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8月2日-8月8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、在国内城市和国际国家的动态网络中量化2019冠状病毒疾病输入风险
2、用深层神经网络学习隐藏弹性
3、从微观角度研究共生关系及其重要性
4、独立的马尔可夫分解：生物分子复合物的动力学建模
5、公共卫生需要进化思维
6、气候变化下物种相互作用在生态演化群落动态中的重要性
7、复杂网络上传染动力学的深度学习

更新提醒：顶刊速递已支持论文图片速览


1. 在国内城市和国际国家的动态网络中

量化2019冠状病毒疾病输入风险

 

期刊来源：PNAS

论文标题：
Quantifying COVID-19 importation risk in a dynamic network of domestic cities and international countries
论文地址：
https://www.pnas.org/content/118/31/e2100201118
 
新冠病毒的爆发造成全球191个国家数以百万人死亡，为各国带来巨大的经济损失。当前，疫情威胁变化莫测，各国需要同时应对国内传播风险和国际输入风险。然而，很少有研究调查在考虑国内和国际威胁的情况下，新冠病毒防控策略的有效性。近日，在 PNAS 发表的一篇文章通过研究中国在防疫过程中的重心转型，对新冠病毒的传播进行多尺度地理分析，以量化不同政策情景下新冠病毒的输入风险。
 
该研究的空间动态面板数据（spatial dynamic panel data，SDPD）模型明确区分了不同城市内、城市间和国家间病毒传播的影响。研究发现，在疫情爆发之初，中国城市内传播为主要的传播机制，并且在境外输入病毒构成威胁之前都已减弱或明显减弱。通过将国内和境外输入传播系数参数的变化点与各种干预措施的时间匹配，可以确定有效的遏制政策。模拟表明，当国内病毒传播得到控制时，境外输入的风险是有限的。但是，如果国内病毒传播能力在存在境外输入后仍保持管控前水平，累计病例将增加近13倍。如果国内病毒传播能力自疫情爆发以来一直保持管控前水平，累计病例将增加32倍。这项研究发现为控制传染病提供了实际的见解，并呼吁全球开展协作和协调抗疫措施努力。
 

上图为动态的、整合的城市和国家网络。分别为2020年1月1日至23日（A）和1月24日至2月15日（B）期间中国44个国际机场城市确诊病例、北京入境人数和48个国家和地区直飞航班的日均数据。



2. 用深层神经网络学习隐藏弹性


期刊来源：PNAS

论文标题：
Learning hidden elasticity with deep neural networks
论文地址：
https://www.pnas.org/content/118/31/e2102721118
 
弹性成像是一种重建异质物体弹性分布的成像技术。由于癌组织比健康组织更硬，弹性成像可应用于医学成像以进行非侵入性癌症诊断。尽管已有基于应变的弹性成像部署在超声诊断成像设备上，但其结果不准确。基于模型的弹性成像通过解决弹性中的逆问题来重建弹性分布，可以提供更准确的结果，但由于逆问题的不适定性质，在实践中通常不可靠。
 
8月3日发表在 PNAS 的文章开发了一种将弹性理论与深度学习方法相结合的弹性成像方法ElastNet。凭借物理定律的先验知识，ElastNet 可以摆脱标记数据强加的性能上限。研究表明 ElastNet 在处理嘈杂或缺失的测量时具备鲁棒性。此外，即使没有测量，它也可以学习区域的可能弹性分布，并生成任意分辨率的弹性图像。当应变和弹性分布均已知时，弹性中隐藏的物理特性（平衡条件）可以通过 ElastNet 学习。
 

对ElastNet和OpenQSEL 64times64网格图弹性分布预测值（左），预测值相对误差图（右）

 
 

3. 从微观角度研究共生关系及其重要性


期刊来源：PNAS

论文标题：
Taking a microscale look at symbiotic interactions—and why it matters
论文地址：
https://www.pnas.org/content/118/31/e2110874118
 
