Az MIT kutatói olyan új algoritmust dolgoztak ki, amely segítségével feltérképezhető az egyes hálózatok valódi szerkezete. Amikor egy csoport (mely tagjai lehetnek emberek, állatok, gépek, vagy bármi más) tagjai közötti kapcsolatokat szeretnénk feltérképezni, megeshet, hogy a megfigyelés félrevezet minket. Például, ha a Foma 1-es csapatok közötti hálózatokra vagyunk kíváncsiak, akkor a megfigyelés során a csapattagokon kívül az egyes futamokra meghívott hírességek, a versenyzőkkel, mérnökökkel és szerelőkkel tartó családtagok, a gyakran feltűnő sajtósok is feltűnnek az adatokban. Az intuíció is azt sugallja, hogy a megfigyelt személyek közül sokan nem jelentenek tényleges kapcsolódási pontokat (pl. egy minden pilótával interjút készítő riporter a megfigyelés szerint központi eleme lehet a hálózatnak, a valóságban - jó esetben - nem folyik át rajta a csapatok közötti információ).
Soheil Feizi, Daniel Marbach, Muriel Médard és Manolis Kellis tanulmánya a Nature Biotechnology magazinban jelent meg Network deconvolution as a general method to distinguish direct dependencies in networks címmel (sajnos nem szabad hozzáférésű). Az eljárást eredetileg biotechnológiai problémák megoldására dolgozták ki, de a tanulmány is foglalkozik további felhasználási területeivel (pl. a szerzői hálózatok vizsgálata).
A hálózatkutatás relatíve fiatal mint önálló diszciplína, szerencsére azonban sok eszes kutatót vonzott magához és bakfis kora ellenére is képes értékes, új eredményekkel gazdagítani a tudományt.