分子生物网络分析-第1章-生物分子网络基础.ppt
《分子生物网络分析-第1章-生物分子网络基础.ppt》由会员分享，可在线阅读，更多相关《分子生物网络分析-第1章-生物分子网络基础.ppt（136页珍藏版）》请在冰点文库上搜索。
第一章生物分子网络基础,教师：
崔颖办公室：
外语学馆412室,上节回顾,一、网络与网络科学的定义二、网络科学历史三、网络科学与多学科的交叉融合四、网络科学研究方法及体系结构框架（）五、网络科学的子学科（）六、网络的分类方法（）七、分子生物网络基础理论（）1分子生物网络的基本概念（）分子生物网络;分子生物网络分析2分子生物网络的分类（）（信号转导网络、基因调控网络、疾病基因网络、代谢网络、表观遗传调控网络）,主要内容,1.1复杂网络的基本概念1.2复杂网络研究简史1.3网络的基本概念1.4复杂网络的拓扑特性1.5拓扑属性的补充定义,1.1复杂网络的基本概念,1.1.1复杂网络定义1.1.2复杂性的主要表现,1.1.1复杂网络定义,钱学森给出了复杂网络的一个较严格的定义：
具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。
在网络理论的研究中，复杂网络是由数量巨大的节点和节点之间错综复杂的关系共同构成的网络结构。
用数学的语言来说，就是一个有着足够复杂的拓扑结构特征的图。
复杂网络的研究是现今科学研究中的一个热点，与现实中各类高复杂性系统，如互联网网络、神经网络和社会网络的研究有密切关系。
1.1.2复杂性的主要表现,结构复杂性节点复杂性网络进化性连接多样性动力学复杂性多重复杂性融合,1.1.2复杂性的主要表现,
（1）结构复杂性:
表现在节点数目巨大，网络结构呈现多种不同特征。
（2）节点复杂性:
表现在网络节点的多样性。
复杂网络中的节点可以代表任何事物，例如，人际关系构成的复杂网络节点代表单独个体，万维网组成的复杂网络节点可以表示不同网页。
1.1.2复杂性的主要表现,1.1.2复杂性的主要表现,1.1.2复杂性的主要表现,（3）网络进化性:
表现在节点或连接的产生与消失。
例如world-widenetwork，网页或链接随时可能出现或断开，导致网络结构不断发生变化。
（4）连接多样性:
节点之间的连接权重存在差异，且有可能存在方向性。
1.1.2复杂性的主要表现,1.1.2复杂性的主要表现,1.1.2复杂性的主要表现,（5）动力学复杂性：
节点集可能属于非线性动力学系统，例如节点状态随时间发生复杂变化。
（6）多重复杂性融合：
即以上多重复杂性相互影响，导致更为难以预料的结果。
例如，设计一个电力供应网络需要考虑此网络的进化过程，其进化过程决定网络的拓扑结构。
当两个节点之间频繁进行能量传输时，他们之间的连接权重会随之增加，通过不断的学习与记忆逐步改善网络性能.,1.2复杂网络研究简史,1.2.1七桥问题1.2.2随机图理论1.2.3小世界实验1.2.4弱连接强度1.2.5复杂网络研究的新纪元,1.2.1七桥问题,1.2.1七桥问题,七桥图论复杂网络,欧拉对七桥问题的抽象和论证思想，开创了数学中的一个分支图论（graphtheory）的研究。
因此欧拉被公认为图论之父，此图也被称为欧拉图。
复杂网络的研究与欧拉当年关于七桥问题的研究在某种程度上是一脉相承的，即网络结构与网络性质密切相关。
1.2.2随机图理论,20世纪60年代匈牙利数学家Erds和Rnyi建立了随机图理论，被公认为是在数学上开创了复杂网络理论的系统性研究。
Erds和Rnyi研究的随机模型（ER随机图）中，任意两个节点之间有一条边的概率是p。
保罗埃尔德什（1913-1996）匈牙利籍犹太人。
数学天才：
3岁已能解算3位数的乘法；4岁时独自发现了负数数学苦行僧：
无妻儿，“私有财产就是累赘”；工作狂，“坟墓里有的是休息时间”最多产的数学家：
1475篇高水平学术论文；“我的大脑敞开了”；“另一个屋檐，另一个证明”。
