Metodologia para aplicação de métricas de Análise de Redes Sociais em biodiversidade

Transcrição

1 Metodologia para aplicação de métricas de Análise de Redes Sociais em biodiversidade Juliana S. Silva 1, 2, Antonio M. Saraiva 1 1 Núcleo de Pesquisa em Biodiversidade e Computação (BioComp) Escola Politécnica da Universidade de São Paulo (USP) Av. Prof. Luciano Gualberto, trav.3, 158, Cid. Universitária SP Brasil 2 Departamento de Área de Informática Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso (IFMT) Cuiabá MT Brasil juliana.silva@cba.ifmt.edu.br, saraiva@usp.br.br Abstract. This paper proposes a methodology for applying Social Network Analysis metrics in interaction network studies in the Biodiversity Informatics domain. This methodology is structured in four stages: (i) mapping the data types and interactions available; (ii) defining the key-questions to be answered and the analysis variable; (iii) choosing the Social Network Analysis metrics appropriate to the context of the research; and (iv) performing the biologic analysis with the support of Social Network Analysis resources. The application of this methodology in unexplored fields enhances the conduction of more detailed studies in the network structured, and also the search for new knowledge (such as patterns of subgroups in the network and the correlation between variables). Resumo. Este artigo descreve a proposta de uma metodologia para aplicação de métricas de Análise de Redes Sociais em estudos de Redes de Interação, no domínio da Informática para a Biodiversidade. A metodologia está estrutura em quatro etapas: (i) mapeamento dos tipos de dados e de interação disponíveis; (ii) definição das perguntas-chave a serem respondidas e das variáveis de análise; (iii) escolha das métricas de Análise de Redes Sociais adequadas ao contexto da pesquisa; e (iv) realização das análises biológicas com o apoio dos recursos de Análise de Redes Sociais. A aplicação desta metodologia em contextos não explorados potencializa a realização de estudos mais detalhados acerca da estrutura da rede e, também, a busca por novos conhecimentos (como padrões de agrupamento na rede e correlação entre variáveis). 1. Introdução Diversos pesquisadores, nesta última década, têm se utilizado do recurso de Redes de Interação para analisar os fatores que contribuem ou influenciam na manutenção da biodiversidade (BASCOMPTE, JORDANO e OLESEN, 2006; BASCOMPTE e JORDANO, 2007; MEMMOTT et al., 2007; OLESEN et al., 2007; VÁZQUEZ et al., 2009). Os fundamentos conceituais, presentes nos estudos com Redes de Interação, são os mesmos das Redes Sociais (como Facebook, LinkedIn, entre outras). Por isso, a

2 oportunidade de se apropriar dos conhecimentos, métricas e recursos computacionais (disponíveis na área de Análise de Redes Sociais Social Network Analysis SNA) para aplicação em outros domínios, como nas Redes de Interação de biodiversidade, torna-se um campo factível para a experimentação científica. Os projetos desenvolvidos no Núcleo de Pesquisa em Biodiversidade e Computação (BioComp-USP) 1 vem ao encontro desta realidade, pois propiciam um ambiente favorável à interação com pesquisadores de diversas áreas do conhecimento e, assim, tornam possível transpor alguns recursos disponíveis na área de Computação (como a Análise de Redes Sociais) para outros domínios do conhecimento. Os estudos de Silva e Saraiva (2012), na área de Ecologia, e Silva et al.(2012), na área de Microbiologia, são exemplos de pesquisas derivadas deste processo de colaboração, que já se utilizaram do recurso de métricas de SNA e, em função disso, serviram de base para o delineamento deste trabalho. Tendo em vista a multiplicidade de recursos e ferramentas disponíveis na área de SNA, este artigo descreve uma metodologia que organiza ações e passos a serem realizados para aplicação das métricas de SNA, em estudos de Redes de Interação, no domínio da biodiversidade. 