复发性新冠病毒感染的流行性指数 | 复杂性科学顶刊精选5篇

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5月10日-5月16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：

• 复发性新冠病毒感染的流行性指数

• 建立调控网络释放了全基因组关联分析的潜力

• 直接互惠和间接互惠的统一框架
• 机器学习视角下复杂世界中的认知极化
• 氧气抑制宏观多细胞性

更新提醒：顶刊速递已支持论文图片速览

1. 复发性新冠病毒感染的流行性指数

期刊来源：Nature Communications

论文标题：

The epidemicity index of recurrent SARS-CoV-2 infections

论文网址：

https://www.nature.com/articles/s41467-021-22878-7

几个指数可以预测新兴传染病的长期命运及其遏制措施的效果，包括各种增殖参数（例如R₀）。其他指数根据广义反应性分析评估最终注定要消失的流行病的瞬时增加的潜力。研究人员确定了扰动达到稳定的无病平衡（R₀ <1）的条件，可能造成重大破坏。在本篇论文中，研究人员介绍流行病指数e₀，这是一种阈值类型的指标：如果e₀> 0，即使R₀ <1，初始病灶也可能导致感染高峰。因此，有效的遏制措施应实现负流行指数。研究人员使用空间显式模型对意大利正在进行的大流行的预计演变进行围堵措施等级。结果表明，尽管有效繁殖数在相当长的时间范围内都低于1，但流行仍保持为正数，从而使得感染复发率在秋季大流行性反弹之前就已迅速上升。

流行病概念的图解说明

有效增殖系数和流行指数的时间动态表明，对这些数量的连续监测对于捕获遏制措施的影响可能至关重要。在这方面，可以通过数据同化方案（例如，Ensemble Kalman滤波器）来表示事后，基于校准的估计与基于数据的估计之间的有希望的联系，其中状态和模型参数可以通过时间探测。这些技术最近已与空间显性元种群模型（与SEPIAR一样）（尽管代表了不同的流行病学动态）一起用于分析海地中的霍乱传播。一方面，联合，频繁地更新参数值和状态变量可能允许对有效繁殖数量和流行指数及其时间（以及可能是季节性）动态的可靠评估；另一方面，产生合理的流行病学预测，至少需要几周的时间。像这里刚刚概述的那样，一种集成方法显然将代表对本项的建模框架的重要扩展。

不断增长的大流行数字需要对实时控制措施进行可靠的评估，并且流行病指数被建议作为当前制定应急管理政策的工具的有用补充，特别是作为基于流行病学参数及其变化的综合措施，可能预示着可能发生亚阈值流行病的风险。此处提供的示例通过突出显示对短期和长期控制均有效的控制措施，说明了流行指数如何用于补充和专门化现有繁殖数量的多样性。因此，研究人员得出的结论是，流行病指数应在新兴传染病的流行病学中找到许多应用，并应纳入替代性干预措施的成本效益分析中。

2. 建立调控网络

释放了全基因组关联分析的潜力

期刊来源：Nature Communications

论文标题：

Modeling regulatory network topology improves genome-wide analyses of complex human traits

论文网址：

https://www.nature.com/articles/s41467-021-22588-0

全基因组关联分析（Genome-wide association studies, GWAS）在常见的遗传变异与人类的多种复杂性状之间建立了许多重要且可复现的关联。然而，将这些发现转化为生物学机制和临床应用是十分具有挑战性的，因为大多数与性状相关的变异仅具有较小的作用且会映射到非编码序列上。基因调控网络已被证明可用于从基因组数据中挖掘基因功能间的相互作用、转录调节相互作用，而不是单独的基因表达。此外，针对具体情况的调控网络已成为剖析复杂性状遗传学很有前景的工具。对GWAS的网络连通性分析表明，与性状相关的基因比预期的更紧密地相互联系，此外高度相互联系的基因对于性状遗传力而言是十分丰富的。但是，这些分析并未利用观察到的富集现象来进一步探索与性状相关的基因发现。

RSS-NET框架示意图

为了释放GWAS中调控网络的潜力，5月14日发表在 Nature Communications 上的一篇文章开发了一种贝叶斯框架（RSS-NET），用于同时进行全基因组网络富集和基因优先级分析。通过广泛的仿真，文章说明了该框架的几个优点，如，各种遗传结构下的灵活性，对各种模型错误的鲁棒性以及与现有方法相比的性能提升。将该方法应用于18种人类特质和38个调控网络，可以发现特质相关细胞类型或组织特有的网络拓扑结构中遗传关联的丰富性。通过对丰富网络中的变异进行优先排序，该框架可以确定与同一GWAS无关的与性状相关的基因，这些结果证明了新框架在从现有数据中获得更多生物学和医疗见解方面的潜力。

3. 直接互惠和间接互惠的统一框架

期刊来源：Nature Human Behaviour

论文标题：

A unified framework of direct and indirect reciprocity

论文网址：

https://www.nature.com/articles/s41562-021-01114-8

互惠原则在我们社会生活中随处可见，是合作演化的关键机制。无论什么时候，只要人们互相间回报，就认为会进行互惠行为，例如给网上卖家写一个正面评价，或者在多次互动中建立信任。以往的研究将互惠行为分为两类：第一种直接互惠（Direct reciprocity）意味着我对你的行为取决于你对我做了什么，而间接互惠（Indirect reciprocity）意味着我对你的行为还取决于你对别人做过什么。虽然这两种互惠机制相互交织，但由于种种困难现有的研究往往是单独针对其中一类互惠机制，很难在单一的理论框架内分析两种互惠机制。