1.2.2随机图理论,如痴如醉，素数理论、不定方程、组合论、概率论、数学分析和集合论等多个数学分支都做了大量创新性的工作。
我的大脑敞开着和数字情种,1.2.2ER随机图,一个含有N个节点的ER随机图边的总数期望值为p（N*（N-1）/2）。
进一步推断要产生一个含有N个节点M条边的ER随机图概率为pM（1-p）N（N-1）/2-M。
1.2.2ER随机图（N）,Erds和Rnyi系统研究了当N时ER随机图的性质（如连通性等）与概率p之间的关系。
几乎每一个ER随机图都具有某种性质Q，如果当N时产生具有这种性质Q的ER随机图的概率为1。
1.2.2ER随机图（概率p）,Erds和Rnyi的最重要的发现是：
ER随机图的许多重要的性质都是突然涌现的。
对于任一给定的概率p，要么几乎每一个图都具有某个性质Q（如：
连通性），要么几乎每一个图都不具有该性质。
随机图复杂网络,在20世纪的后40年中，随机图理论一直是研究复杂网络的基本理论。
在此期间，人们也做了试图解释社会网络的一些实验。
下面介绍的小世界实验。
1.2.3小世界实验,一个社会网络就是一群人或团体按某种关系连接在一起而构成的一个系统。
这里的关系可以多种多样，朋友关系合作关系联姻关系商业关系等等。
对于世界上任意两个人来说，借助第三者、第四者这样的间接关系来建立起他们两人的联系，平均需要通过多少人呢？
1.2.3小世界实验,1.2.3小世界实验,Milgram（1933-1984）的小世界实验上世纪60年代哈佛大学社会心理学家StanleyMilgram：
世界上任意两个人平均距离是6。
六度分离（Sixdegreesofseparation）,1.2.3小世界实验,选定两个目标：
美国马萨诸塞州沙朗的一位神学院研究生的妻子；波士顿的一个证券经纪人。
在堪萨斯州和内布拉斯加州招募志愿者。
通过自己认识的人，用自己尽可能少的传递次数设法将信转交到一个给定的目标对象手中。
利用3步：
堪萨斯州的一位农场主圣公会的教父沙朗的同事研究生妻子。
实验的结果从某种程度上反应了人际关系的“小世界”特征。
1.2.3小世界实验,六度分离理论告诉我们，有时候小数字，却蕴含着巨大的威力。
例：
如果你想象一下把一张足够大的纸对折50次，会有多高？
就算你的一张纸厚只有0.1毫米.那对折50次的高度就是：
0.1*250，也就是2,2518万千米，比太阳与地球相距的最远距离1,5210万千米还要多近1亿千米。
1.2.3小世界实验,六度分离理论能给我们带来什么？
首先，社交网络的发展是与其密不可分的。
其次，它告诉我们每一个人要充分相信和利用自己的人脉。
因为，只需要小小的六步，它可以让你认识这个地球的每一个人。
希望大家将来在实际生活和工作中充分利用这种理论。
1.2.3小世界实验-Bacon游戏,KevinBacon（凯文贝肯:
美国著名演员）,凯文贝肯，美国电影演员。
作品较多，1958年生于宾夕法尼亚州的费城。
1978年出演第一部电影动物屋，1980年出演了电影13号星期五。
与西恩佩恩、方基墨合作的百老汇舞台剧SlabBoys最让人难忘。
代表作有浑身是劲、刺杀肯尼迪、义海雄风、阿波罗13号、沉睡者、神秘河等。
1.2.3小世界实验-Bacon游戏,KevinBacon游戏：
如果一个人跟KevinBacon演过电影，他的Bacon数就是1，如果一个人跟KevinBacon演过电影的人演过电影，他的Bacon数就是2，以此类推。
成龙的Bacon数为2,比如成龙演了AroundtheWorldin80Days（2004年），其中有LukeWilson，而LukeWilson演了MyDogSkip（2000年），其中就有KevinBacon。
所以成龙的Bacon数是2。
1.2.3小世界实验-Bacon游戏,表1-1是对近60万个演员所做的统计，左边是Bacon数，右边是具有这个Bacon数的演员个数。