2. Detalhamento das etapas da metodologia proposta Esta metodologia está estruturada em quatro etapas, as quais estão descritas, em detalhes, nesta seção Etapa 1: Mapeamento dos tipos de dados e de interação disponíveis A primeira etapa, em uma pesquisa com dados de biodiversidade, compreende a tarefa exploratória de conhecimento dos dados que se têm disponíveis. Em geral, os biólogos dispõem de uma Rede de Interação bipartida (visitante-floral x planta, reservatório de água x grupos filogenéticos) organizada por meio de uma matriz de interação binária (0/1) ou de uma matriz de interação ponderada (frequência/abundância da interação como disposto na Figura 1); neste exemplo, as linhas da matriz representam as plantas (flores de óleo) e, as colunas, os visitantes florais (abelhas); os dados compreendem a frequência de interação entre o visitante floral e a planta, constituindo uma matriz de interação ponderada. Figura 1. Exemplo parcial de uma matriz de interação de visitantes florais x plantas Bezerra, Machado e Mello (2009) 1

3 É importante lembrar que a matriz de interação deve ser preparada no formato adequado à ferramenta computacional, que será utilizada para calcular as métricas de SNA. Em geral, corresponde a um arquivo texto (txt), contendo os dados da matriz bipartida (com ou sem os labels de linhas/colunas, dependendo do programa) e os separadores específicos para os dados (tabulações/espaços em branco) maiores detalhes acerca do formato adequado, para preparar uma matriz de interação, aos diversos programas de Análise de Redes, podem ser vistos em Mello (2012). Outra questão que deve ser levada em conta, neste processo de mapeamento e preparação dos dados, quando se trabalhar com matriz ponderada (frequência/abundância de interação como disposto na Figura 1) é se os dados estão na sua forma bruta (raw data) ou normalizados (normalized data frequência relativa). Legendre e Legendre (2012) sugerem que os dados sejam normalizados, pois refletem melhor o papel de cada espécie da rede, que os dados brutos; evitando, assim, algum viés no processo de análise. Uma vez que já são conhecidos os tipos de dados e de interação disponíveis e, também, se tenha preparado a matriz bipartida no formato adequado, o próximo passo consiste na definição das perguntas-chave e das variáveis de análise, como descrito na seção a seguir Etapa 2: Definição das perguntas a serem respondidas e das variáveis de análise Este é um momento de suma importância para a realização da pesquisa, pois compreende a etapa em que se delineia o problema de pesquisa (perguntas-chave) que se deseja responder, com o apoio das métricas de SNA. Aqui são eleitas as variáveis, dentre as disponíveis no banco de dados, que farão parte da análise. Desta forma, esta etapa não deve acontecer sem a presença do especialista em biodiversidade pois é ele quem conhece em profundidade, a natureza dos dados e o domínio da pesquisa. Exemplos de perguntas-chave, em estudos com Redes de Interação de polinizadores, estão presentes em: (i) Kleinert e Giannini (2012) Como identificar as espécies de abelhas mais generalistas em pesquisas conduzidas em diferentes localidades no Brasil? ; e (ii) Krug e Alves-dos-Santos (2010) Como a extinção de uma espécie polinizadora pode afetar a estrutura da Rede de Interação?. O próximo passo, ainda nesta etapa da metodologia, compreende a escolha das variáveis participantes da análise. Em geral, observa-se um número considerável de variáveis disponíveis nos bancos de dados de Redes de Interação, tais como: (i) frequência/abundância de interação; (ii) local de coleta sites; (iii) clima; (iv) temperatura; (v) precipitação; entre outras. Este processo de escolha das variáveis não é algo trivial, por isso merece atenção e o uso de algum recurso adicional de apoio. Uma abordagem estatística comumente recomendada é a Análise de Correlação, pois pode auxiliar a identificar as variáveis que possuem forte correlação, ou seja, aquelas variáveis que influenciam no comportamento da outra (variáveis dependentes). Por exemplo, ao se constatar uma forte correlação entre dados de distribuição de espécies/organismos com um determinado clima, pode-se inferir que existe um padrão de distribuição, em função deste clima. Para se identificar a correlação entre variáveis pode-se realizar o teste de Mantel, comparando 2 matrizes de dissimilaridade (ex.: sites

