网络分析：中心性、路径和拓扑核心概念简要介绍

1. 声音
   观察依据

   主讲人将度中心性定义为“一个节点所拥有的边的数量”。

2. 字幕依据
   观察依据

   幻灯片文字显示“度中心性”和“边的数量”。

Degree Centrality

网络中某个特定节点所连接的边的数量。

无向图中的节点

1. 声音
   观察依据

   主讲人将入度定义为“流入某一节点的边的数量”。

2. 字幕依据
   观察依据

   幻灯片文字显示“入度”。

In-degree

流入某一特定节点的有向边的数量。

有向图中的节点

1. 声音
   观察依据

   主讲人将出度定义为“从该节点流出的边的数量”。

2. 字幕依据
   观察依据

   幻灯片文字显示“出度”。

Out-degree

从某一特定节点流出的有向边的数量。

有向图中的节点

1. 图示
   观察依据

   一个橙色数字4置于示例网络中高亮显示的橙色路径上方。

2. 声音
   观察依据

   说话人说：“在示例网络中，这个值是四。”

4

所展示示例网络的网络直径，等于其最长最短路径的长度。

示例图中非负整数的路径长度。

1. 声音
   观察依据

   主讲人指出，目标是在单个节点层面和整体结构层面刻画网络。

2. 字幕依据
   观察依据

   幻灯片显示“刻画网络”“单个节点”和“整体结构”。

网络分析旨在从两个层面刻画网络：单个节点（例如其重要性）和网络的整体结构（例如其鲁棒性）。

1. 假设听众已熟悉网络生物学的核心概念。

1. 声音
   观察依据

   主讲人将中心性作为判断节点重要性的关键概念进行介绍。

2. 字幕依据
   观察依据

   幻灯片显示“中心性”和“节点重要性”。

中心性是网络分析中的一个关键概念，用于判断网络中单个节点的重要性。

1. 网络分析的目标

1. 声音
   观察依据

   主讲人将度中心性定义为一个节点所拥有的边的数量，并假定连接越多，重要性越高。

2. 字幕依据
   观察依据

   幻灯片显示“度中心性”“连接众多”和“边的数量”。

度中心性是最常用的中心性度量指标。它假设一个节点的连接越多，其重要性就越高，其定义即为该节点所拥有的边的数量。

1. 适用于无向网络。

1. 中心性

1. 声音
   观察依据

   讲解者指出，有向网络具有入度（指向该节点的边）和出度（从该节点指出的边）。

2. 字幕依据
   观察依据

   幻灯片显示“有向网络”、“入度”和“出度”。

在有向网络中，度中心性被划分为两个指标：入度，即指向某一节点的边的数量；出度，即从某一节点指出的边的数量。

1. 适用于有向网络。

1. 度中心性

1. 声音
   观察依据

   讲解者通过统计经过某节点的最短路径数量来定义介数中心性，侧重于节点对信息流的影响，而非单纯统计连接数量。

2. 字幕依据
   观察依据

   幻灯片显示“介数中心性”、“对信息流的影响”和“最短路径数量”。

介数中心性用于衡量一个节点对网络中信息流的影响程度。其定义是统计经过某一特定节点的最短路径数量，而非仅统计其直接连接数。

1. 需要以最短路径的概念为基础。

1. 中心性

1. 声音
   观察依据

   主讲人将两个节点之间的路径简单定义为从一个节点到达另一个节点的一种方式。

2. 字幕依据
   观察依据

   幻灯片显示“路径分析”和“两个节点之间的路径”。

路径分析涉及考察节点之间的路线。两个节点之间的路径被简单定义为从一个节点到达另一个节点的一种方式。

1. 网络分析的目标

1. 字幕依据
   观察依据

   视频片段开头的幻灯片文字显示“最短路径”。

2. 声音
   观察依据

