寻找超级传播者：病毒传播网络中的反向接触追踪 | 复杂性科学顶刊精选9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2月22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：
病毒传播网络中反向接触追踪的有效性

学术界中父母角色的不平等影响
自组织分子分类的最优解

耗散限制了远离平衡态转化速率的放大

社交距离可以降低个体感染新型冠状病毒的可能性

使用渗流理论揭示流量需求非均匀的基础设施网络瓶颈

透过古DNA分析东亚人群演化史

细胞代谢资源配置约束下的最优生长策略
社交媒体参与的奖励学习机制建模

1.病毒传播网络中反向接触追逐的有效性
期刊来源：Nature Physics
论文题目：The effectiveness of backward contact tracing in networks论文网址：https://www.nature.com/articles/s41567-021-01187-2

接触追踪在流行病防控中有至关重要的作用，它可识别潜伏期及无症状传染者，并对其进行隔离。但更为重要的是，接触追踪可以识别出超级传播者（传染病毒给十人以上的病人）。而接触追踪对超级传播者的识别可归功于“友谊悖论（friendship paradox）”。友谊悖论指出你的朋友往往比你有更多的朋友，这是因为我们更倾向于结交受欢迎的朋友。而病毒通过人与人之间的接触而传播，朋友多的人自然更有可能被感染。本文指出相较于正向接触追踪（追踪被传染者），反向接触追踪（追踪传染源）对疫情防控更有效。因为即使我们并不清楚病毒在接触者中传播的方向，但由于传染源或超级传播者传染了许多个体，表现为具有更多联接的节点，我们可以通过反向接触追踪将其识别出。
反向接触追踪的示意图实际上，正是接触网络内在结构的性质保证了接触追踪，尤其是反向接触追踪的有效性，这种性质表现为度（即每个个体接触的人数）的异质性。在具备异质性的网络中，每个节点的度具有很大差异，从而加强了友谊悖论的效果。而真实的接触网络恰恰以其异质性出名。本文利用生成的网络数据与高精度的实验所得网络数据进行模拟，证明了反向接触追踪可更好的利用网络异质性进行防控，并呼吁相关部门对其加以重视。
2.学术界中父母角色的不平等影响
期刊来源：Science Advances
论文标题：The unequal impact of parenthood in academia学术界中父母角色的不平等影响论文地址：https://advances.sciencemag.org/content/7/9/eabd1996.full

众所周知，很多人在孩子出生后将自己的生活中心从事业逐渐转向家庭，这种现象在学术圈内也同时存在。那么“为人父母”这一大事件对不同性别的科研人员会具体带来怎样的影响呢？在2021年2月24日刊登在 Science Advances 上的文章给出了答案。该研究通过对美国和加拿大450个计算机、历史学和商学专业的3064位终身教职人员进行了调查，量化了早期职业生涯中“成为父母”和“没有成为父母”的两类教职人员的科研生产力差距，并直接衡量为人父母对男性和女性科研人员的不同影响。研究结果表明，在为人父母之前，男性和女性科研人员的产出效率相似。女性科研人员通常在拥有孩子后出现平均科研生产力降低，随着时间推移，她们科研产出能力下降幅度也逐渐减小。针对已为人父母的科研人员，该研究还与100972份教员发表物数据以及特定机构的产假政策数据相结合，尤其针对第一个孩子的出生对不同性别教员的影响进行了更深入的分析。同时，该研究倡导为更多女性在产后继续坚持科研，应完善相关的带薪育儿政策和儿童保育法规等。图为2000年前后为人父母的科研人员累积科研生产力
3.自组织分子分类的最优解
期刊来源：Physical Review Letters
论文标题：Optimality in Self-Organized Molecular Sorting论文网址：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.126.088101

为了对抗扩散的均质化作用，真核细胞演化出了一个精细的系统对蛋白质进行分选并在囊泡中进行蒸馏，然后通过涉及分子马达的主动机制将其转运至适当的细胞内目的地。现有的观察结果表明，分选可能是由两个主要过程耦合产生的一个普遍过程：（1）局部蛋白质微结构域的自聚集，以及（2）囊泡成核。扩散在膜上的分子可以聚集到局部富集的域中，该域通过对分子吸收而生长。当一个域足够大时，其生化成分会在局部引起较高的膜曲率，进而引发小囊泡的成核与脱离。新产生的囊泡在被吞噬区域的生化因子作用下富集，实现自发蒸馏过程。分子密度ρ（在统计稳定状态下的时间平均）与聚集系数g的关系。插图为对数-线性坐标系下的表现。
2月23日发表在 Physical Review Letters 上的一篇文章基于分子自发聚集与囊泡成核的耦合关系建立了一个简单的物理模型来解释细胞对蛋白质的分类与蒸馏。在该模型中，分子向多个分选中心扩散，这些分选中心由于对分子的吸收而增长，并在达到足够大的尺寸时被提取出来。该文章将该模型的理论结果、数值模拟结果与实验观察结果进行了比较，发现了使该过程的效率最高的中间聚集速率，在该速率下，分选的分子密度达到了最小。