查尔斯·达尔文（Charles Darwin）与Geier 等人发表于 PNAS 的这两部著作之间，他们共同提出动物是在微观中进化的。共生似乎是真核进化的一般原则，动物作为元有机体发挥作用。微生物共生体几乎影响真核生物的所有方面，但是是什么维持了共生体与其宿主之间的平衡？此外，这些相互作用究竟发生在动物体内的哪个位置？当然，答案在于合作伙伴之间精确且空间受控的细胞间通信。
 
Geier 等人的创新是在单个工作流程中结合高分辨率断层扫描和代谢物成像。作者使用了一种直接从大自然中分离出来的微小蚯蚓来证明该方法不依赖于培养，并且可以将共生体的显微组织学和定位与潜在的代谢物联系起来。选择蚯蚓的动机是这些动物的生态和进化重要性以及研究人员对它们作为元有机体的认识存在许多差距。从技术角度来看，在单一工作流程中，该技术包括快速冷冻动物、将其切成大块、使用 µCT 记录组织块的 3D 解剖结构、对来自相应组织切片的代谢物分布进行成像，以及重建一个3D 模型作为“图集”来指导高分辨率测量。下图以 3D 形式交互式探索动物的解剖结构、相关微生物、组织寄生虫和每个伙伴的潜在代谢组。
 
蚯蚓的化学组织断层扫描图像
 
尽管基础技术（μCT 和 MALDI-MSI）已经成熟，但截至目前，在未培养动物的单个工作流程中将这两种技术结合使用是前所未有的。Geier 等人的工作允许人们通过将空间代谢组学与微尺度分辨率的 MSI 相结合来可视化跨组织和微生物群落的分子。该研究代表了通过超高分辨率成像专家、动物学家和海洋共生专家的跨学科合作扩展到新领域的一个很好的例子。
 
现在需要在工作流程中包含其他步骤。共生伙伴关系本质上是代谢性的，但同时又非常活跃。在宿主的不同定植时间和生活史中会产生不同的代谢物。在时间和空间尺度上分析和量化代谢物交换不仅将增强人们对微生物对宿主生态和健康的影响的理解，还将增强这些共生对环境扰动的反应。由于这种成像技术可以应用于生命之树中的许多小型模式生物，因此显示出巨大的前景。因此，CHEMHIST 在具体化共生体和宿主之间的细胞对话方面迈出了关键一步，加速了对元有机体的整体理解和共生的整体理解。这一发现还表明，研究人员需要再次学习如何看待动物，并指出更多的秘密等待被发现。
 
 

4. 独立的马尔可夫分解：

生物分子复合物的动力学建模


期刊来源：PNAS

论文题目：
Independent Markov decomposition: Toward modeling kinetics of biomolecular complexes
论文地址：
https://www.pnas.org/content/118/31/e2105230118
 
计算生物学中，对大型复杂生物系统相互作用的建模极其重要。分子动力学模拟和马尔可夫状态模型的结合使得能够在长时间尺度上构建简化的分子动力学模型。但这种方法本质上受到分子系统大小的限制，随着大分子复合物尺寸的增加，全局系统状态的数量呈指数增长，使得对所有全局状态的采样变得不可行。 
 
8月3日发表在 PNAS 的文章提出了一种称为独立马尔可夫分解的技术，该技术利用子系统之间的弱耦合来计算全局动力学模型，而无需对子系统的所有组合状态进行采样。该研究为独立马尔可夫分解技术提供了理论基础及实验验证，证明了独立马尔可夫分解相比标准马尔可夫状态模型，可大幅减少状态采样，并进一步对技术效果进行量化，以确定最佳分区的选择。该技术有望实现复杂生物分子系统的鲁棒建模。

使用标准图形布局（Fruchterman-Rheingold 算法）描绘的 Syt-1 C2A 残基之间的依赖网络。a：马尔可夫过程变量方法规范化依赖网络，边权重由颜色条指示，节点根据 k-means 算法 (k = 7) 的无监督分类进行着色。b：蛋白质的可视化

 

