数字接触者追踪与新冠病毒防控有效性 | 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10月11日-10月17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：

1、数字接触者追踪与新冠病毒防控有效性

2、剪切松弛控制生物分子凝聚物的融合动力学

3、独一无二的印记：人脑指纹的时间性

4、几何网络上流行病播种引起的切换现象

5、复杂系统随机行为的朗之万动力学

1. 数字接触者追踪

与新冠病毒防控有效性

期刊来源：Nature Communications

论文标题：Nationwide rollout reveals efficacy of epidemic control through digital contact tracing论文地址：https://www.nature.com/articles/s41467-021-26144-8

自新冠疫情以来，为做好疫情防控，大规模的追踪技术得以广泛的应用，不过这种追踪技术的应用一直以来都备受争议，且有效性并没有得到严谨的论证。来自 Simula 都市数字工程中心的Ahmed Elmokashfi 带领 7 位合作者就这一问题进行了数据分析。这一研究结果于 2021 年 10 月 11 日，发布在 Nature Communications 网站上。

在该项目中，研究者通过一款在挪威广泛使用的应用程序，收集了人群间数百万次的接触数据。该数据涵盖了大约12.5%的成年人群。通过分析，研究者发现，大约有11%的密切接触者无法通过跟踪程序获得。研究者表示，跟踪程序有助于遏制超级传播事件的出现。但使用效果也依赖于应用程序的接受程度。

利用跟踪程序识别潜在的密切接触者

2. 剪切松弛控制生物分子凝聚物的

融合动力学

期刊来源：Nature Communications

论文标题：

Shear relaxation governs fusion dynamics of biomolecular condensates

论文地址：

https://www.nature.com/articles/s41467-021-26274-z

相分离的生物分子凝聚物在执行其广泛的细胞功能时必须对生化和环境线索做出敏捷反应，但时至今日，学界对凝聚物动力学的理解依然滞后。现在有充分的证据表明生物分子凝聚物是粘弹性流体，其中剪切应力以有限的速率松弛，而非像在粘性液体中那样瞬间松弛。然而，冷凝液滴的融合动力学仅基于粘性液体建模，融合时间由粘毛细管比率（界面张力的粘度）给出。在本篇文章中，研究人员使用光学捕获的聚苯乙烯珠来测量四种液滴的粘性和弹性模量以及界面张力。

相分离的生物分子凝聚物介导从应激反应到染色质组织的细胞功能。冷凝物——包括无膜细胞器，如应力颗粒、P颗粒和核仁——通常表现为微型液滴，并跨越从液体状到固体状的材料状态，或随着时间的推移变成固体状（该过程称为成熟或老化）。在应力颗粒和许多其他情况下，动态的液态允许根据生化或环境线索进行快速组装、拆卸或清除，并允许配体或大分子组分与周围的本体相轻松交换。

为了评估粘毛细管模型并揭示融合速度的其他决定因素，研究人员使用光镊（optical tweezers ，OT）来测量复杂的剪切模量和各种冷凝物的界面张力。这些凝聚物的聚变速度跨越两个数量级。选择它们来举例说明体内缩合物的生物分子的不同结构顺序，包括完全折叠的物种、完全无序的物种以及包含折叠域和无序区域的物种。

系列中液滴越来越高，粗略地表明界面张力从 pK:H 到 S:L 适度增加

研究人员已经证明，不同的冷凝物在 ms 到 s 时间尺度上具有粘弹性。在融合过程中，冷凝物可以在相反方向（即剪切增稠或变稀）偏离牛顿流体，具体取决于剪切松弛和冷凝物变形的相对速率。凝聚物中剪切松弛的主要模式是大分子网络的重新配置。虽然相平衡（和界面张力）的确定产生了关于大分子组分能量特性的信息，但剪切松弛模量的测量使他们能够探测这些分子的动态特性。与融合类似，其他凝聚物动态过程，包括变形后的形状恢复、不同凝聚物的物理结合、多相组织、组装和拆卸以及老化，都涉及大分子网络的重构。剪切弛豫提供了凝结水动力学的控制措施。这些发现可能对其他动态过程有影响，例如多相组织、组装和拆卸以及老化。

3. 独一无二的印记：

人脑指纹的时间性

期刊来源：Science Advances

论文标题：

When makes you unique: Temporality of the human brain fingerprint

论文地址：

https://www.science.org/doi/10.1126/sciadv.abj0751

从人脑连接数据中提取“指纹”已成为神经科学的新前沿。然而，人类大脑可识别性的时间尺度在很大程度上仍未得到探索。在 17 世纪，医生 Marcello Malpighi 观察到指尖上存在独特的脊凸起和汗腺图案，这一关键观察导致了对基于指纹唯一识别个人的方法的长期持续探索，这种技术直到今天才被广泛使用。在现代，指纹识别的概念已扩展到其他生物识别数据，例如录音和视网膜扫描等。只是在过去几年中，技术和方法才实现了对个人大脑的高质量测量，以至于现在可以表征个性特征和行为。最有洞察力的相关性来自于结构和功能连接（functional connectivity，FC）的研究，可以使用网络科学进行建模和分析，该研究领域通常被称为大脑连接组学。对于结构连接组，成对的大脑区域之间的白质通路使用扩散加权成像进行量化，并称为结构连接（structural connectivity，SC）。对于功能连接组，这些区域的活动时间过程之间的时间统计依赖性来自功能磁共振成像 (fMRI) 以定义功能连接。

