenzgesetz-artigen Gradverteilungen.

Zusammenfassung

Zufällige Netzwerke liefern eine unverzichtbare Referenz, um biologische Organisation zu verstehen. Vergleicht man biologische Interaktionsnetzwerke mit diesen Nullmodellen, zeigen sie deutlich andere Gradverteilungen, die durch wenige hochvernetzte Hubs und viele schwach vernetzte Knoten geprägt sind. Auch wenn die genaue mathematische Form dieser Verteilungen weiterhin Gegenstand aktiver Forschung ist, bleibt die zentrale Einsicht eindeutig: Biologische Netzwerke besitzen hochorganisierte, nicht-zufällige Strukturen, die sich nicht allein durch zufällige Konnektivität erklären lassen.

Fragen zur Selbstkontrolle

1. Warum vergleichen Netzwerkbiologen biologische Netzwerke mit zufälligen Netzwerken?
2. Wie wird ein Erdős-Rényi-Netzwerk erzeugt?
3. Warum enthalten zufällige Netzwerke nur selten Hubs?
4. Was versteht man unter einem skalenfreien Netzwerk?
5. Warum verwenden Forschende den Begriff “skalenfrei” heute vorsichtiger als noch vor zwanzig Jahren?
6. Welche biologische Schlussfolgerung lässt sich auch dann ziehen, wenn ein Netzwerk keinem perfekten Potenzgesetz folgt?