可以看到最大的Bacon数是仅仅是8，而平均Bacon数仅为2.994.,1.2.3小世界实验,科研学术合作网络之间也存在小世界特性Internet上的小世界实验,1.2.3小世界实验,美国哥伦比亚大学社会学系任教的Watts组建小世界项目网络，开始在世界范围内进行一个检验六度分离假说的网上在线实验。
选定一些目标对象。
志愿者的任务就是把一条消息用电子邮件的方式传到目标对象那里。
在一年多的时间，共有13个国家的18名目标对象，166个国家和地区的6万多名志愿者参加实验。
最后有384个志愿者的电子邮件抵达了目的地。
其中每封邮件平均转了57次，即可达到目标对象。
但这项研究也存在一些不可控的因素。
志愿者的朋友对于该实验可能没有兴趣。
对陌生电子邮件往往抱有戒心。
致使实验进行得比较困难。
1.2.4弱连接的强度,1.2.4弱连接的强度,弱连接:
弱连接则较能够在不同的团体间传递非重复性的讯息，使得网络中的成员能够增加修正原先观点的机会。
强连接:
强连接关系通常代表着行动者彼此之间具有高度的互动，在某些存在的互动关系型态上较亲密。
1.2.4弱连接的强度,MarkGranovetter发表了一篇弱连接的强度（StrengthofWeakTies）的论文。
人们在找工作的时候是靠亲戚朋友还是通过各种招聘广告？
MarkGranovetter在波士顿采访了近100人，并向200多人发出了问卷。
结论：
那些关系紧密的朋友（强连接）反倒没有那些关系一般的甚至偶尔见面的朋友（弱连接）更能够发挥作用。
1.2.4弱连接的强度,例如：
Edward高中认识的一个女孩邀请他参加一个聚会，在聚会上认识了一位女孩姐姐男朋友三年后，Edward辞去工作，在住所当地遇到了这位只有一面之交的朋友，他说所在公司需要一个制图员，结果Edward顺利被聘用了这篇论文被认为是有史以来最有影响的社会学论文之一。
1.2.5复杂网络研究的新纪元,虽然随机图理论是研究复杂网络结构的基本理论；然而大多数实际的复杂网络结构并不是完全随机的。
如两个人是不是朋友等等。
人们对复杂网络的科学探索发生了重大的转变：
从物理学到生物学等复杂网络,1.2.5复杂网络研究的新纪元,标志性论文：
1、“小世界”网络的集体动力学-美国康奈尔大学Watts和Strogatz-Nature，1998.62、随机网络中标度的涌现-美国圣母大学Barabasi和Albert-Science，1999.10,1.2.5复杂网络研究的新纪元,当前复杂网络理论的主要研究内容：
发现：
揭示刻画网络系统结构的统计性质，以及度量这些性质的合适方法建模：
建立合适的网络模型以帮助人们理解这些统计性质的意义与产生机理,1.2.5复杂网络研究的新纪元,1.2.5复杂网络研究的新纪元,分析：
基于单个节点的特性和整个网络的结构性质分析与预测网络的行为控制：
提出改善已有网络性能和设计新的网络的有效方法，特别是稳定性、同步性和数据流通等方面,小结,1.1复杂网络的基本概念复杂网络定义复杂性的主要表现：
结构复杂性、节点复杂性、网络进化性、连接多样性、动力学复杂性、多重复杂性融合1.2复杂网络研究简史七桥问题、随机图理论、小世界实验、弱连接强度、复杂网络研究的新纪元,思考题,1、请举例生活中的复杂网络？
2、如何来判断复杂网络？
1.3网络的基本概念,1.3.1网络定义1.3.2有向网络与无向网络1.3.3加权网络与等权网络1.3.4.二分网络1.3.5网络中的路径与距离,1.3.1网络定义,1.网络定义：
通常可以用图G=（V,E）表示网络。
其中，V是网络的节点集合，每个节点代表一个生物分子，或者一个环境刺激；E是边的集合，每条边代表节点之间的相互关系。
当V中的两个节点v1与v2之间存在一条属于E的边e1时，称边e1连接v1与v2，或者称v1连接于v2，也称作v2是v1的邻居。
1.3.2有向网络与无向网络,根据网络中的边是否具有方向性或者说连接一条边的两个节点是否存在顺序，网络可以分为有向网络与无向网络，边存在方向性，为有向网络，否则为无向网络.生物分子网络的方向性取决于其所代表的关系。
1.3.2有向网络与无向网络,如调控关系中转录因子与被调控基因之间是存在顺序关系的，因此转录调控网络是有向网络，而基因表达相关网络中的边代表的是两个基因在多个实验条件下的表达高相关性，因此是无向的。
1.3.2有向网络与无向网络,图1-1A有向网络B无向网络,1.3.3加权网络与等权网络,网络中的边在网络中具有不同意义或在某个属性上有不同的价值是网络中普遍存在的一种现象。
比如交通网中，连接两个城市（节点）的道路（边）一般具有不同的长度，而在互联网中两台直接相连的计算设备间通讯的速度也不尽相同。
1.3.3加权网络与等权网络,如果网络中的每条边都赋予相应的数字，这个网络就称为加权网络，赋予的数字称为边的权重。
权重可以用来描述节点间的距离、相关程度、稳定程度、容量等等各种信息，具体所代表的意义依赖于网络和边本身所代表的意义。
如果网络中各边之间没有区别，可以认为各边的权重相等，称为等权网络或无权网络。
1.3.4.二分网络,如果网络中的节点可分为两个互不相交的集合，而所有的边都建立在来自不同集合的节点之间，则称这样的网络为二分网络（bipartitenetwork）。
例如，药物分子与其靶蛋白的结合关系即可以用二分网络的形式表示出来。
1.3.5网络中的路径与距离,网络中的路径是指一系列节点，其中每个节点都有一条边连接到紧随其后的节点。
对包含节点数目有限的路径来说，第一个结点称为起点，最后一个节点称为终点，二者均可称为路径的端点，其余的节点则称为路径的内点或中继点。
这样的路径也称为连接起点与终点的路径。
1.3.5网络中的路径与距离,例如在图1-1A中节点G到节点C的路径有L1=G，A，B，C，L2=G，A，D，C，L3=G，F，A，B，C和L4=G，F，A，D，C。
对无向网络来说，只要将路径的顺序颠倒就可以得到从原来的终点指向起点的路径.,图1-1A无向网络,1.3.5网络中的路径与距离,在有向网络中，起点与终点是不可逆的。
例如图1-1B所示网络中节点由A出发到节点C间存在路径L3=A，D，C，但C不能找到路径回到A。
图1-1B有向网络,1.3.5网络中的路径与距离,网络中如果两个节点间由一条路径连接，则称这两个节点是连通的。
所有能够连通的节点和它们之间的边构成了一个连通分量。
路径中所经过边的权重之和称为路径的权重，也称为路径的长度。
对于等权网络而言，路径的长度即为路径中所经过边的数目。
1.3.5网络中的路径与距离,图1-1A中从节点G到节点C的路径中，L1和L2的长度为3，L3和L4的长度为4。
在连接两个节点的所有路径中，长度最短的路径称为最短路径，最短路径的长度称为从起点到终点的距离。
图1-1A中从节点G到节点C的距离为3。
图1-1A无向网络,练习：
计算图1-1A中，所有点之间的距离。
图1-1A无向网络,思考题,对于一个复杂网络，我们如何来分析网络？
1.4网络的拓扑属性,1.4.1连通度1.4.2聚类系数1.4.3介数1.4.4紧密度1.4.5拓扑系数1.4.6直径1.4.7平均距离1.4.8分布函数和连通度函数,1.4网络的拓扑属性,网络的拓扑属性：
是描述网络本身及其内部节点或边结构特征的测度。
这些测度对进一步分析网络结构和探索关键节点有重要的意义。
1.4.1.连通度,连通度（degree）是描述单一节点的最基本的拓扑性质。
节点v的连通度是指网络中直接与v相连的边的数目。
例如在图1-2A中节点A的连通度为3。
对于有向网络往往还要区分边的方向，由节点v发出的边的数目称为节点v的出度，指向节点v的边数则称为节点v的入度。
图1-2有向网络与无向网络,1.4.1.连通度,我们用符号k来表示连通度，kout表示出度，kin表示入度。
在图1-2B中节点A的入度为1，出度为2。
图1-2有向网络与无向网络,1.4.1.连通度,连通度描述了网络中某个节点的连接数量，整个网络的连通性可以使用其平均值来表示。
对于由N个节点和L条边组成的无向网络其平均连通度为Knet=2L/N。
连通度是一种简单而十分重要的拓扑属性。
在研究中，连通度较大的节点称为中心节点（hub），它们很自然地成为目前研究的重点。
1.4.1.连通度,研究显示，在蛋白质互作网络等生物网络中，支持生命基本活动的必需基因或其翻译产物的比例在中心节点中出现的频率显著高于一般节点。
同时，人类蛋白质互作网络的研究表明，中心节点显著富集着与癌症等遗传性疾病相关的基因。
练习：
计算图1-1A和1-1B中A点的连通度，以及图1-1A的网络的连通度。
K=5,Kout=3,Kin=2,Knet=16/7=2.29,1.4.2.聚类系数,在很多网络中，如果节点v1连接于节点v2，节点v2连接于节点v3，那么节点v3很可能与v1相连接。
这种现象体现了部分节点间存在的密集连接性质，可以用聚类系数（clusteringcoefficient）CC来表示，在无向网络中，聚类系数定义为：
v1,v2,vn,v4,v3,1.4.2.聚类系数,公式中，K表示节点V的邻居数目，n表示节点V的K个邻居两两之间连接的边数，Ck2表示K个邻居两两相连的最多边数。
请同学们给出CCv的取值范围，并说明原因。
1.4.2.聚类系数,因为n表示在节点v的所有的k个邻居间边的数目，则在无向网络中，n的最大数目可以由邻居节点的两两组合数k（k-1）/2来确定，所以CC值位于0，1区间。
当节点v的所有邻居都彼此连接时，v的聚类系数CC=1；相反，当v的邻居间不存在任何连接时，CC0。
1.4.2.聚类系数,例：
图1-2A中，节点A有三个邻居B，C，D，其间只有B和C有一条边连接，所以节点A的聚类系数：
图1-2A无向网络,练习,请同学们计算B、C的聚类系数。
图1-2A无向网络,1.4.2.聚类系数,在有向网络中，由于两个节点间可以存在两条方向相反的边，则标准化的聚类系数被定义为：
其中，kout指v的出度，K指节点A指向的连接的邻居个数，n指所有v所指向的连接的节点彼此之间存在的边数。
1.4.2.聚类系数,例：
在图1-2B中，节点A连接2个节点B，C，其间只有1条边，则节点A的聚类系数为,图1-2B有向网络,1.4.3介数,一个节点的介数（Betweenness）是衡量这个节点出现在其它节点间最短路径中的比例。
节点v的介数Bv定义如下：
其中，表示节点i到节点j的最短路径的条数，表示其中通过节点v的路径条数。
1.4.3介数,介数也可以用标准化至0，1区间的形式表示：
介数表明了一个节点在其它节点彼此连接中所起的作用。
介数越高，意味着在保持网络紧密连接性中节点越重要。
1.4.3介数,例：
在图1-2A中，A以外的节点间有4个节点，彼此间存在共有6对节点关系，即BC,BD,DE,CD,CE,DE,每对关系都只能找到1条最短路径，则所有的.,图1-2有向网络与无向网络,BC最短路径（BC）1条，经过A的路径为0条BD最短路径（BAD）1条，经过A的路径为1条（BAD）BE最短路径（BCE）1条，经过A的路径为0条CD最短路径（CAD）1条，经过A的路径为1条（CAD）CE最短路径（CE）1条，经过A的路径为0条DE最短路径（DACE）1条，经过A的路径为1条（DACE）,图1-2有向网络与无向网络,图1-2B有向网络,1.4.3介数,在图1-2B中，由于存在方向性，节点A以外4个节点间彼此间可能存在的连通关系有条.,BC,BD,BE,CB,CD,CE,DB,DC,DE,EB,EC,ED.,真正连通的关系只有C，B,D，A，B,D，A，C，B,D，A，C,E，C，B,E，C是连通的。
其中通过节点A的最短路径有2条，则节点A的介数为2。
1.4.4紧密度,紧密度（closeness）是描述一个节点到网络中其它所有节点平均距离的指标。
节点v的紧密度Cv定义如下：
其中dvj表示节点v到节点j的距离。
紧密度测度衡量节点接近网络“中心”的程度，紧密型测度越小，节点越接近中心。
1.4.4紧密度,在图1-2A中，节点A到B、C、D、E的距离分别为1，1，1，2则节点A的紧密度为1.25。
图1-2A无向网络,请计算B和C的紧密度。
1.4.5拓扑系数,类似于聚类系数，拓扑系数（topologycoefficient）是反映互作节点间共享连接比例的测度，节点v的拓扑系数Tv可以定义为：
其中，表示与节点v和节点t都连接的节点数。
为所有与节点v分享邻居的节点集合。
拓扑系数反映了节点的邻居间被其它节点连接在一起的比例.,1.4.5拓扑系数,例如图1-2A中，与A节点共享邻居的节点共有3个则MA=B，C，E其连通度分别为2，3，1则节点A的拓扑系数,图1-2A无向网络,请计算B和C的拓扑系数。
TB=3/4，TC=11/18,1.4.6直径,直径（diameter）是描述网络总体性质的一个属性。
网络的直径是指网络中任意两个连通节点间距离的最大值。
网络的直径代表了网络中节点连接可能出现的最远距离，标志着网络紧密的程度。
1.4.7平均距离,网络的平均距离（averagedistance）也是描述网络总体性质的一个属性。
网络的平均距离是指网络中任意两个连通节点距离的平均值，也是衡量网络紧密程度的重要指标。
1.4.8连通度的分布函数和聚类系数的连通度函数,除了平均连通度以外，连通度的分布P（k）,k=1,2,.是另一种重要描述网络连通性的属性。
而类似的针对网络还可以建立起随连通度变化的聚类系数的连通度函数C（k），这个函数被定义为当函数自变量等于k时，C（k）等于所有连通度为k的节点的聚类系数的平均值。
1.4.8连通度的分布函数和聚类系数的连通度函数,与连通度分布函数P（k）类似，C（k）也广泛应用与描述网络结构的基本性质。
相比于拓扑性质指标的平均数由于连通度的分布函数以及依赖于连通度的聚类系数函数包含更多的信息，对分布函数的分析往往可以揭示更为深刻的网络性质。
分布函数P（k）,A，B，C，D，E的度分别为：
3，2，3，1，1，则连通度的分布P（K）为,图1-2A无向网络,聚类系数的连通度函数C（k），,A，B，C，D，E的度分别为：
3，2，3，1，1，A，B，C，D，E的聚类系数分别为：
1/3，1，1/3，0，0。
C（K=1）=0，C（K=2）=1，C（K=3）1/3,图1-2A无向网络,小结,1.4网络的拓扑属性1连通度2聚类系数3介数4紧密度5拓扑系数6直径7平均距离8分布函数和连通度函数,练习题,计算下图A点的连通度、聚类系数、介数，紧密度，拓扑系数；计算网络的直径，平均距离，度分布以及聚类系数的连通度.,图1-1A无向网络,前节回顾：
练习：
计算图中所有节点的聚类系数、介数，紧密度，拓扑系数。
并比较哪个节点在图中有更重要的作用。
1.5拓扑结构属性的补充定义,平均路径长度聚类系数度与度分布介数,网络分类,有向网络、无向网络加权网络、无权网络,1.平均路径长度,平均路径长度：
反应了网络的规模大部分复杂网络具有小的平均距离小世界特征,1.平均路径长度,计算下图的平均路径长度。
2.聚类系数,在朋友网络中，某个人的两个朋友可能彼此也是朋友，这种属性称为网络的聚类特性。
2.聚类系数,ki个节点之间实际存在的边数Ei和总的可能的边数ki（ki-1）/2之比就定义为节点i的聚类系数。
2.聚类系数,从几何上看，聚类系数的等价定义：
与节点i相连的三元组是指包括节点i的三个节点，并且至少存在从节点i到其他两个节点的两条边。
2.聚类系数,网络的聚类系数:
网络中各个节点的聚类系数的平均值，反映网络的聚集程度。
聚类系数满足：
0C1若C=1：
任意两个节点有连接若C=0：
无三角形连接大部分复杂网络有较大的聚类系数小世界特征,2.聚类系数,计算网络聚类系数,3.度与度分布,节点的度（Degree）:
单独节点的属性中简单而又重要的概念。
无向网络中:
节点i的度ki定义为与该节点连接的其他节点的数目；有向网络中:
节点的度分为出度和入度网络的平均度为网络中所有节点度的平均值，记为。
3.度与度分布,无向网络,有向网络,3.度与度分布,网络中节点的度的分布情况可用分布函数P（k）描述P（k）表示的是一个随机选定的节点的度恰好为k的概率常见的网络度分
升级会员 