4.耗散限制了远离平衡态转化速率的放大
期刊来源：PNAS
论文标题：Dissipation bounds the amplification of transition rates far from equilibrium论文地址：https://www.pnas.org/content/118/8/e2020863118

复杂系统具备可以调节系统中非平衡能量的功能，而这种动态的转变也是物理科学的核心，但非平衡系统中变化的预测、设计以及转化速度都是难以把握的。因此，来自美国加州大学伯克利分校的两位研究者就利用随机热力学的最新进展构建了一个限制转换速率的框架。该研究论文于 2021 年 2 月 23 日发表在 PNAS 上。该研究表明，在一般条件下，存在一个与该系统热量耗散相关的速度限制机制。在自发系统和受控系统中研究者都发现了这一现象。这也表明该框架可以有效地限制系统的反应速率。杜芬振子中反应速率的变化 5.社交距离可以
降低个体感染新型冠状病毒的可能性
期刊来源：PNAS
论文标题：Social distancing decreases an individual’s likelihood of contracting COVID-19论文地址：https://www.pnas.org/content/118/8/e2023131118

新冠疫情爆发一年以来，“保持适当的社交距离”可谓是老生常谈。然而现有的报告多体现在保持社交距离的行为在社区或地域层面上的积极影响，鲜有研究表明这一行为在个体层面的有效性。2021年2月23日刊登上 PNAS 的一篇文章对2120名线上参与者的进行纵向调查，表明保持社交距离的防疫手段效果与个体差异有关。该项研究的社交距离评估不仅包括参与者严格遵守社交距离建议的自我报告测量，还包括一系列社交距离的虚拟行为测量。虚拟行为测量能向参与者展示了能反映指定真实场景的图像，在其中参与者们与场景中的其他人建立联系。根据个人保持社交距离这一行为，特别是虚拟行为措施评估，研究者们可以预测4个月内感染新冠病毒的可能性。研究结果为保持社交距离这一行为的有效性提供了明确支持。参与者践行这一规定的频次越高，他们在未来的4个月感染病毒可能性就越小。这一发现对个体为什么要保持社交距离提供了独特视角，个人行为不仅关系到集体的健康，也关系到特定个体健康。上图表示利用二元logistic回归预测COVID-19疫情 6.使用渗流理论揭示
流量需求非均匀的基础设施网络瓶颈
期刊来源：Nature Communications
论文标题：Percolation of heterogeneous flows uncovers the bottlenecks of infrastructure networks论文网址：https://www.nature.com/articles/s41467-021-21483-y

网络科学的最新理论进展极大地推动了我们对复杂系统的理解。在许多现代研究中，渗流理论经常被用来表征网络系统的结构、功能和鲁棒性。该方法通过渗流模型模拟链路故障，逐渐从网络中删除链路。通常来说，我们可以使用网络的最大连通分量（largest connected component，LCC）的减小来衡量链路逐渐移除带来的影响。模拟链路故障的不同策略，例如随机故障（表示网络中随机出现的错误）和目标故障（代表网络遭受的蓄意攻击），可以研究一系列不同的拓扑特征。
（a）为五个节点构成的网络G，其中每个链接的质量使用颜色编码。矩阵F量化了所有节点对之间的流量需求，共计总计100个单位。（b）通过增加阈值ρ同时去除qij≤ρ的链接来模拟渗流过程，并在不同阈值处进行了网络可视化，受影响（红色）和未受影响（蓝色）的流量需求通过矩阵进行表示。
实际上，流量需求量在复杂的网络中并不均匀，对于流量需求的异质性如何影响拥塞情况下的网络流量动态，人们知之甚少。为了探索这一点，2月23日发表在 Nature Communications 上的文章引入了基于渗流理论的流量异质网络分析框架，从理论上确定了对流量如何通过网络具有决定性影响的瓶颈链接。该框架的有效性在大规模的实际运输网络上得到了证明，在该网络上缓解了被确定为瓶颈的一小部分链路的拥塞就可以大大改善整个网络的运转。
7.透过古DNA分析东亚人群演化史
期刊来源：Nature
论文标题：Genomic Insights into the Formation of Human Populations in East Asia论文网址：https://www.nature.com/articles/s41586-021-03336-2