   说话人以“最短路径”引入本主题。

3. 图示
   观察依据

   出现一个有向网络示意图，其中一条路径以橙色高亮显示。

该片段使用有向网络说明：最短路径必须遵循边的方向；高亮显示的橙色路径被视作最短路径，因为不允许逆着边的方向行进。

1. 该网络是有向的。

2. 遍历过程中不能逆着边的方向移动。

1. 字幕依据
   观察依据

   幻灯片文字显示“赋权网络”。

2. 声音
   观察依据

   主讲人指出，若各条边并非同等重要，则最短路径未必是最强或最优路径，因为它可能包含一条非常薄弱的边。

3. 图示
   观察依据

   同一网络再次呈现，其中一条路径以橙色高亮显示，主讲人同时讲解权重概念。

1. 屏幕上未显示任何数值型的边权重；边的薄弱程度仅通过口头描述传达，而非可见的数值。

在加权网络中，最小化路径总长度并不能保证所选路径是节点间最强或最优的连接；某条路径虽最短，却仍可能包含一条非常薄弱的边。

1. 各条边具有不相等的权重或强度。

2. “最优”的判定标准不同于单纯的路径长度最小化。

1. 有向网络中的最短路径

1. 字幕依据
   观察依据

   幻灯片上依次显示文字：“全局刻画”和“整体结构”。

2. 声音
   观察依据

   主讲人说：“为对网络进行全局刻画，我们通常基于路径分析与度分析”，并补充说明其目标是捕捉网络的整体结构。

视频介绍了两种宏观描述网络的方法：路径分析与度分析；它们用于概括网络的整体结构，而不仅限于局部节点的性质。

1. 目标是刻画整个网络的结构。

1. 字幕依据
   观察依据

   幻灯片上显示“网络直径”，随后显示“最长的最短路径”。

2. 声音
   观察依据

   主讲人将网络直径定义为最长的最短路径的长度，并解释其含义为：距离最远的两个节点之间的间隔。

3. 图示
   观察依据

   示例网络中显示一条标有4的橙色路径。

网络直径被定义为网络中最长的最短路径的长度。等价地，它衡量的是：在沿最短路径计算距离的前提下，彼此相距最远的一对节点之间的分离程度。

1. 该网络连通性足够强，使得所比较的节点对之间的最短路径距离有定义。

2. 距离通过最短路径来度量。

1. 有向网络中的最短路径

1. 字幕依据
   观察依据

   幻灯片上显示“特征路径长度”，随后显示“平均最短路径”。

2. 声音
   观察依据

   主讲人指出，特征路径长度即平均最短路径，也就是两个节点之间通常相隔多远。

特征路径长度被引入为全网范围内最短路径长度的平均值。它描述的是节点间典型的分离程度，而非直径所刻画的最大分离程度。

1. 该网络是连通的，因此所有节点对之间的最短路径距离均有定义。

2. 平均值取自所有互异的节点对。

1. 有向网络中的最短路径
2. 网络直径

1. 字幕依据
   观察依据

   幻灯片文字显示“度分布”。

2. 声音
   观察依据

   主讲人称，这或许是刻画网络最常用的方法，并通过统计拥有一个边、两个边、三个边……的节点数量来加以说明。

度分布记录网络中每个可能度数所对应的节点数量。在口头解释中，度被描述为与一个节点关联的边的数量。

1. 度是在网络的所有节点上进行统计的。

1. 网络的全局刻画

1. 声音
   观察依据

   主讲人指出，在有向网络中情况更为复杂，因为你无法逆着边的方向移动，因此高亮显示的路径现在成为最短路径。

2. 图示
   观察依据

   所展示的网络中各条边上均带有箭头，且有一条橙色路径被高亮显示。

在有向网络中，最短路径必须遵循边的方向；任何需要逆着箭头方向行进的路径均不被允许。

1. 该网络是有向的。

2. 路径遍历需遵循边的方向。

针对所展示的示例网络。

1. 声音
   观察依据

