复杂系统与网络的数学表示17 / 17
适用范围与常见误用
- 误区：网络就是一张好看的图，画出来就算做了网络分析。→ 正解：可视化只是起点，节点位置和边的长短在大多数布局算法中没有含义。网络分析的核心是用定量指标（度分布、路径、聚类、社团、中心性）描述结构，并与合适的零模型比较。
- 误区：网络中的边都表示因果作用。→ 正解：PPI 的边是物理结合，GRN 的边是调控（有方向），功能连接和症状网络的边常是统计关联。不能把相关网络的边直接解释为“A 导致 B”。
- 误区：一个生物系统只对应一张“正确”的网络。→ 正解：节点粒度、边的证据类型、阈值和权重的选择都会改变网络，进而改变指标。好的研究会报告这些选择并做敏感性分析。
- 误区：邻接矩阵总是对称的。→ 正解：只有无向图的邻接矩阵对称；有向图（如基因调控网络）的 与 一般不同，入度和出度要分别计算。并且要确认所用文献或软件中 表示 还是 。
- 误区：负权重取绝对值即可。→ 正解：在调控网络和偏相关网络中，符号携带机制信息。取绝对值会把抑制当作激活、把负相关当作正相关；许多指标（如加权聚集系数、模块度）对负权重需要专门的定义。
- 误区：二分网络投影后的网络可以像普通网络一样分析。→ 正解：投影会丢失信息、人为抬高聚集系数，并让高度节点主导结构。应优先在二分网络上直接分析，或使用与投影相匹配的零模型。
- 误区：把多层网络各层相加、把时间网络聚合、把超图做团展开，不影响结论。→ 正解：这些降维会丢失“哪种关系”“发生顺序”“是否同时参与”的信息，可能高估可达性和聚集。至少应把聚合结果与分层或时间分辨的结果对照。
- 误区：从数据库下载的边列表就是“那张网络”。→ 正解：同一数据库的不同版本、不同证据过滤阈值、不同 ID 映射会得到差别显著的网络。要记录版本、阈值、映射工具，并保存孤立节点。