研究人员在人类连接组计划（Human Connectome Project，HCP）数据集的 100 个不相关主题上探索了不同时间尺度（窗口长度）上人类指纹的这些时间性方面。他们首先选择了六个不同的窗口长度（7.2、36、72、144、288 和 576 秒，固定滑动窗口步长为 7.2 秒），并探索了不同时间的动态差分可识别性（dynamic differential identifiabilit，dIdiff）和成功率 （success rates，SR）尺度上的表现。简而言之，dIdiff 是差异可识别性分数的扩展，最初评估每个受试者的 FC 自相似性与其他受试者的 FC 之间的差异。

动态差分识别随着窗口长度的增加以及相应的 SR 稳定增加。然而，随着 dIdiff 和 SR 得分达到与静态连接分析获得的值相当的值，在最大 dIdiff 窗口长度之前开始出现明显的关于主题边界的对角线块。这表明，即使在更短的时间范围内，也存在能够可靠地链接测试-再测试会话的特定动态指纹。

跨时间尺度的动态识别

在本项工作中，研究人员跨模式扩展可访问的时间尺度范围以进行动态识别。这项工作还开辟了将功能性大脑指纹与底层结构架构相关联的途径。已有研究表明，较长的 fMRI 会话（直到平台期）可以提高识别能力。此外，最近显示功能-结构依赖性遵循与此处发现的大脑指纹梯度非常一致的大脑模式。因此，关于可识别性及其与 SC 关联的未来工作似乎值得探索。

总之，研究人员探索了人脑指纹的时间性。他们已经证明指纹与功能性大脑连接的时间尺度交织在一起，并且可能与大脑活动的瞬时爆发有关。基于这些初步发现，这项调查是有希望的，它代表着朝着更好地了解我们的大脑独特的原因和时间迈出的一步。

4. 几何网络上流行病播种引起的

切换现象

期刊来源：PNAS

论文标题：Switchover phenomenon induced by epidemic seeding on geometric networks论文地址：https://pattern.swarma.org/paper?id=c17a479c-2bb7-11ec-92bc-0242ac17000a

局部流行病是否会成为全球大流行病取决于几个条件。生物、环境和行为因素至关重要，但流行的最终结果也很大程度上取决于其起源的种子种群的大小和位置。如果疫情首先发生在人口密度低、当地交通连接少的偏远地区，它可能会迅速灭绝，而不会造成重大爆发。如果流行病从一个连接良好、人口更多的地方开始，在那里它可以生存并更容易传播到其他人口，那么动态可能会完全不同。尽管该观点已经得到认同，但研究人员挑战这种直觉并表明，从最终感染人数方面来看，从网络最紧密连接的核心传播流行病并不总是会导致更大规模的流行病：如果疾病容易传播，从网络中随机选择的节点播种传播可以覆盖更大的人群。

研究通过使用几何网络模型来研究基础几何的具体影响，为现象的分析描述开辟方向。几何非均匀随机图（Geometric inhomogeneous random graph，GIRG）模型提供了一个很好的框架来生成嵌入几何空间的结构异质合成复合种群结构。GIRGs 有两个强大的参数来控制新兴网络的定性特征。参数 τ 决定了各个节点的邻居数量的可变性（τ 值越小，对应的可变性越大，同时保持平均度数相同）。GIRG 的另一个稳健参数 α 控制网络中远程连接的数量，编码远距离节点之间可能的旅行。如果α≃1，则出现许多长程边缘，类似于几何（或平均场）结构（下图B），但当α增加时，长程接触的数量减少，网络表现出更多如下图C 所示，呈现明显的底层几何结构。(τ,α) 的值决定了 GIRG 相对于网络中平均距离的不同普遍性类别。

除了科学价值之外，本项结果可能有助于在持续大流行期间更好地设计一个国家的流行病预测和干预策略。研究人员强调不仅要跟踪传播疾病或其变种的新感染病例的发生率，还要跟踪其空间分布的重要性。这可能会产生创造性的测试策略，该策略会在初始阶段揭示流行病的空间分布，因为从 COVID-19 大流行开始，某些国家（如丹麦）就是这种情况。基于这些早期观察，本项理论通过考虑流行病传播的普遍被忽视的复杂影响以及人口和流动性的几何结构，提供了对流行病长期后果的新的理解。

5. 复杂系统随机行为的朗之万动力学

期刊来源：Nature Communications

论文标题：Learning non-stationary Langevin dynamics from stochastic observations of latent trajectories论文地址：https://www.nature.com/articles/s41467-021-26202-1

复杂系统的一个特点就是系统往往处于非平衡状态，这样的过程可以用朗之万方程进行描述，人儿，复杂系统的动力学过程往往难以直接获得，只能从数据观测，这就为复杂系统动力学过程的推断带来了难度，来自冷泉港实验室的 Mikhail Genkin 和来自美国密西根大学的 Owen Hughes、Tatiana A. Engel 就提出了一个非参数朗之万方程推断框架。该研究于 2021年 10 月 13 日发表在 Nature Communications 网站上。

该框架明确模拟了随机观测过程和非平稳潜动力学，考虑了观测系统的非平衡初始状态和最终状态，以及系统动态定义观测持续时间的可能性。忽略这些非稳态成分中的任何一个都会导致不正确的推理，由于数据分布的并非平稳，在动态中会产生错误的特征。因此，研究者用神经动力学模型来说明在大脑中作出决定的框架。

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