   主讲人指出，在加权网络中，若并非所有边都被视为同等重要，则最短路径未必是最强路径或最佳路径，因为它可能包含一条非常弱的边。

1. 该片段并未从数值上定义“最强”或“最佳”的具体含义，仅通过与“最短”的口头对比加以说明。

在加权网络中，以路径长度最小化为目标所选出的路径，可能包含一条非常弱的边，因此最短路径可能并非最强路径或最佳路径。

1. 各条边具有不相等的权重或强度。

2. 评估标准不仅考虑总长度，还涵盖强度或质量等其他因素。

存在这样一种加权网络情形：最短路径并非最佳路径。

1. 声音
   观察依据

   主讲人说：“网络直径定义为最长最短路径的长度”，随后将其解释为：距离最远的两个节点之间相隔多远。

2. 字幕依据
   观察依据

   幻灯片文字显示为“最长最短路径”。

3. 图示
   观察依据

   示例网络中展示了一条高亮路径，其标注为4。

网络直径等于最长最短路径的长度，即任意两个节点之间最大的最短路径距离。

1. 节点对之间的最短路径距离已被定义。

遍历网络中所有节点对。

1. 声音
   观察依据

   主讲人指出，特征路径长度即最短路径的平均值，也就是两个节点通常相距多远。

2. 字幕依据
   观察依据

   幻灯片文字显示为“平均最短路径”。

特征路径长度是节点对之间最短路径长度的平均值。

1. 节点对之间的最短路径距离已可供取平均。

遍历网络中的所有节点对。

1. 声音
   观察依据

   主讲人指出，若将该分布绘制在双对数坐标图上，各点往往近似落在一条直线上，表明度分布遵循幂律。

2. 图示
   观察依据

   一张双对数坐标系下的散点图被展示，其上拟合了一条直线。

1. 该陈述是经验性的且近似成立；视频片段仅凭图像并未给出严格的推导。

若将度分布绘制在对数-对数坐标轴上时，其图像大致落在一条直线上，则该分布遵循幂律。

1. 图中绘制的量是度分布。

2. 两个坐标轴均采用对数刻度。

通常而言，对于本视频所讨论的这类网络，该结论大致成立。

1. 声音
   观察依据

   说话者指出，无标度拓扑之所以被认为有趣，是因为它意味着网络具有很强的鲁棒性，即网络不易解体。

1. 视频片段中未给出鲁棒性的严格定义、失效模型或相关证明。

无标度拓扑与鲁棒性相关联，其含义是网络不易解体。

1. 该网络具有幂律度分布，因此属于无标度网络。

关于具有无标度拓扑的网络的一种定性论断。

1. 声音
   观察依据

   我们生物学中研究的几乎所有网络都存在研究偏差。这意味着，例如在研究蛋白质互作网络时，你对某个蛋白质研究得越多，就越有可能发现更多与其相关的互作关系。

2. 字幕依据
   观察依据

   研究偏差

几乎所有生物学网络都存在研究偏差，即被更深入研究的节点会拥有更多已知的互作关系。

1. 该网络是一个生物学网络，例如蛋白质互作网络。

几乎所有

1. 声音
   观察依据

   若我们考察的是无向网络，则还存在一个关于‘流动’的问题：因为在大多数情况下——比如物理意义上的蛋白质互作网络——边上并不存在信息或生物量的流动。

2. 字幕依据
   观察依据

   边上无流动

在大多数无向生物网络中（例如蛋白质物理互作网络），边之上既无信息流动，也无生物量流动。

1. 该网络是一个无向生物网络。

多数情况

1. 声音
   观察依据

   主讲人将直径定义为最长的最短路径，然后将该定义应用于示例网络。

2. 图示
   观察依据

   示例网络中显示了一条标有4的橙色路径。

1. 公式

   $$$$
   解释

   找出网络中各节点对之间的最短路径距离。

   步骤依据

   直径基于最短路径，因此成对最短距离才是相关量。

   视频直接表达
2. 公式

   $$$$
   解释