2020年5月13日，Nature Human Behaviour 的一篇文章相反，我们在这里提出一个可以明确分析的框架。研究者们将零行列式策略（zero determinant strategy）从直接互惠扩展到间接互惠，即这类策略强大到无论对方如何应对，总是会被单方面将收益在一个固定的数值上。研究证明了直接互惠的“慷慨的以牙还牙”（generous tit-for-tat）策略在间接互惠中有一个自然的相似之处。使用均衡分析，研究者们描述了在什么条件下两种策略可以保持合作。通过模拟，进一步探索了当群体成员参与社会学习以适应他们的环境时，哪种互惠会进化演变。研究结果指出了直接互惠和间接互惠之间意想不到的联系，同时强调了它们在可进化性方面的重要差异。

上图为研究提出的直接和间接互惠的统一框架

4. 机器学习视角下

复杂世界中的认知极化

期刊来源：PNAS

论文标题：

Belief polarization in a complex world: A learning theory perspective

论文网址：

https://www.pnas.org/content/118/19/e2010144118

传播社会学中“回声室（echo chamber）”效应指在一个相对封闭的媒体环境上，一些意见被相似的声音不断重复、加强，回声室中的人们只能接触到支持他们已有观点的信息，使他们认为这些扭曲的故事就是事实的全部。当回声室中的人们在面对不同信息源时，往往会形成一个个具备相同认知的小群体，这种现象被称为认知极化（belief polarization）。5月11日发表在PNAS上的一篇文章通过机器学习的理论建立人类认知形成的模型，并指出即使面对相同的信息源，人们也会形成不同的认知。

文章提出了两种模型，在第一种模型中，人们的认知被视为过去数据的最佳拟合函数，并且该函数是确定性的。该模型中人们不能形成基于概率的认知，故较小差异的数据分布就可以导致截然不同的认知。在第二种模型中，人们的认知函数中包括随复杂性增加而增长的认知代价。该模型中，就算使用从同一分布获得的大量训练集，个体所形成的认知也有很大不同，因为他们以不同的维度对世界进行简化。

该研究进一步指出人类在解释复杂信息存在局限时，显著的认知差异是如何产生及维持的，并阐明了克服认知极化的内在难点及可能的方式。

5. 氧气抑制宏观多细胞性

期刊来源：Nature Communications

论文标题：

Oxygen suppression of macroscopic multicellularity

论文网址：

https://www.nature.com/articles/s41467-021-23104-0

尽管简单的多细胞性早在26亿年前就已在原核生物中进化，但这些谱系从未进化为大而复杂的集合体（即，在众多细胞类型中表现出广泛的细胞分化）。这与真核生物形成鲜明对比：真核生物独立进化出令人印象深刻的大型，复杂的多细胞形式。然而，即使在真核生物内部，直到其拓展群体多样化后的几亿年，宏观的多细胞线粒体才出现并经历了全球进化辐射。在这种长时间的滞后（1.6-0.8 Ga）期间，地球海洋-大气系统中的O₂浓度远低于今天（可能低于当前大气水平的1％）。到伊迪卡拉纪（Ediacaran，635 Ma）开始时，毫米到厘米尺度的宏观多细胞真核生物已经进化并分布在整个海洋中。这些生物代表了宏观上的多细胞性的第一种全球分布形式，具有薄的组织层，并且由于缺乏复杂的细胞分化而受到扩散限制，以及诸如后生动物后来发展的循环系统等关键创新。伊迪卡拉纪海洋中的宏观多细胞性的突然辐射与海洋大气氧水平（〜800–550 Ma）全球上升的证据相吻合。尽管这种地质生物学观察在很大程度上是无可争议的，但是氧在宏观多细胞性的进化中的作用仍然是一个激烈争论的话题。

氧气控制假说（The oxygen control hypothesis，OCH）是导致氧气浓度与多细胞大小相关的主要解释。OCH假定，在缺乏循环系统的生物中，氧气扩散到生物中的能力限制了生物的大小。因此，OCH预测大气中pO₂的增加通常会增加O₂扩散的深度，单调地增加在扩散性O₂限制阻碍生长之前可以达到的最大尺寸。OCH的中心预测是，大气中pO₂的增加可以支持更大的多细胞生物，这在很大程度上得到了数学模型的支持，在自然环境中的比较工作以及对现代动物的大多数操纵性实验证明，低的pO₂会限制身体的大小。

内部细胞受O₂限制，很大程度上无法呼吸。

研究人员观察到简单理论模型的预测与约800代定向进化实验的结果之间达成了惊人的共识，在这种进化实验中，大型多细胞生物在不使用氧气或充足氧气的情况下容易进化，但被抑制了进化。中等pO₂时的大小。他们表明选择在本次进化实验中直接影响大小的适应性结果，并且项目中所有的20个实验群体都利用类似的生物物理机制来进化更大的大小。综上，这项工作表明，在限制条件下，氧可以强烈抑制简单扩散限制的多细胞生物体中尺寸增加的演变。

基于此，未来还需要为复杂的多细胞生命的起源和随后的进化发展概念上的综合将需要跨学科的努力，包括新颖的第一原理方法，这些方法将使学界能够理解而非简单地描述宏观进化变化的历史模式。

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

• Physical Review Letters

• Physical 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[e-mail]）。

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[e-mail]）。

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