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3月21日-28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~ 目录：
期刊来源：Nature Communication
论文标题： Controlling network ensembles 论文地址： https://www.nature.com/articles/s41467-021-22172-6
在近十年里，我们对系统最优控制的数值求解能力有了很大的提高，但这通常需要假定对目标系统有完全了解。虽然这对于机械系统或设计系统通常不是问题，但生物系统或网络往往不能满足该要求。本周发表在 Nature Communications 的一篇论文验证了网络最优控制的极限问题。 对于生物网络，虽然可对任何特定的系统实现导出最优控制，但得到的控制只对该系统是最优的。本文试图推导出可以同时适用于大量可能系统实现中任何一种的最优控制。这仍是一个基础开放问题：最优控制如何应用于受不确定性影响的系统和网络。 本文将开环控制应用于一个不确定系统，并承担适应不确定性而增加的成本。与系统识别或学习等常规方法不同，本文对最优控制解决方案如何随系统不确定性的增加而变化进行了研究，计算了两者的比例关系。我们的结果可用于难以识别的系统和网络，如生物时间演化系统。 举个例子来说明本文分析所适用的情况，想象试图控制一个生物网络，其中某些连接是已知的，并以实验手段加以表征，其它连接则未知。例如，不确定给定的节点对是否连接，因此网络可能存在许多不同的结构。本文描述的方法在控制中合并这种不确定性，试图设计一个适用于所有可能的网络结构的控制解决方案。类似地，我们可以处理其它不确定性来源，如与网络连接相关的权值。 期刊来源： PNAS
论文标题： Communicating artificial neural networks develop efficient color-naming systems 论文地址： https://www.pnas.org/content/118/12/e2016569118
单词将我们的世界划分为语义类别。 越来越多的证据表明，尽管这些类别在不同语言之间差异很大，但它们却受到普遍性约束的影响，仍以最大程度提高交流准确性，同时又将复杂性降到最低。着眼于经过充分研究的颜色域，研究人员使用深度学习技术训练的人工神经网络，基于辨识游戏开发出通讯系统。实现其在准确性/复杂度平面上的分布与人类语言的分布紧密匹配。 研究人员通过使用“模糊c均值” （fuzzy c-means，FCM） 软聚类算法划分颜色空间，并将聚类标签视为颜色名称，来生成其他命名系统。随后，研究人员通过改变簇数超参数来获得不同的系统，并最终组建辨识游戏。 人们没有直接证据表明我们祖先的语言是如何离散的，以及这如何影响语义分类的结构。但是，本项计算结果为当代人类的实验铺平了道路，探讨了通信系统中连续/离散的过渡如何影响信息交换的本质 。通过使用此框架，研究人员希望能够设计实验来探究离散性与沟通效率之间的因果关系，从而最终加深我们对语言效率根源的理解。 3.有效图揭示生化调控和信号传递中的
冗余性、渠化性和控制方法
期刊来源： PNAS
论文标题： The effective graph reveals redundancy, canalization, and control pathways in biochemical regulation and signaling 论文地址： https://www.pnas.org/content/118/12/e2022598118
越来越多的证据表明生化等因素之间的非线性作用无处不在，比如细胞的信号传导、基因调节等，但是生化调控却无法很好来诠释这些相互作用在生化网络上的因果关系。用来建模描述这类因果相互依存的非线性动力学的最简单的方法就是多元离散动力系统 （automata networks） ，也称为自动机网络。在这其中，布尔网络 （Boolean networks） ，即每个节点只有“开”和“关”两种状态并且自身节点状态由相邻节点的状态决定的网络，在细胞信号传递、抗癌药物反应、神经元动作电位等方面应用广泛。此外，布尔网络还提供了一个便捷的建模框架来揭示复杂系统的一般属性，如自组织、临界性、因果关系、鲁棒性和可演化性等。 生化调控和信息传导示例：身体受伤时大脑如何接受“受伤”信号 然而，传统的以布尔网络为代表的二元相互作用图不能准确地表示这些多元系统的一个重要动力学特征：现实中生化网络中绝大部分的生化节点 （biochemical node） 的状态对许多动态的输入扰动都是鲁棒的，仅对少数几类扰动呈现高度响应。