   从这些最短路径长度中选出最大值。

   步骤依据

   根据定义，直径即最长的最短路径的长度。

   视频直接表达
3. 公式

   $$4$$
   解释

   从所展示示例中高亮显示的路径上读出该数值。

   步骤依据

   图中标出了相关最长最短路径并标记为4，主讲人指出在该示例网络中其值为四。

   视频直接表达

该示例图的网络直径为4。

1. 声音
   观察依据

   主讲人将双对数图与幂律度分布联系起来。

2. 图示
   观察依据

   一幅散点图呈现在对数坐标轴上，并附有一条拟合的直线。

1. 该片段未写出从线性对数-对数形式到幂律形式的代数变换过程。

1. 公式

   $$$$
   解释

   在对数坐标轴上绘制度数与其频次的关系图。

   步骤依据

   这是该片段中明确采用的可视化方法。

   视频直接表达
2. 公式

   $$$$
   解释

   观察发现，各数据点大致落在一条直线附近。

   步骤依据

   主讲人指出，此类图像中常出现这种现象。

   视频直接表达
3. 公式

   $$P(k)\sim k^{-\gamma}$$
   解释

   将对数-对数坐标下的直线模式解释为幂律关系。

   步骤依据

   主讲人得出结论：该度数分布遵循所谓幂律。

   视频直接表达

所展示的度数分布被视为服从幂律分布，从而支持其无标度网络的分类。

1. 声音
   观察依据

   主讲人指出橙色节点有三条边，绿色节点有四条边，从而得出绿色节点的度中心性更高。

2. 图示
   观察依据

   网络图中高亮显示一个标有“3”的橙色节点和一个标有“4”的绿色节点。

在所给示例网络中，比较橙色节点与绿色节点的度中心性。

1. 一个无向网络图。

2. 橙色节点有3条边。

3. 绿色节点有4条边。

判断哪个节点的度中心性更高。

1. 公式

   $$$$
   解释

   数一数与橙色节点相连的边的数量。

   步骤依据

   度中心性的定义。

   视频直接表达
2. 公式

   $$$$
   解释

   数一数与绿色节点相连的边的数量。

   步骤依据

   度中心性的定义。

   视频直接表达
3. 公式

   $$$$
   解释

   比较两个数量：$4 > 3$。

   步骤依据

   边的数量越多，度中心性越高。

   依据视频推导

绿色节点的度中心性更高，因为它有4条边，而橙色节点只有3条边。

通过观察图示可确认边的数量。

1. 声音
   观察依据

   讲解者在展示前一网络的有向版本时，介绍入度与出度的概念。

2. 图示
   观察依据

   网络图中用箭头表示方向：橙色节点的入度为‘1’，出度为‘2’；绿色节点的入度为‘2’，出度为‘2’。

1. 橙色节点的数字从1变为2的精确视觉时间仅为近似值。

找出有向网络中橙色节点和绿色节点的入度与出度。

1. 一幅带有箭头的有向网络示意图。

2. 橙色节点初始显示为1，随后变为2。

3. 绿色节点显示为2。

确定特定节点的入度与出度。

1. 公式

   $$$$
   解释

   观察指向橙色节点的箭头，以确定其入度。

   步骤依据

   入度的定义。

   视频直接表达
2. 公式

   $$$$
   解释

   观察从橙色节点出发的箭头，以确定其出度。

   步骤依据

   出度的定义。

   视频直接表达
3. 公式

   $$$$
   解释

   观察指向绿色节点以及从绿色节点出发的箭头。

   步骤依据

   入度与出度的定义。

   视频直接表达

橙色节点的入度为1，出度为2；绿色节点的入度为2，出度为2。

通过目视检查箭头的方向和数量，可验证其与图中显示的数字一致。

