论随机图的演化
On the evolution of random graphs
Erdős P, Rényi A
让随机图的边数逐渐增加，系统刻画各种结构在何时“突然”出现，发现巨连通分支在平均度为 1 处涌现。
文献知识库
按科学主题检索的论文精读：每篇解释研究问题、研究设计、核心方法、主要结论、证据强度与局限，并链接到对应的理论专题。收录奠定这一领域的经典论文与近年的代表性研究。
一组基于“介于性”的中心性度量
A set of measures of centrality based on betweenness
Freeman LC
用“一个节点落在多少对节点的最短路径上”来定义中心性，给出节点介数、标准化介数和整个网络的中心化指标。
“小世界”网络的集体动力学
Collective dynamics of 'small-world' networks
Watts DJ, Strogatz SH
用随机重连在规则网格与随机图间插值，发现少量捷径即可使网络兼具高聚类与短路径，并在真实网络中验证。
随机网络中标度律的涌现
Emergence of scaling in random networks
Barabási A-L, Albert R
报告多个真实网络的度分布尾部近似幂律，并提出“增长 + 优先连接”模型，用平均场方法推出指数 γ=3。
相关专题：小世界与无标度网络模型 生物分子网络与拓扑特征
复杂网络对随机故障与蓄意攻击的耐受性
Error and attack tolerance of complex networks
Albert R, Jeong H, Barabási A-L
比较随机图与无标度网络在随机删点和按度删点下的直径与碎裂过程，发现无标度网络“耐随机故障、怕蓄意攻击”。
相关专题：网络可控性与稳定性 小世界与无标度网络模型
蛋白质网络中的致死性与中心性
Lethality and centrality in protein networks
Jeong H, Mason SP, Barabási A-L, Oltvai ZN
在酵母蛋白质相互作用网络中发现度分布重尾，且度越高的蛋白敲除后越可能致死，提出“致死性–中心性”关系。
无标度网络上的流行病传播
Epidemic spreading in scale-free networks
Pastor-Satorras R, Vespignani A
用异质平均场分析无标度网络上的 SIS 模型，发现流行病阈值消失，解释了计算机病毒长期低水平流行的现象。
相关专题：网络上的传播与免疫 小世界与无标度网络模型
社会网络与生物网络中的社团结构
Community structure in social and biological networks
Girvan M, Newman MEJ
提出按边介数反复删边的分裂式社团发现算法，在人工网络、空手道俱乐部和食物网等数据上找到了有意义的社团。
网络基序：复杂网络的简单构件
Network motifs: simple building blocks of complex networks
Milo R, Shen-Orr S, Itzkovitz S, Kashtan N, Chklovskii D, Alon U
把“在真实网络中出现次数显著多于随机网络的小子图”定义为网络基序，发现不同领域的网络各有特征性基序。
大肠杆菌转录调控网络中的网络基序
Network motifs in the transcriptional regulation network of Escherichia coli
Shen-Orr SS, Milo R, Mangan S, Alon U
在大肠杆菌转录调控网络中发现前馈环、单输入模块、密集重叠调控子三类富集基序。
计算机网络与人群的高效免疫策略
Efficient immunization strategies for computer networks and populations
Cohen R, Havlin S, ben-Avraham D
提出“随机选人、给他随机提名的熟人接种”的熟人免疫策略，不需全局信息即可大幅降低阻断流行所需的接种比例。
复杂网络的结构与功能
The structure and function of complex networks
Newman MEJ
网络科学第一个十年的系统综述：真实网络的统计特征、随机图与增长模型、网络上的渗流与传播。
酵母蛋白质相互作用网络中动态组织的模块性证据
Evidence for dynamically organized modularity in the yeast protein–protein interaction network
Han J-DJ, Bertin N, Hao T, Goldberg DS, Berriz GF, Zhang LV, et al.