5. 公共卫生需要进化思维


期刊来源：PNAS

论文标题：
Public health needs evolutionary thinking‘
论文地址：
https://www.pnas.org/content/118/31/e2110985118
 
母乳喂养是喂养婴儿的最佳方式，它不仅能提供适当的营养，而且还支持免疫系统的发育，提供健康的微生物组并降低疾病风险并降低总体死亡率。母乳喂养还能抑制母体卵巢功能并延迟下一次怀孕，这也带来了好处。生育间隔是婴儿死亡率、孕产妇健康以及从进化的角度来看孕产妇繁殖成功的重要预测指标。
 
在来自 84 个低收入和中等收入国家的母乳喂养母亲中，哺乳期闭经的持续时间（即分娩后没有月经周期的时间长度）在 1975 年至 2009  年间大幅下降。在一些国家，由于近年来大力开展公共卫生工作，女性延长了母乳喂养的时间，但尽管如此，闭经恢复周期的时间并没有改变。8月3日发表于 PNAS 的评论文章从进化的角度对该问题进行了解释。
 

6. 气候变化下物种相互作用在

生态演化群落动态中的重要性


期刊来源：Nature Communications

论文标题：
The importance of species interactions in eco-evolutionary community dynamics under climate change
论文地址：
https://www.nature.com/articles/s41467-021-24977-x

生态演化动力学对于塑造社区对持续气候变化的生物反应至关重要。在这里，研究人员开发了一个空间明确的生态进化框架，该框架具有更详细的物种相互作用，整合进化和扩散。其中包括营养级内和营养级之间的物种相互作用，此外，研究人员还纳入了物种的种间竞争可能因温度升高而改变的特征，并影响气候变化对生态群落的影响。
 
本项建模框架捕捉了先前报告的对气候变化的生态响应，并揭示了两个关键结果。首先，营养级之间的相互作用以及营养级内依赖温度的竞争减轻了气候变化对生物多样性的负面影响，强调了理解生物相互作用在塑造气候变化影响方面的重要性。其次，研究人员基于特征的观点揭示了社区内偏好温度的变化与应对气候变化的能力之间存在很强的正相关关系。依赖于温度的竞争始终导致更高的性状变异和对气候条件变化的响应更快的社区。研究证明了物种相互作用在生态进化环境中的重要性，进一步扩展了人们对生态和进化过程之间相互作用的认识。
 
建模框架如图所示
 
生物群落受到许多因素的影响，生态的和进化的，影响它们对气候变化的反应。本项研究的框架证明了包括相关生物过程对于预测气候变化对全球和当地生物多样性的大规模后果的重要性。现实机制，如物种在多个营养水平上的相互作用和依赖温度的竞争，以及散布和可用遗传变异的特定组合，可以减轻气候变化的一些负面影响，显示生态群落适应气候变化的潜在方法状况。尽管如此，气候变化对生态群落的负面影响是严重的，许多全球物种灭绝和影响在气候再次稳定很久之后才显现出来。
 

7. 复杂网络上传染动力学的深度学习


期刊来源：Nature Communications

论文题目：
Deep learning of contagion dynamics on complex networks
论文地址：
https://www.nature.com/articles/s41467-021-24732-2

该文提出了一种数据驱动的方式，从一个未知的动力学过程中，利用时间序列来获得关于其性质的洞察。通过大规模的数据开源，该模型能够为我们应对疾病传播做好准备；甚至基于社交媒体中迷因传播的数据，可以研究信息传播中的未知结构和机制。目前虽集中在传染动力学上，但是它的潜在适用范围涉及到复杂系统建模的许多其他领域，研究人员期待它可以解释在这些领域中复杂机制所起的作用。
 
使用了西班牙2020年1月到2020年12月间，52个区分别的日感染数（新冠）作为训练集，结合西班牙汽车、大巴、火车、飞机和轮渡的多重交通网，研究人员成功的用该模型，预测了2021年1月到3月的感染情况。
 

A：西班牙五种交通网络图， B：西班牙52个省每日感染数的热图，标记的前半部分为训练数据集

 



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