1. 声音
   观察依据

   讲解者在两个橙色节点之间描出一条路径，随后指出其中一条更短的路径，称之为最短路径。

2. 图示
   观察依据

   网络图突出显示了两个橙色节点：先用橙色描出一条较长的路径，再高亮显示一条较短的路径。

1. 视频在讲解者完整说出最短路径定义前就中断了。

在网络中，找出两个特定节点之间的一条路径及最短路径。

1. 一张包含两个指定橙色节点的网络图。

找出两个橙色节点之间的一条有效路径及最短路径。

1. 公式

   $$$$
   解释

   从第一个橙色节点出发，沿一系列相连的边追踪至第二个橙色节点。

   步骤依据

   路径的定义。

   视频直接表达
2. 公式

   $$$$
   解释

   找出另一组相连的边所构成的、长度更短的序列。

   步骤依据

   路径长度的比较。

   视频直接表达

先展示一条较长的路径，再展示一条较短的路径，主讲人开始将其识别为最短路径。

通过视觉追踪高亮的边，可确认连通性及相对长度。

1. 图示
   观察依据

   展示了一个带箭头的有向网络，并用橙色高亮标出其中一条路径。

2. 声音
   观察依据

   主讲人指出，由于无法逆着边的方向移动，因此高亮标出的路径即为当前最短路径。

1. 图中未显示确切的节点标签，因此该路径无法用符号形式写出。

在所示的有向网络中，找出最短路径。

1. 展示了一个有向图。

2. 边的方向限制了移动方向。

3. 其中一条路径以橙色高亮显示。

在方向约束下，找出最短的可行路径。

1. 公式

   $$$$
   解释

   仅考虑沿箭头方向行进的路径。

   步骤依据

   讲解者明确指出：你不能逆着边的方向移动。

   视频直接表达
2. 公式

   $$$$
   解释

   比较所有可行路径，并选出高亮显示的那一条。

   步骤依据

   旁白将高亮显示的橙色路径认定为该有向网络中的最短路径。

   视频直接表达

这条高亮显示的橙色有向路径即为最短路径。

该结论与屏幕上高亮显示的路径及同步的口头解释一致。

1. 字幕依据
   观察依据

   幻灯片文字显示“加权网络”。

2. 声音
   观察依据

   主讲人指出，最短路径未必是最强或最优路径，因为它可能包含一条非常弱的边。

3. 图示
   观察依据

   同一网络以橙色高亮显示了一条路径。

1. 数值权重不可见，因此该示例仍为定性描述。

说明为何加权网络中的最短路径可能并非最优路径。

1. 各条边并不被同等看待。

2. 在示例中，某条特定路径被标为最短路径。

解释“最短”与“最强／最优”之间的区别。

1. 公式

   $$$$
   解释

   认识到加权使得边的质量不再仅取决于数量或长度。

   步骤依据

   主讲人引入了各条边不被同等看待的情形。

   视频直接表达
2. 公式

   $$$$
   解释

   注意，所高亮的最短路径可能包含一条非常弱的边。

   步骤依据

   这是旁白中给出的明确原因。

   视频直接表达
3. 公式

   $$$$
   解释

   由此得出结论：在这一替代标准下，最短并不意味着最优。

   步骤依据

   说话者直接将最短路径与最强路径或最优路径进行对比。

   视频直接表达

最短路径可能包含一条非常弱的边，因此未必是最强路径或最优路径。

该解释与口头对比及复用的网络示意图保持一致。

1. 字幕依据
   观察依据

   幻灯片上写着“网络直径”和“最长的最短路径”。

2. 图示
   观察依据

   示例网络中显示了一条标为4的橙色路径。

3. 声音
   观察依据

   说话者说：“在该示例网络中，这个值是四。”