结合共表达把酵母互作组枢纽分为 party hub 与 date hub，提出动态组织的模块性。
加权基因共表达网络分析的一般框架
A general framework for weighted gene co-expression network analysis
Zhang B, Horvath S
提出用“软阈值”把基因间相关转为连续连接权重，构建加权共表达网络，并把连接度、拓扑重叠、聚集系数推广到加权情形。
网络中的模块度与社团结构
Modularity and community structure in networks
Newman MEJ
把模块度写成模块度矩阵的二次型，按其主特征向量的正负号二分网络，得到快速而高质量的社团发现算法。
相关专题：社团结构与社区发现
人类疾病网络
The human disease network
Goh K-I, Cusick ME, Valle D, Childs B, Vidal M, Barabási A-L
用 OMIM 疾病–基因关联构建疾病网络，发现疾病共享遗传根源、按类别聚集，多数遗传病基因位于网络外围。
复杂网络中的同步
Synchronization in complex networks
Arenas A, Díaz-Guilera A, Kurths J, Moreno Y, Zhou C
系统综述网络拓扑如何影响同步：Kuramoto 模型的同步起点与路径、主稳定函数与可同步性及应用。
大规模网络中社团的快速展开
Fast unfolding of communities in large networks
Blondel VD, Guillaume J-L, Lambiotte R, Lefebvre E
提出“局部移动 + 聚合”反复迭代的模块度优化算法（Louvain），在上亿节点的网络上几小时内完成社团发现。
相关专题：社团结构与社区发现
绘制人类大脑皮层的结构核心
Mapping the structural core of human cerebral cortex
Hagmann P, Cammoun L, Gigandet X, Meuli R, Honey CJ, Wedeen VJ, et al.
用弥散谱成像构建全皮层高分辨率结构网络，发现位于后内侧与顶叶皮层的结构核心，并显示结构连接强度能预测静息态功能连接。
相关专题：脑连接组：结构与功能连接 动态功能连接与多层脑网络
复杂脑网络：结构与功能系统的图论分析
Complex brain networks: graph theoretical analysis of structural and functional systems
Bullmore E, Sporns O
系统梳理用图论分析脑结构与功能网络的流程与发现，总结小世界、枢纽、模块化等跨尺度、跨模态反复出现的特征。
经验数据中的幂律分布
Power-law distributions in empirical data
Clauset A, Shalizi CR, Newman MEJ
提出最大似然拟合、KS 选下界、自助法检验与似然比比较的幂律分析流程，并重新检验了 24 个数据集。
相互依存网络中的灾难性级联失效
Catastrophic cascade of failures in interdependent networks
Buldyrev SV, Parshani R, Paul G, Stanley HE, Havlin S
两个相互依赖的网络中，失效会来回传递并引发突变式崩溃；与单一网络相反，度分布越宽，相互依存网络越脆弱。
相关专题：网络可控性与稳定性 小世界与无标度网络模型
识别复杂网络中的关键传播者
Identification of influential spreaders in complex networks
Kitsak M, Gallos LK, Havlin S, Liljeros F, Muchnik L, Stanley HE, et al.
发现单个传播源的影响力更取决于它在 k-壳分解中所处的层次，而不是度或介数；多个传播源还需彼此分散。
相关专题：网络上的传播与免疫 网络结构指标与随机图
脑连接的复杂网络指标：用法与解读
Complex network measures of brain connectivity: uses and interpretations
Rubinov M, Sporns O
按神经科学含义整理脑网络常用图论指标及其解读，并发布 Brain Connectivity Toolbox。
网络医学：基于网络理解人类疾病
Network medicine: a network-based approach to human disease
Barabási A-L, Gulbahce N, Loscalzo J
纲领性综述：疾病很少源于单个基因，而是细胞分子网络的扰动；系统梳理网络医学的核心假设、疾病基因预测方法与疾病间关系网络。
复杂网络的可控性
Controllability of complex networks
Liu Y-Y, Slotine J-J, Barabási A-L
把结构可控性转化为最大匹配，算出最少驱动节点数，发现其主要由度分布决定，且驱动节点倾向于避开枢纽。
相关专题：网络可控性与稳定性
人类连接组的富人俱乐部组织
Rich-club organization of the human connectome
van den Heuvel MP, Sporns O
在 21 人结构网络中发现 12 个双侧枢纽互连远超随机预期，构成承担全局通信的富人俱乐部。
相关专题：脑连接组：结构与功能连接 网络可控性与稳定性
群体智慧实现稳健的基因调控网络推断
Wisdom of crowds for robust gene network inference
Marbach D, Costello JC, Küffner R, Vega NM, Prill RJ, Camacho DM, et al.; DREAM5 Consortium
DREAM5 挑战对 35 种网络推断方法做盲评，发现没有单一方法始终最优，而整合多种方法的“社区网络”最稳健。
网络分析：理解精神病理结构的整合性方法
Network analysis: an integrative approach to the structure of psychopathology
Borsboom D, Cramer AOJ
系统阐述把精神障碍看作症状之间因果相互作用的网络观点，综述症状网络的构建、分析和模拟方法及其临床意义。
相关专题：症状网络与网络精神病学 网络可控性与稳定性
动态功能连接：希望、问题与解释
Dynamic functional connectivity: promise, issues, and interpretations
Hutchison RM, Womelsdorf T, Allen EA, Bandettini PA, Calhoun VD, Corbetta M, et al.
