查看原文
其他

复杂性科学论文推荐7篇 | Complexity Express一周精选

集智斑图 集智俱乐部 2022-05-09
集智斑图顶刊论文速递栏目上线以来,持续收录来自Nature、Science等顶刊的最新论文,追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能,每周通过微信服务号「集智斑图」推送论文信息。

扫描下方二维码,关注“集智斑图”服务号,即可订阅Complexity Express:             


Complexity Express 一周论文精选




以下是2021年1月4日-10日来自Complexity Express的复杂性科学论文精选。如果Complexity Express列表中有你感兴趣的论文,欢迎点赞推荐,我们会优先组织解读~


1. 网络结构对蛋白质互动网络稳定性的影响


期刊来源:nature communications

论文题目:Exploring the effect of network topology, mRNA and protein dynamics on gene regulatory network stability论文地址:https://www.nature.com/articles/s41467-020-20472-x
 

生物体的内部环境是一个长期出于动态稳定中的复杂系统。对于需要执行各种功能的蛋白质而言,维持细胞内蛋白质浓度的稳定就是极为重要的事情,不过相应蛋白质的基因表达会收到转录因子等其他蛋白质的调控。因此,生物体内的蛋白质构成了一张互相作用的网络系统,其稳定性也成为了研究焦点。上周Nature communications的一篇论文,通过分析生长细胞中的 mRNA 和蛋白质的动态变化,探究逆转录子怎样影响细胞内蛋白质互动网络的稳定性。

 

基因表达示意图

 

该研究发现,mRNA的降解速率并不影响网络的稳定性。在类似于二部图的网路结构就可以有效的简化网络中个体的相互作用,从而提高网络的稳定性。通过对大肠杆菌的实验,研究者进一步发现,生物网络会明显地比随机网络更加稳定。

 


2. 突发事件在时间网络上的动力学特征

 
期刊来源:nature communications论文题目:Dynamics of cascades on burstiness-controlled temporal networks论文地址:https://www.nature.com/articles/s41467-020-20398-4

我们所处的环境并不是一成不变或者有稳定规律的,突发性事件发生的时间常常不是均匀分部的,这一特性对与我们理解物理系统和社会系统中的信息传播至关重要,然而,我们目前并没有一个能够捕捉突发事件的分析框架。

 

在上周Nature communications的一篇论文中,来自法国里昂大学等科研机构的研究者就对此问题提出了一个新的方程式来模拟突发事件在时间网络行的级联。

 

突发性时间交互的信息传递模型

 

在该模型中,研究者分析了异质时间下的相互作用,将阈值驱动模型和传染病模型的相互作用进行了对比。研究者发现、对于阈值时间模型而言,增大事件出现的时间方差就可以加速以及减速传播,但对于传染病模型而言,却智能减慢传播速度。

 


3.影响力网络的相干共振


期刊来源:nature communications

论文题目:
Coherence resonance in influencer networks  [2021-01-04]论文地址:https://www.nature.com/articles/s41467-020-20441-4
 

复杂网络有多样的性质,其中许多性质都与枢纽节点有关。一些枢纽节点因为与网络密切结合,发挥着基础的动力学和结构作用,被称为影响者(influencers)。影响力网络对随机受迫的反应尚未有清晰的研究。在上周Nature communications的一篇论文中,研究者通过分析影响力网络的振荡动力学,发现把影响者置于某个最佳噪声强度下,可以增强网络同步。

 

影响力网络中的相干共振

 

研究者将这种网络动力学效应称为影响力网络的相干共振(coherence resonance),其来源是网络结构和随机性之间的协同,具有高度的非线性,在噪声过强或过弱时会消失。研究进一步发现,在耦合振子的复杂系统中,影响力枢纽能够显著提高系统的动态响应。

 

 

4.社会网络中高阶互动的进化动力学

期刊来源:nature human behaviour

论文题目:Evolutionary dynamics of higher-order interactions in social networks  [2021-01-04]论文地址:https://www.nature.com/articles/s41562-020-01024-1

互动行为的建模是社交网络研究的重要方向,传统的网络建模方法更多考虑两两节点间的合作,而通过超图(hypergraph),则可以构建多人之间的合作模式。在上周 Nature Human Behaviour 的一篇论文中,研究者利用超图对多人合作网络进行建模,从而发现社交网络中一些高阶互动模式的演化动力学。