确定所展示的示例网络的直径。

1. 直径即最长的最短路径的长度。

2. 示例网络以一条标为4的高亮路径呈现。

计算该示例的直径值。

1. 公式

   $$$$
   解释

   将直径的定义应用于该示例网络。

   步骤依据

   主讲人首先将直径定义为最长的最短路径。

   视频直接表达
2. 公式

   $$4$$
   解释

   从图中读出标有标签的最长最短路径。

   步骤依据

   橙色路径被明确标记为4，并在讲解中被认定为该示例的取值。

   视频直接表达

对应的式子为：4

图中标注的数字与讲解中所述“该示例的直径为四”一致。

1. 声音
   观察依据

   例如，若你考察的是一个蛋白质互作网络，那么你研究得越深入的蛋白质，所知晓的互作关系通常就越多。

说明研究偏差如何影响所观测到的生物网络结构。

1. 正在研究一个蛋白质互作网络。

展示研究程度与已知互作数量之间的关系。

1. 公式

   $$$$
   解释

   若某种特定蛋白质比其他蛋白质受到更深入的研究，研究人员便会发现它更多的互作关系。

   步骤依据

   说话人直接陈述。

   视频直接表达

由于研究偏差，被研究得更多的蛋白质会显得拥有更多互作关系。

原始资料中未展示任何验证步骤。

1. 图示
   观察依据

   标题页显示“网络分析”、作者姓名以及一幅彩色网络图。

1. 标题文字

2. 作者姓名

3. 网络图

1. 静态图像

为网络分析讲座设定背景。

1. 图示
   观察依据

   网络图出现。橙色节点被高亮并标有数字3。绿色节点被高亮并标有数字4。

1. 网络图

2. 橙色节点

3. 绿色节点

4. 数字3和4

1. 节点按顺序高亮显示。

2. 数字出现在节点旁。

1. 底层网络结构保持不变。

通过展示边的数量，直观地阐释度中心性概念。

1. 图示
   观察依据

   网络图变为包含箭头的形式。数字‘1’和‘2’出现在橙色节点附近，‘2’出现在绿色节点附近。

1. 数字变化的确切时间仅为近似值。

1. 有向网络图

2. 箭头

3. 数字1和2

1. 边被赋予方向（用箭头表示）。

2. 数字更新以反映入度与出度。

1. 节点位置大致保持不变。

说明有向图中入度与出度的区别。

1. 图示
   观察依据

   显示两个橙色节点，一条经由中间节点连接它们的路径以橙色高亮；随后一条更短的路径被高亮。

1. 网络图

2. 两个橙色节点

3. 高亮的路径

1. 特定边被高亮以追踪一条路径。

2. 另一组边被高亮，用于表示一条更短的路径。

1. 网络结构保持不变。

阐释了路径的概念，并引出最短路径的思想。

1. 字幕依据
   观察依据

   幻灯片依次呈现“最短路径”“有向网络”和“加权网络”。

2. 图示
   观察依据

   展示了一个带有橙色高亮路径的有向网络，随后在讨论权重时复用该图。

1. 标题幻灯片

2. 有向网络示意图

3. 橙色高亮路径

1. 幻灯片主题从最短路径变为有向网络，再变为赋权网络。

2. 同一张网络图被重复使用，而口头讲解则从方向约束转向边权重。

1. 在两次讨论中，底层的节点与边布局在视觉上保持相似。

2. 高亮路径始终保持橙色。

这些视觉元素有助于对比两类概念：定义最短路径或最优路径时，一类是结构性约束（方向），另一类是度量性或定性化的边差异（权重）。

1. 图示
   观察依据

   示例网络中，一条橙色路径上方标有数字4。

1. 示例网络

2. 橙色路径

3. 数字4

1. 为高亮路径添加了数字标签4。

1. 网络拓扑结构本身保持不变。

2. 高亮显示的路径仍为关注焦点。

该标签通过表明本例中最长的最短路径长度为4，使直径的抽象定义具体化。

1. 图示
   观察依据

   在对数-对数坐标轴上展示了一张带拟合直线的散点图。

2. 声音
   观察依据

   主讲人指出，在对数-对数图中，数据点常落在一条直线上，表明存在幂律关系。

1. 坐标轴刻度标签过小，无法可靠转录。

1. 散点图

2. 拟合直线

3. 对数坐标轴

1. 演示文稿从文字幻灯片切换为实证图表。

1. 该图表用于表示度分布。

2. 直线模式是关键的视觉特征。

对数坐标轴上近似线性的模式被用作视觉证据，表明度分布遵循幂律。

1. 图示
   观察依据

   文字叠加层依次出现在屏幕左侧，突出显示关键术语，例如“注意事项”“研究偏差”“已知相互作用”“研究更充分的蛋白质”“度中心性”“研究充分性”“并非重要性”“无标度拓扑”“科研经费”“并非生物网络”“无向网络”“边上无流向”“路径概念”“介数中心性”以及“生物学上无意义”。

1. 文字叠加层

1. 新的文字短语出现并替换先前的内容，以强调说话人当前所阐述的观点。

1. 说话人始终可见于屏幕右侧。

这些视觉辅助手段通过展示每项论证的核心术语与结论，强化了口头表达的概念。

1. 声音
   观察依据

   主讲人强调，在有向网络中，你不能逆着边的方向移动。

在有向网络中，若忽略箭头方向，可能错误地计算出最短路径。

在有向网络中，允许的路径必须遵循边的方向性，这可能导致最短路径发生变化。

1. 声音
   观察依据

   主讲人警告说，在加权网络中，最短路径未必是最强或最优的路径。

人们可能认为总长度最小的路径自动就是最强或最优的连接。

当边的权重或强度不同时，一条最短路径仍可能包含一条非常弱的边，因此在另一标准下未必是最优路径。

1. 声音
   观察依据

   主讲人明确定义直径为最长最短路径的长度，进而解释为距离最远的两个节点之间的距离。

人们可能认为直径只是网络中某条长路径的长度。

直径并非任意一条长路径，而是所有节点对之间最短路径距离中的最大值。

1. 声音
   观察依据

   演讲者在此片段中宣称无标度网络具有鲁棒性，但并未给出形式化的论证。

1. 这一警示由分析者添加，并非视频中明确指出的误解。

观众可能推断该片段已形式化地证明了无标度网络为何具有鲁棒性。

视频仅在此片段中定性地陈述了鲁棒性主张，未提供任何失效模型或证明。

1. 声音
   观察依据

   正因如此，度中心性实际上可能更多地衡量的是某蛋白质的〔studiedness〕，而非其真实的生物学〔importance〕。

2. 字幕依据
   观察依据

   并非重要性

假设生物网络中较高的度中心性直接表明该节点具有生物学重要性。

较高的度中心性或许仅仅意味着该节点被研究得更多，从而导致已知相互作用数量更多（研究偏差）。

1. 声音
   观察依据

   类似地，无标度拓扑可能更多地反映了〔science funding〕……而非生物网络的实际拓扑结构。

2. 字幕依据
   观察依据

   并非生物网络

认为生物网络的无标度拓扑是生物系统自身固有的属性。

所观察到的无标度拓扑可能是科研经费分配方式造成的人为现象，即经费集中投向少数蛋白质的研究。

1. 声音
   观察依据

   这意味着‘路径’这一概念以及介数中心性实际上可能在生物学上毫无意义。

2. 字幕依据
   观察依据

   在生物学上毫无意义

将介数中心性直接应用于无向生物网络，却未考虑其中是否真实存在流动。

如果信息或生物量并未沿边实际流动，那么‘路径’这一概念以及由此导出的介数中心性，在生物学上就可能毫无意义。

1. 声音
   观察依据

   主讲人从一般的度中心性过渡到有向网络，指出情况会变得更加复杂。

通过将度中心性拆分为入度和出度，将其概念推广至有向网络。

1. 声音
   观察依据

   主讲人将介数中心性作为另一种常用的中心性度量指标加以介绍。

介数中心性是一种特定的中心性度量指标，与度中心性不同。

1. 声音
   观察依据

   主讲人指出介数由最短路径的数量来定义，从而引出路径分析这一主题。

理解介数中心性需要借助路径分析的概念，特别是最短路径。

1. 声音
   观察依据

   演讲者从一般性短语“最短路径”过渡到有向网络示例，并解释方向如何改变答案。

有向网络的讨论与后续加权网络的讨论形成对比：前者受限于边的方向而影响可行性；后者则因边的权重不等而使最优性变得复杂。

1. 声音
   观察依据

   在引入全局表征后，演讲者指出，最简单可考察的指标是基于网络直径的规模。

网络直径被呈现为全局网络表征这一更广泛纲领中，一种具体的、基于路径的度量。

1. 声音
   观察依据

   演讲者将直径（最长的最短路径）与特征路径长度（平均最短路径）进行对比。

2. 字幕依据
   观察依据

   幻灯片标题从“最长最短路径”切换为“平均最短路径”。

这两个量都用于概括节点对之间的最短路径距离，但直径采用其中的最大值，而特征路径长度则采用平均值。

1. 声音
   观察依据

   主讲人将度分布介绍为刻画网络的另一种方式，或许也是最常见的方式。

度分布是全局刻画工具之一，与基于路径的测度并列。

1. 声音
   观察依据

   主讲人首先定义度分布，然后指出将其以双对数形式绘图时常呈现出一条直线，表明存在幂律关系。

采用双对数绘图法分析度分布，目的是检验其是否具有幂律特征。

1. 声音
   观察依据

   主讲人指出，由于该网络的度分布遵循幂律，因此它是一个无标度网络。

在本片段中，度分布是否服从幂律被用作判定该拓扑结构是否为无标度网络的标准。

1. 声音
   观察依据

   正因如此，度中心性实际上可能更多地衡量了一种蛋白质被研究的程度……

研究偏差直接影响度中心性的解读，使其更可能反映的是被研究程度，而非生物学重要性。

1. 声音
   观察依据

   类似地，无标度拓扑可能更多地反映了科研经费的……

由资金驱动的研究偏差可能导致观测到的生物网络呈现出人为的无标度拓扑结构。

1. 声音
   观察依据

   这意味着，路径这一概念以及介数中心性实际上可能在生物学上毫无意义。

无向网络中缺乏实际流动，使得介数中心性在生物学上可能毫无意义。

1. 声音
   观察依据

   主讲人定义度中心性。

1. 度中心性

1. 声音
   观察依据

   主讲人解释入度与出度。

1. 有向网络中的度

1. 声音
   观察依据

   主讲人定义介数中心性。

1. 介数中心性

1. 声音
   观察依据

   主讲人定义路径。

1. 路径分析

1. 声音
   观察依据

   主讲人解释，方向约束使得高亮显示的路线成为最短路径。

1. 有向网络中的最短路径

1. 声音
   观察依据

   主讲人将加权网络中的最短路径与最强路径或最优路径进行对比。

1. 加权网络中的最短路径与最优路径

1. 声音
   观察依据

   主讲人将直径定义为最长的最短路径，并将其解释为距离最远的两个节点之间的距离。

1. 网络直径

1. 图示
   观察依据

   示例网络中展示了一条高亮标注为4的路径。

2. 声音
   观察依据

   主讲人说：“在该示例网络中，这个值是四。”

1. 网络直径

1. 声音
   观察依据

   主讲人区分了平均最短路径与最长最短路径。

1. 特征路径长度
2. 网络直径

1. 声音
   观察依据

   主讲人通过统计具有一条、两条、三条等边的节点来解释度分布。

1. 度分布

1. 声音
   观察依据

   主讲人指出，对数-对数坐标图中的一条直线表明度分布服从幂律。

2. 图示
   观察依据

   一幅散点图在对数-对数坐标轴上呈现，并附有一条拟合直线。

1. 在对数-对数图中观察到的幂律型度分布

1. 声音
   观察依据

   主讲人指出，无标度拓扑结构之所以有趣，是因为该网络具有很强的鲁棒性，不易瓦解。

1. 无标度拓扑与鲁棒性