综述动态功能连接的证据与方法，系统指出窗口、噪声、统计检验和神经解释上的问题。
相关专题：动态功能连接与多层脑网络 脑连接组：结构与功能连接
结构脑网络的可控性
Controllability of structural brain networks
Gu S, Pasqualetti F, Cieslak M, Telesford QK, Yu AB, Kahn AE, et al.
把线性控制理论用于人脑结构网络，提出平均、模态、边界三种区域可控性及其系统分布。
相关专题：网络可控性与稳定性 脑连接组：结构与功能连接
借助不完整的相互作用组揭示疾病之间的关系
Uncovering disease-disease relationships through the incomplete interactome
Menche J, Sharma A, Kitsak M, Ghiassian SD, Vidal M, Loscalzo J, et al.
给出不完整互作组中疾病模块可被观测的条件，提出网络分离度，用以预测疾病间的生物与临床相似性。
基于网络的药物疗效计算机筛选
Network-based in silico drug efficacy screening
Guney E, Menche J, Vidal M, Barabási A-L
提出校正度偏倚的药物–疾病网络邻近度，发现有效药物的靶点更靠近疾病基因。
网络控制原理预测秀丽隐杆线虫连接组中的神经元功能
Network control principles predict neuron function in the Caenorhabditis elegans connectome
Yan G, Vértes PE, Towlson EK, Chew YL, Walker DS, Schafer WR, et al.
用目标可控性分析线虫连接组，预测运动控制所需的神经元，并以单神经元消融实验验证 PDB 与 DD04/DD05。
相关专题：网络可控性与稳定性 脑连接组：结构与功能连接
心理网络的估计及其准确性：教程
Estimating psychological networks and their accuracy: a tutorial paper
Epskamp S, Borsboom D, Fried EI
提出检验症状网络边权准确性与中心性稳定性的 bootstrap 流程和 CS 系数（R 包 bootnet）。
相关专题：症状网络与网络精神病学
无标度网络是罕见的
Scale-free networks are rare
Broido AD, Clauset A
用严格的统计检验分析 928 个真实网络数据集，发现强无标度结构很少见，对数正态往往拟合得同样好或更好。
相关专题：小世界与无标度网络模型
输入图：控制复杂网络的隐藏几何结构
Input graph: the hidden geometry in controlling complex networks
Zhang X, Lv T, Pu Y
用"控制邻接"构造输入图，证明交换定理并把节点控制类型归结为输入图的连通分支，解释了稠密网络的控制双峰现象。
相关专题：网络可控性与稳定性
寻找控制复杂网络的全部可能输入节点的高效算法
An efficient algorithm for finding all possible input nodes for controlling complex networks
Zhang X, Han J, Zhang W
证明只需一个最大匹配及其交替路径即可找出全部可能输入节点，把复杂度降到与最大匹配相同，并输出每个输入节点的替代节点集。
相关专题：网络可控性与稳定性
癌症维持基因作为治疗靶点
Cancer-keeper genes as therapeutic targets
Zhang X, Pan C, Wei X, Yu M, Liu S, An J, et al.
提出在所有控制方案中都处于控制路径中间的控制枢纽，用作癌症维持基因，并在膀胱癌细胞和小鼠模型中检验部分候选。
精神病理学网络分析中的模块控制
Module control of network analysis in psychopathology
Pan C, Zhang Q, Zhu Y, Kong S, Liu J, Zhang C, et al.
用最小支配集在模块尺度分析症状网络的控制关系，发现 2773 名大学新生中睡眠、压力模块结构上控制情绪模块。
动态网络的自适应控制
Adaptive Control of Dynamic Networks
Pan C, Zhang X, Zheng H, Zhang Y, Su Z, Zhang C, et al.
在只知道历史拓扑的条件下，为动态网络每个快照实时选取驱动节点，并使前后驱动节点尽量一致以降低切换代价。
相关专题：网络可控性与稳定性
共同接收者中的突触组织预测输入神经元之间的连接
Synaptic organization in shared receivers predicts connectivity between input neurons
Zhang X
在两个成年果蝇连接组中，相连输入源的突触在共同接收神经元上靠得更近，这种空间信息可帮助预测未见过的输入神经元之间的连接。
语言模型的稀疏内部控制
Sparse Internal Control of Language Models
Zhang X
把目标控制的思想用到冻结语言模型内部：选少数内部站点做推理时干预来驱动目标行为，并用六轴协议区分哪些控制性质成立。
相关专题：网络可控性与稳定性