随着分子生物学的发展，这一领域的研究成果也改变了考古学，并由此诞生了古DNA研究这一分析古代生物谱系、演化起源等问题的跨学科领域。在由厦门大学人王传超教授联合全球85位科学家组成的研究团队，就通过对古DNA信息的探究，分析了东亚人群的形成历史。这一研究成果于 2021 年 2 月 22 日发表在 Nature 期刊上。这一研究表明，在5000多年前，黄河流域的农耕人群是汉族于藏族的共同祖先之一；而人口的大规模迁徙也使得东亚地区人群的遗传差异越来越小。在遗传学上，南岛语人群的形成与壮侗语人群有密切的关系；8000多年前，蒙古高原、贝加尔湖到黑龙江流域地区的采集狩猎人群与通古斯语人群也有着较强的遗传学关系，并未明显收到来自农业人群的影响。而且该研究也是目前学术界对东亚人群基因组进行的最大规模的考古研究。

8.细胞代谢资源配置约束下的
最优生长策略
期刊来源：PNAS
论文题目：Emergence of diauxie as an optimal growth strategy under resource allocation constraints in cellular metabolism论文网址：https://www.pnas.org/content/118/8/e2013836118

大肠杆菌在碳水化合物混合物中，对单一糖类的消耗量遵循两条不同的指数曲线，经由平台期分开，这种现象被称为两峰生长（diauxie）。这种细胞行为对应于糖的顺序消耗：一种糖优先消耗，而第二种糖仅在第一种消耗殆尽后才开始得到利用。尽管目前基于最优化的计算模型可以预测混合糖类的利用曲线，但这些模型缺乏对这一现象中的蛋白质动力学进行详细描述。该现象是一种进化压力下产生的复杂行为，它的发生受大肠杆菌中乳糖操纵子的调控网络控制。研究人员希望能够从细胞生理学的角度充分阐明其存在的理由是，以便理解且更好地设计细菌生长的细胞内动力学的一个重要里程碑。因此，需要一种在蛋白质组水平上描述二联体的制剂。随时间推移，葡萄糖消耗的模拟与实验数据之间的比较
众多模拟数据表明，葡萄糖混合乳糖的预培养条件下，实验数据具有很强的定性一致性。此外，研究人员观察到，当提供的糖类底物发生变化时，达到一个新的最大增长率所需的额外时间，相较预测而言，较为滞后。科研人员将其解释为蛋白质组转换时间，是细胞重新安排蛋白质组各项组分的比例分配以适应新的培养条件所导致。总的来说，在进化压力的背景下，阐明调控机制将大大提高我们对调控系统的理解和设计能力。无论是野生型大肠杆菌还是癌细胞，调控系统在生物体中普遍存在。本项研究的新模型是朝着这个方向迈出的重要一步。它可以揭示指导细胞调节控制系统出现的最优化原则，更好地理解并最终掌握代谢工程的关键，以便人们将其应用于工业、基于细胞的疗法的开发或是更多领域。

9.社交媒体参与的奖励学习机制建模
期刊来源：Nature Communications
论文题目：A computational reward learning account of social media engagement论文网址：nature.com/articles/s41467-020-19607-x

全球每天有数十亿用户活跃在网络社会中。2019 年，超过 40 亿人平均每天花费一到数个小时浏览网站。社交媒体已经成为人类生活的现代舞台。社交媒体的高度流行通常被归因于对社会回报（喜欢）的心理需求。尽管如此，但社交媒体参与作为基于奖励的行为的经验证据仍然非常少见，我们仍然不知道为何人们沉迷于社交媒体。最近，科研人员采用一种新的模型来直接测试奖励学习机制是否有助于社交媒体行为。他们使用基于强化学习理论的计算模型来分析来自多个社交媒体平台上4000多个个人的一百万个帖子。最终分析结果始终表明，社交媒体上的人类行为在质量和数量上都符合奖励学习的原则。在在线社交媒体平台上，对一个人行为的反馈通常以“点赞”的形式出现——这是另一个用户对他的发布内容表示认可的信号——这被认为是一种社会奖励。事实上，多项研究支持“点赞”与其他更基本的奖励（如食物或金钱）具有相似的激励机制的观点。在人类中，脑成像研究一直表明，喜欢和其他社会奖励是由神经和计算机制处理的，它们与处理非社会奖励的机制密切重叠。尽管神经科学研究在很大程度上局限于实验室内结论，但这些发现表明，社交媒体的使用可能反映了奖励最大化的过程，类似于在物种间观察到的对非社会奖励的反应。通过奖励学习来解释Instagram上用户的行为这项研究揭示了基本的奖励学习机制有助于促进人类在社交媒体上的行为。将现代在线行为理解为社会奖励学习机制的一种表达方式，这为心理学和计算机制提供了一个新的窗口，这些内在机制驱动人们使用社交媒体，同时阐明了基本的跨物种机制和独特的人类社会互动模式之间的联系。除了寻求奖励之外，在社交媒体上发布内容还有许多可能的原因——例如从自我表达到关系发展。虽然本项研究侧重于社会奖励如何解释行为，但它并不排除其他动机的潜在重要作用。继续考虑这类相关的计算参数——如互惠或网络邻近性——是未来研究的一个重要目标。

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）。