 

超图示意(左)和本文提出的合作超图模型(右)

 

研究者证明了在均匀超图上的博弈与完全混合极限下的复制子动力学是对应的,这为利用超图工具研究网络群体中的合作行为奠定了基础。并且,还揭示了在不同规模的群体中存在的枢纽节点和相互作用的共存,如何影响合作的演化。该研究还利用真实的科技合作数据,提取出网络协作关系对团队规模的依赖性。



5. 大流行期间政策与科学的共演化


期刊来源:science论文题目:Coevolution of policy and science during the pandemic  [2021-01-08]论文地址:https://science.sciencemag.org/content/371/6525/128
  

新冠疫情爆发对科学研究产生的广泛影响,一方面防疫和经济政策参考了最新的科研成果,另一方面仍有决策者遗漏了重要的科学依据或被不严谨研究所误导,对比各国防疫效果我们体会更深。在上周一篇Science文章中,研究者梳理了新冠疫情之后的政策和科研数据,挖掘其共同演化规律。


 左图:被政策文件参考的科学论文的发表时间。从时间轴来看,与  COVID-19  相关的政策文件更倾向于参考最新 (2020 年) 发表的科学论文。右图:被政策文件所参考的科学论文在学术界内部的引用数更大。

 

该研究从多方面评估了政策文件中引用的科学结论,发现决策者使用的冠状病毒研究与科学家们大量从事的工作是一致的,并且经过同行评议的论文在科研影响和政策影响上都远超预印本论文。人类社会的突发危机呼唤科学理论作为决策依据,而科学共同体的判断为理论可靠性保驾护航。

 

集智俱乐部对该研究做了全文翻译:

Science最新:流行病大爆发期间政策与科学的共演化

同时我们邀请本文两位作者在1月16日(周六)直接解读这项研究,欢迎大家报名参与。


6. 同行评议与性别偏见:

标对145份学术期刊的调查


期刊来源:science advances

论文题目:Peer review and gender bias: A study on 145 scholarly journals  [2021-01-06]论文地址:https://advances.sciencemag.org/content/7/2/eabd0299
 

学术期刊经常因为出版物的性别差异而受到指责,但这种差异是否是由于同行评议和编辑过程造成的,尚不清楚。上周的Science Advances发表了一篇论文,利用包含145种不同领域期刊、约170万名作者和74万名审稿人的数据集,研究了同行评议中的偏见问题。

 

不同首末位作者性别与研究领域下,最终编辑决定的分布

 

研究结果显示,女性独立作者或女性合著的手稿更受到审稿人和编辑的好评,尤其是在生物医学、健康科学和物理科学期刊中。该研究的结论是,同行评审和编辑过程不足以系统性地降低对女性手稿的评价,但增加编辑和审稿队伍的性别多样性可以帮助期刊向作者们暗示其公平性,从而激发女性更多参与。



7. 随机性触发酵母菌S期检查点通路的激活


期刊来源:physical review x论文题目:Stochasticity Triggers Activation of the S-phase Checkpoint Pathway in Budding Yeast  [2021-01-07]论文地址:https://journals.aps.org/prx/abstract/10.1103/PhysRevX.11.011004
 
细胞内信号传递机制是生物物理的重要研究方向,在一个复杂且不断变化的环境中,各种信号传导通路将外界信号和压力传递给活细胞,并引发细胞内反应。真核细胞利用DNA复制期(即S期)检查点来应对DNA损伤和复制应激,检查点的激活会推迟S期常规进程。
 
在上周的一篇physical review x论文中,研究者以酵母菌为研究对象,发现酵母细胞在S期检查点激活过程中表现出双峰分布,而随着时间推移,细胞内非激活比方遵循指数衰减。这一模式在数学模型和不同突变菌株的实验中得到支持。
 
时序分析解释酵母菌S期检查点失活/关闭和激活/关闭的细胞状态双峰分布
 
该研究利用了微流体单细胞测量方法,此方法具有一定的通用性,适用于单细胞水平上信号传导通路的定量分析。





集智新栏目Complexity Express 上线啦!