这种动态冗余性 （redundancy） 是布尔网络的普遍特征之一，这种相互作用的异质性目前已被应用于研究生物复杂性中的渠化 （canalization） ——描述生物体用于缓冲发育、调节和进化以抵御扰动的机制。 上图A为拟南芥布尔网络模型，B为有效图模型，C为阈值有效图模型 近日发表在 PNAS 上的一项研究为了更好地捕捉生化调控和信号传导的功能相关信息，该项研究引入有效图（effective graph） ——一个适用于生化网络调控、信号传递，和生化调控捕捉非线性逻辑冗余的加权图。项目采用78个来自系统生物学实验验证模型，结果显示：（1）冗余性普遍存在生物的生化调控模型；（2）有效图是一种利用概率但又能精确描述多元动态因果图的形式；（3）有效图就动态扰动控制信号在生化途径传播提供了精准的解释。总之，该研究结果表明，有效图为网络多元因果交互结构和动力学提供了丰富的补充描述。 上图为针对ER+乳腺癌BN模型的研究。A为ER+乳腺癌的BN模型有效图的分层绘制，B为条件有效图，C为扰动对模型中7种药物各自的扩散动力学和网络有效可达比例，D为药物变量出边的有效性。
期刊来源：Physical Review Letters
论文标题： Connection between the Bacterial Chemotactic Network and Optimal Filtering 论文地址： https://pattern.swarma.org/paper?id=4295d282-8c36-11eb-82a7-0242ac170009
大肠杆菌的趋向性运动网络，例如沿着食物浓度的分布，在生物物理及信息论中，都被广泛研究，然而，两者之间的联系仍然不为人知。2021年3月23日的一篇 Physical Review Letters 的论文，指出细菌的最优趋向性运动的方向，是沿着包含噪音的信号中，配体梯度指数变化的方向。 该研究还指出，标准的用来模拟大肠杆菌趋向性运动的生物物理模型，等价于信息论上的最优化模型。这意味着大肠杆菌组成的生化网络，被设计地可以最高效的方式，沿着指数变化的梯度，提取包含噪音的环境下，精确的提取两点之间的信息。 该研究的方法，还可以被应用到包含异速生长与负反馈的其他感知系统中，例如表皮生长因子或视觉受体。通过进一步实验，能够进一步论证最优过滤模型的普遍性，从而指出即使是看起来没有智慧的系统，也能够以最优的方式提取信息 5.scGNN：
用于单细胞RNA序列分析的图网络框架
期刊来源： Nature Communications
论文标题： scGNN is a novel graph neural network framework for single-cell RNA-Seq analyses 论文地址： https://www.nature.com/articles/s41467-021-22197-x
单细胞RNA测序 （scRNA-Seq） 技术可以测量单个细胞中转录组范围内的基因表达，这对于识别细胞类型促、推断细胞群体的排列以及突出体细胞克隆结构至关重要，广泛应用于揭示组织、生物和复杂疾病的异质性和动力学。然而由于scRNA-Seq数据分布的复杂性和不确定性，对其进行分析是充满挑战的。目前已有的工作，如Phenograph、MAGIC，可能过度简化了细胞群体间的复杂关系，因而无法对其进行很好的描述。 3月25日发表在 Nature Communications 上的一篇文章提出了一个名为scGNN的框架，引入了图神经网络 （GNN） 来描述细胞间的关系，从而对scRNA-Seq进行分析。scGNN集成了三个多模自编码器，并在四个scRNA-Seq基准数据集上取得了优于现有方法的结果。在一项阿尔兹海默症相关研究中，scGNN成功地说明了与疾病相关的神经发育及其不同的机制。scGNN提供了一种有效表示基因表达和细胞间关系的方法，是可以应用于scRNA-Seq分析的强大框架。 集智新栏目Complexity Express 上线啦！
Complex World, Simple Rules. 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 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。 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： 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
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