4 e dados abundância de espécies; sites e clima), que são calculadas por meio da função vegdist, disponível no pacote vegan do programa R (Oksanen, 2013) 2. Maiores detalhes acerca dos métodos disponíveis para cálculo da matriz de dissimilaridade estão descritos em Legendre e Legendre (2012). Ao término deste processo de escolha das variáveis de análise, o passo metodológico seguinte compreende a escolha das métricas de SNA que mais se adéquam aos tipos de dados disponíveis e à(s) pergunta(s) de pesquisa Etapa 3: Escolha das métricas de SNA adequadas ao contexto da pesquisa De acordo com Dormann et al. (2009), nos últimos anos, muitas análises de redes ecológicas têm introduzido novos índices (métricas) para descrever a estrutura da rede. Além disso, existe um conjunto adicional de índices dedicados a analisar as características de cada nó da rede, como descrito por Butts (2008). Face ao contexto, um desafio emerge aos pesquisadores: Dentre o conjunto de recursos disponíveis no domínio de SNA, qual métrica escolher para apoiar as análises em biodiversidade?. Sabemos que esta é uma tarefa árdua, mas necessária para a realização da pesquisa; assim sendo, a primeira decisão a ser tomada é sobre qual aspecto da Rede de Interação se deseja analisar: a estrutura da rede como um todo (network level) ou o papel de cada espécie/nó na rede (species/node level)? Para analisar as interações no nível da rede, isto é, aspectos gerais da estrutura da rede, utiliza-se como recurso de apoio o pacote bipartite (DORMANN et al., 2009) do programa R (The R Foundation for Statistical Computing); dentre as métricas disponíveis, pode-se mencionar: conectância (connectance), coeficiente de clusterização (cluster coefficient), aninhamento (nestedness), sobreposição de nicho (niche overlap), entre outras 3. A opção pelo uso dessas métricas é sugerida quando se deseja comparar diversas Redes de Interação, avaliando como cada rede está estruturada. Já as métricas no nível da espécie permitem um olhar mais detalhado sobre algum elemento específico da rede; são calculadas por meio do pacote sna do programa R, as quais estão descritas em detalhes em Butts (2008). Dentre as métricas comumente utilizadas, estão: grau (degree), dependência (dependence), força de interação na rede (strength) e centralidade de intermediação (betweenness centrality). Enquanto a métrica degree permite identificar as espécies que interagem com o maior número de elementos da rede (ex.: plantas mais visitadas), a métrica dependence permite analisar o quanto cada espécie depende da outra com que se relaciona (ex.: dentre as interações que um visitante floral realiza na rede, qual planta ele tem maior dependência maior frequência de interação). Além disso, a métrica strength representa o efeito de um nó na rede como um todo (WOOTTON e EMMERSON, 2005) e, por isso, é muito usada para analisar as espécies com maior força de interação na estrutura rede. Por fim, a betweenness centrality permite avaliar quão vital é um nó para a rede, ou seja, aqueles nós que são centrais na estrutura da rede, desempenhando a função de bridge 2 O pacote vegan disponibiliza ferramentas para estudos em ecologia de comunidades, como análise de (dis)similaridade; tais ferramentas podem ser aplicadas para outros tipos de dados, em diversas áreas do conhecimento. 3 Todas as métricas (índices) disponíveis no pacote bipartite estão detalhadas em Dormann et al. (2009).