Complex World, Simple Rules.
复杂世界,简单规则。
复杂性科学(Complexity Science)是集智俱乐部多年以来的主题,我们长期追踪关于自然、生命、社会、认知等各类复杂系统的研究进展,并组织学术研讨。
 
同时由于学科交叉融合,大量针对复杂系统的研究成果散落在人工智能、统计物理、网络科学、数据科学、计算社会科学、生命科学、认知科学等等不同领域的期刊会议中,缺乏整合。
 
为了让大家能及时把握复杂系统领域重要的研究进展,我们隆重推出「Complexity Express」服务,汇总复杂系统的最新顶刊论文。
 

Complexity Express 是什么?

Complexity Express 每天爬取复杂系统领域最新发表的顶刊论文,每周通过“集智斑图”服务号汇总推送。
 
进入 Complexity Express 页面即可随时查看顶刊论文更新,你也可以通过微信接收研究更新推送和一周汇总。
               


Complexity Express 为谁服务?

  • 如果你是复杂系统领域的研究者,可获得重要论文上线通知,每周获取最新顶刊论文汇总。

  • 如果你是复杂系统领域的学习者,可了解学界关注的前沿问题,把握专业发展脉络。

  • 如果你是传统的生命科学、社会科学等学科中的研究者/学习者,可以从复杂性科学和跨学科研究中获得灵感启发。

  • 如果你是关注前沿研究发现的知识猎手,可获得复杂系统研究对自然和人类世界的最新洞见。

Complexity Express 栏目也是集智俱乐部公众号的主要选题来源,诚挚邀请你订阅,与我们信息同步。
 

Complexity Express 论文从哪里来?

考虑复杂系统研究往往属于跨学科工作,我们主要抓取综合类和泛物理类/计算机类的顶级期刊,从每周新发表的数百篇论文中精选出与复杂系统相关的论文。
 

Complexity Express 参考影响因子和学者口碑,选择了如下期刊,每日爬取其论文更新:

  • Nature

  • Science

  • PNAS

  • Nature Communications

  • Science Advances

  • Physics Reports

  • Physics Review Letters

  • Physics Review X

  • Nature Physics

  • Nature Human Behaviour

  • Nature Machine Intelligence

  • 更多期刊持续增补中,欢迎推荐你认为重要的期刊!
 
如果你在 Complexity Express 中发现了感兴趣的论文,请立刻“点赞”!每周最高赞的论文,集智编辑部将组织专业解读~
 

Complexity Express 追踪哪些领域?

我们力求兼顾热点追踪与领域覆盖,目前筛选的论文主要集中在如下与复杂性关系密切的领域:

  • 网络科学各个分支及交叉应用

  • 图数据与图神经网络

  • 计算机建模与仿真

  • 统计物理与复杂系统理论

  • 生态系统、进化、生物物理等

  • 系统生物学与合成生物学

  • 计算神经科学与认知神经科学

  • 计算社会科学与社会经济复杂系统

  • 城市科学

  • 科学学

  • 计算流行病学

  • 以及一些领域小众,但有趣的工作
 
由于复杂性研究领域横跨多个学科,研究论文散落在不同的期刊上,很难不重不漏地把握最新工作。针对复杂性领域的论文筛选,我们专门设计了算法。经过数月的训练迭代优化,目前对上述领域爬取准确率达到90%以上。
 
将来我们还会根据你的具体研究领域,推出研究分类与个性化的订阅服务,敬请期待!
 
由于复杂性领域涉及的论文关键词和研究问题纷繁复杂,所以算法难免有不成熟的地方,如果你发现我们有漏掉的重要论文,或者爬到了领域有偏差的论文,欢迎联系我们(小助手微信:swarmaAI),帮助我们持续优化算法。

如果你对科学学、计算术语学等感兴趣并有代码能力,欢迎报名成为集智算法志愿者/实习生(具体请邮件联系算法组负责人huqiao@swarma.org)


如果你对复杂性科学及相关跨学科研究有长期兴趣,并乐于解读分享,欢迎加入集智作者团队(具体请邮件联系编辑部负责人liupeiyuan@swarma.org)





更多论文




更多复杂性顶刊论文,请到Complexity Express页面查看。订阅即可每周获取更新提醒。
       


点击“阅读原文”,追踪复杂科学顶刊论文

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存