Nature出新子刊了，发文更多选择：《Nature Computational Science》

时下，随着理论和计算技术的不断发展，理论计算在越来越多的领域中凸显身影，大显身手。作为国际顶刊之一的《Nature》，早已将这一切看在眼里。于是乎，《Nature Computational Science》(以下简写为：Nat. Comput. Sci. )来了，于2021年01月14日，刊发了第一期。

期刊介绍：

《Nat. Comput. Sci. 》是一份新的在线期刊，于2021年1月开始每月出版，对不断增长的计算科学领域的基础研究和应用研究都感兴趣。

目标与领域：

《Nat. Comput. Sci. 》侧重于开发和使用计算技术和数学模型，以及它们的应用，以解决一系列科学学科的复杂问题。该杂志的主要目标：促进新计算技术的多学科研究和跨学科应用。

文档类型：

《Nat. Comput. Sci. 》出版一系列的内容类型，包括文章，评论，观点，简短的通信和资源，以及评论，新闻和观点和研究重点，阐述了重大进展和其他热点问题的计算科学。

本期，我们将对第一期出刊的四篇文章，进行阐述(首期《Nat. Comput. Sci. 》共刊发了8篇文章，篇幅原因，剩下四篇文章将在下期讲述，欢迎关注。)。

语音+量化计算：语音-控制量子化学

在过去的十年里，机器学习算法和计算硬件的进步推动了人工智能的发展，为科学研究开辟了无数的新途径。然而，虚拟助手和语音控制还没有在自然科学中广泛应用。在此，来自美国斯坦福大学的Todd J. Martínez等人展示了ChemVox，一个交互式的 Amazon Alexa技能，其可使用语音识别来执行量子化学计算。这个新的应用程序，将Alexa与云计算连接起来，并通过一个功能强大的设备返回结果。ChemVox为更广泛的社区，日常使用计算化学铺平了道路。

参考文献：Raucci, U., Valentini, A., Pieri, E. et al. Voice-controlled quantum chemistry. Nat Comput Sci 1, 42–45 (2021). https://doi.org/10.1038/s43588-020-00012-9原文链接：https://www.nature.com/articles/s43588-020-00012-9#citeas

COVID19+计算药物学：从COVID-19大流行中获得的经验教训有助于推进计算药物再利用战略

快速应对未知病原体，对于阻止新型冠状病毒等导致流行病的疾病的失控传播，并将保护措施维持在造成尽可能少的社会和经济危害的水平，至关重要。而这一切，可通过加快药物发现的计算方法来实现。最直接有效的方法是，通过药物的再利用，来限制现有药物的研究，这可以大大加快通常漫长的审批过程。在此，来自德国慕尼黑工业大学的Josch Konstantin Pauling等人，研究了一套目前用于确定COVID-19可重复使用药物的代表性计算方法及其基础数据资源。此外，研究者比较了计算方法预测的候选药物和临床试验评估的药物。最后，研究者讨论了从回顾的研究工作中获得的经验教训，包括如何成功地将计算方法与实验研究联系起来，并提出了一个统一的药物再利用战略，以便在未来爆发疫情时更好地做好准备。

参考文献：Galindez, G., Matschinske, J., Rose, T.D. et al. Lessons from the COVID-19 pandemic for advancing computational drug repurposing strategies. Nat Comput Sci 1, 33–41 (2021). https://doi.org/10.1038/s43588-020-00007-6原文链接：https://www.nature.com/articles/s43588-020-00007-6#citeas

计量经济学+机器学习：用准实验量化数据科学中的因果关系

从观测数据中估计因果关系，在许多数据科学问题中都是至关重要的，但同时也是一项具有挑战性的任务。此文中，来自美国宾夕法利亚大学的K. Birgitta Whaley等人，回顾了计量经济学中流行的因果关系方法，利用(准)现有数据中的随机变化，称为准实验，并展示如何将它们与机器学习结合起来，在典型的数据科学设置中回答因果问题。研究者还强调了数据科学家如何帮助推进这些方法，将因果估计引入医学、工业和社会等高维数据。

参考文献：Liu, T., Ungar, L. & Kording, K. Quantifying causality in data science with quasi-experiments. Nat Comput Sci 1, 24–32 (2021). https://doi.org/10.1038/s43588-020-00005-8原文链接：https://www.nature.com/articles/s43588-020-00005-8#citeas

基因组学+癌症研究：一种高效和有效的方法，以确定癌症中显著受干扰的子网络

从高维基因组学数据中，识别关键功能的生物网络，对癌症研究至关重要。在此，来自美国佛罗里达州梅奥诊所卫生科学研究部的Steve Goodison&美国纽约州立大学的Yijun Sun等人，介绍了FDRnet，一种检测癌症分子子网的方法，它解决了通路分析中的几个挑战。FDRnet通过解决一个混合整数线性规划问题，来检测关键子网，使用一个给定的错误发现率(FDR)上限作为预算约束，并最小化电导分数来寻找种子基因周围的稠密子图。研究者对模拟数据和癌症基因组数据，进行了大规模基准研究。FDRnet在无尺度生物网络中，检测功能同质子网、控制被检测子网中基因的FDRs、提高计算效率以及整合多组数据等方面，优于其他方法。通过克服现有方法的局限性，FDRnet可以促进癌症和其他遗传疾病中关键功能通路的检测。

参考文献：Yang, L., Chen, R., Goodison, S. et al. An efficient and effective method to identify significantly perturbed subnetworks in cancer. Nat Comput Sci 1, 79–88 (2021). https://doi.org/10.1038/s43588-020-00009-4原文链接：https://www.nature.com/articles/s43588-020-00009-4#citeas

另本公众号招聘小编，具体招聘详情请看下方：

宣传合作

本公众号免费为各课题组进行宣传（可包括：发布招聘信息、文章分享等宣传），如有意向，可以联系我们。

联系人：小唯老师

17812574221（同微信）

唯理计算小福利：

针对模拟计算我们有专门的沟通群，想进群的小伙伴加微信

17812574221

备注：模拟计算进群

群里可以和老师一起探讨问题，老师也会帮助解答问题的哦~

   推荐阅读：

END

  你“在看”我吗