5 (HANSEN, SHNEIDERMAN e SMITH, 2011). Assim sendo, tanto a métrica strength, quando a betweenness centrality são relevantes para o estudo de espécies invasoras ou em processo de extinção. Existem, também, métricas no nível da espécie que permitem analisar padrões de agrupamento de elementos da rede, como o w-clique, proposto por Araújo et al. (2008) um recurso importante para a descoberta de subgrupos coesos, em redes ponderadas (dados de frequência/abundância de interação). Dependendo da natureza da pesquisa, pode-se optar pela utilização de algumas métricas no nível da rede e, num segundo momento, outras métricas no nível da espécie (para analisar algum nó da rede, que desempenha um papel importante para o contexto da análise). Por isso, esta tarefa necessita ser realizada em conjunto com os especialistas da área, assim como a última etapa desta metodologia que está descrita a seguir Etapa 4: Realização das análises de biológicas com o apoio de SNA Estando as métricas de SNA calculadas, uma tarefa adicional, para apoiar este diálogo com o especialista em análise biológica, é o uso do recurso de representação das interações na forma de grafo (gráficos das Redes de Interação) o que facilita a interpretação de aspectos particulares da estrutura da rede. Como ferramenta computacional de apoio, para a plotagem dos grafos da rede, recomenda-se o uso do programa Pajek (palavra eslovena para aranha), desenvolvido por Batagelj e Mrvar (1998). A partir de então, torna-se necessário realizar as análises biológicas, em conjunto com o especialista da área, para identificar os novos conhecimentos gerados, bem como ajudar a interpretar os resultados traduzidos nas métricas e nos grafos. Por exemplo, um elemento com maior força na rede pode representar uma espécie mais generalista e predominante no domínio da análise; portanto, caso seja uma espécie invasora ao ecossistema, um olhar especial deve ser dado a este elemento da rede. É importante registrar que, se necessário, deve-se voltar à etapa anterior, para a realização de experimentações (aplicação de novas métricas e/ou uso de parâmetros diferenciados) e, assim, um maior refinamento da análise. 3. Conclusão Esta metodologia foi desenvolvida a partir da experiência de aplicação das métricas de SNA em bancos de dados de Redes de Interação, provenientes de dois domínios biológicos: Ecologia (visitantes florais x plantas) e Genética (amostras de água x subgrupos filogenéticos). O que se pôde notar é que, independente do domínio de aplicação, se o pesquisador tiver seus dados disponíveis no formato de uma matriz de interação (binária ou ponderada), torna-se possível utilizar as métricas de SNA em seu estudo, levando-se em consideração as etapas metodológicas aqui propostas. Além disso, a organização de ações e passos de uma pesquisa, com o apoio desta metodologia, auxilia o processo de interação entre os pesquisadores de áreas interdisciplinares. No entanto, é importante chamar a atenção para o fato de que, neste processo de desenvolvimento da metodologia, pode-se chegar ao final do estudo e as métricas de SNA não conseguirem explicar algum aspecto dos dados, ou até, não conseguirem

6 identificar um padrão sobre os mesmos. O que se pôde aprender, a partir deste processo de experimentação, particularmente com análise de dados microbiológicos, é que nem sempre se tem um padrão; assim sendo, uma resposta negativa também pode ser uma resposta biológica relevante para a pesquisa. Por fim, a partir deste trabalho pretende-se aplicar os recursos de SNA em áreas ainda não exploradas, como no domínio da Agrobiodiversidade, para apoiar análises qualitativas de elementos da interação (como localização geográfica, aspectos temporais, produtividade, entre outros), ao invés de simplesmente