지역 네트워크 모티프 탐지를 위한 통계적 방법론

초록

본 논문은 네트워크 내에서 작은 서브그래프가 국소적으로 과다하게 나타나는지를 정량화하는 새로운 통계량을 제안한다. 시뮬레이션에 의존하지 않고 정확한 p‑값을 계산함으로써 기존 방법의 한계를 극복하고, 실제 생물학적 네트워크에 적용해 알려진 기능적 모티프를 성공적으로 재현한다. 또한 모티프 내 각 정점의 역할을 추정하는 부가 정보를 제공한다.

상세 분석

이 연구는 “모티프”를 전역적인 빈도 과잉이 아니라, 특정 정점 주변에서의 국소적 과잉으로 정의한다는 점에서 기존 문헌과 차별화된다. 저자들은 먼저 네트워크 G=(V,E)를 고정된 차수 분포를 유지하는 무작위 그래프 모델(구성 모델) 하에 놓고, 임의의 k‑노드 서브그래프 H에 대해 각 정점 v∈V가 H의 중심(또는 일부 역할)으로 등장할 확률을 구한다. 이를 위해 H가 v의 r‑hop 이웃 안에 포함될 경우의 사건을 “국소 발생(local occurrence)”이라 정의하고, 해당 사건 수 X_v를 포아송 근사법을 이용해 기대값 λ_v와 분산을 추정한다.

핵심 통계량은
\