analisar a ocorrência/abundância da interação. Agradecimentos Os autores agradecem à FAPEMAT, CAPES, IFMT e BioComp-USP, pelo apoio financeiro; à Profª Dra Tatiana Torres, às pesquisadoras Nancy Stoppe e Tereza Cristina Giannini do IB/USP, pelas valorosas contribuições em análises biológicas; ao Dr. Raúl Jiménez Rosenberg da Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO), pelo apoio com os recursos de análise estatística. Referências Araújo, M.S.; Guimarães, P.R.; Svanbäck, R.; Pinheiro, A.; Guimarães, P. Reis, S.F.dos; Bolnick, D.I. (2008) Network analysis reveals contrasting effects of intraspecific competition on individual vs. population diets, Ecology 89: Bascompte, J.; Jordano, P.; Olesen, J. M. (2006) Asymmetric Coevolutionary Networks Facilitate Biodiversity Maintenance, Science, Vol. 312, 21 April Bascompte, J.; Jordano, P. (2007) Plant-Animal Mutualistic Networks: The Architecture of Biodiversity, Annu. Rev. Ecol. Evol. Syst., 38, Batagelj, V.; Mrvar, A. (1998) Pajek program for large network analysis, Connections 21: Bezerra, E.L.S.; Machado, I.C.S.; Mello, M.A.R. (2009) Pollination networks of oilflowers: a tiny world within the smallest of all worlds, Journal of Animal Ecology 78: DOI: /j x Butts, C.T. (2008), Social Network Analysis with sna, Journal of Statistical Software, 24, Dormann,C.F.; Fründ,J.; Blüthgen,N.; Gruber,B. (2009) Indices, graphs and null models: analyzing bipartite ecological networks,the Open Ecology Journal,2,7-24. Hansen, D.L.; Shneiderman, B.; Smith, M.A. (2011) Analysing social media networks with NodeXL: insights from a connected world, Morgan Kaufmann, Amsterdan. 284p. Kleinert, A.M.P.; Giannini, T.C. (2012) Generalist bee species on Brazilian bee-plant interaction networks, Psyche, , 1-7. Krug, C.; Alves-dos-Santos, I. (2010) Como a extinção de Apis mellifera L. pode afetar a estrutura de uma rede de interação abelha-planta em mata com araucária? In: IX Encontro sobre Abelhas: Genética e Biologia Evolutiva de Abelhas, Ribeirão Preto, SP. Anais... FUNPEC Editora, July 28-31, p Legendre, P.; Legendre, L. (2012) Ecological resemblance. In: Legendre, P.; Legendre, L., Numerical Ecology, Developments in Environmental Modelling, Elsevier, 2012, Volume 24, Pages , 3rd english edition, Elsevier.

7 Mello, M.A.R. (2012) Guia para Análise de Redes Ecológicas. Version August 30, Available at: < Accessed in: 11 Sep Memmott, J.; Craze, P.G.; Waser, N.M.; Price, M.V. (2007) Global warming and the disruption of plant pollinator interactions, Ecology Letters, (2007) 10: Oksanen, J. (2013) Multivariate Analysis of Ecological Communities in R: vegan tutorial, Disponível em: Acesso em: 29 jun. 2013, versão de 08 de fev Olesen, J.M.; Bascompte, J.; Dupont, Y.L.; Jordano, P. (2007) The modularity of pollination networks, PNAS, December 11, vol. 104, no. 50, Silva, J.S.; Saraiva, A.M. (2012) Social Networks Analysis metrics and its application in pollinator-plant interaction networks studies, In: X Encontro sobre Abelhas: um Século de Pesquisas no Brasil, 2012, Ribeirão Preto, SP. Anais... FUNPEC Editora, July 25-28, p.441. Silva, J.S.; Saraiva, A.M.; Stoppe, N.C.; Torres, T.T.; Ottoboni, L.M.M. (2012) Social Network Analysis Metrics and its application in microbiological interaction networks studies, In: 8 th International Conference on Ecological Informatics: Informing decisions on biodiversity and natural resources conservation (ISEI2012), Brasilia, Brazil. Proceedings, December 03-07, p Vázquez, D.P.; Blüthgen, N.; Cagnolo, L.; Chacoff, N.P. (2009) Uniting pattern and process in plant animal mutualistic networks: a review, Annals of Botany, 103: Wootton, J.T.; Emmerson, M. (2005) Measurement of interaction strength in nature, Annual Review of Ecology, Evolution and Systematics 36: