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2022年5月23日-5月29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. 同步振荡器的复杂动力学

  2. 张量格点场论在重整化和量子计算中的应用

  3. RNA速度与深度学习方法揭示细胞周期基因调控动力学

  4. 利用染色质相分离技术生成动态三维基因组结构

  5. 适应度的遗传变异表明野生动物的当代迅速适应性演化

  6. 对他人特质的神经表征预测社会决策

  7. 及时减轻气候破坏：避免长期和短期全球变暖的自洽方法

  8. 大规模的微生物组数据集成使生物标志物识别更加可靠


1.同步振荡器的复杂动力学


论文题目：Complex dynamics in a synchronized cell-free genetic clock
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-30478-2

在整个生物界，包括细菌、真菌、植物、昆虫和人类在内的生物体，都通过昼夜节律钟来调节昼夜周期。测量时间的能力被认为具有确切的演化优势。在分子水平上，生物钟通常由与外界授时因子信号同步的耦合基因振荡器组成。对各种昼夜振荡器的理论研究预测，受迫系统和自由耦合系统都表现出分叉、周期倍增和混沌等非线性现象。

之前在计算模型中已经发现生物钟这种现象，但在生物系统中的对其进行实验研究一直颇具挑战性。本文提出在微流控反应器中操作的、受迫无细胞基因振荡器周期倍增的实验证据，其中通过调节振荡器的一个组件的浓度，系统周期性地受到扰动。当外部驱动与内在周期相匹配时，实验发现振荡器动力学的周期是原来的两倍和四倍。这一结果与理论模型预测非常接近，模型还提出了该系统在哪些条件下会表现出混沌动力学。该研究表明，外在和内在周期的失谐会导致更稳定的同步，这表明同步合成和天然遗传钟的一种简单设计原理。

图：基因振荡器电路和实验装置。合成基因振荡器的（a）简单和（b）详细电路图，（c）环形微流控反应器。



2.张量格点场论

在重整化和量子计算中的应用


论文题目：Tensor lattice field theory for renormalization and quantum computing
论文来源：Reviews of Modern Physics
论文链接：https://journals.aps.org/rmp/abstract/10.1103/RevModPhys.94.025005

论文讨论了在格点量子色动力学（lattice QCD）背景下研究的一系列模型的统计取样的优越性和局限性，并强调需要新的方法来处理有限密度和实时演化。研究表明，这些格点模型可以用张量方法重新表述，其中路径积分中的场积分被离散求和取代。这些公式涉及各种类型的对偶性，并提供精确的粗粒度公式，可以与截断相结合，以实现 Wilson 重整化群程序。张量重构天然是离散的，并提供可管理的转移矩阵。截断与时间连续极限相结合，得出适合于进行量子模拟实验的哈密顿量，例如使用冷原子，或在现有量子计算机上编程。论文回顾了关于张量场理论处理非紧凑标量模型、超对称模型、经济的四维算法、高斯定律的噪声鲁棒执行、对称性保存的截断和拓扑学考虑的最新进展，还讨论了与其他张量网络方法的联系。

图：三维空间中的基本张量。局部张量的六个指数显示为较粗的线条（红色线条），从格子中心部位的球体发出，沿着格点的连线存在。



3.RNA速度与深度学习方法

揭示细胞周期基因调控动力学


论文题目：Cell cycle gene regulation dynamics revealed by RNA velocity and deep-learning
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-30545-8

尽管细胞周期是生命的基本过程，但研究人员对整个细胞周期中基因调控动力学的详细定量了解还远未完成。单细胞 RNA 测序（scRNA-seq）技术可以在不对细胞进行外部干扰的情况下获得这些动力学。最近，研究人员通过在不同的细胞系统中生成 scRNA-seq 文库，观察了细胞周期相关基因的未剪接 RNA 空间中的循环模式。由于现有的分析 scRNA-seq 方法不能有效地测量循环基因动力学，他们提出了一种深度学习方法（DeepCycle）来适应这些模式，并构建整个细胞周期转录组的高分辨率图谱。通过表征胚胎和体细胞中的细胞周期，研究人员确定了 G1 期的主要转录波，并系统地研究了细胞周期的各个阶段。该工作将有助于在多种细胞模型和不同生物学背景下研究细胞周期。

图：小鼠胚胎干细胞的 UMAP 算法预测，三个数据集（mESCs、导管细胞和成纤维细胞）呈现不同的测序深度。展示 RNA 含量（UMI）分布、每个细胞的基因数以及每个样本的总读数（未剪接 + 剪接）。


4.利用染色质相分离技术

生成动态三维基因组结构


论文题目：Generation of dynamic three-dimensional genome structure through phase separation of chromatin
论文来源：PNAS
论文链接：https://www.pnas.org/doi/10.1073/pnas.2109838119


三维基因组结构和动力学在调控 DNA 功能中起着关键作用。灵活的染色质结构和运动表明，在细胞分裂间期的细胞核中，基因组会动态相分离形成 A（活性）和 B（非活性）区。本文通过构建人类细胞全基因组的聚合物模型，并评估相分离对基因组结构的影响来检验这一假设。进入 G1 期后，模拟基因组根据染色质链间的异质排斥而扩张，使染色质链发生异质移动，诱发染色质相分离。这种排斥驱动的相分离定量地再现了实验观察到的染色质结构域、A/B区、层相关结构域和核仁相关结构域，一致地解释了不同的人类细胞的细胞核，并预测了它们的动态波动。本文提出，染色质链中异质性排斥作用导致的相分离，很大程度上决定了动态基因组组织。

图：模拟的人类基因组。（A）基因组的后期模拟和随后进入间期的细胞核扩展；（B）具有在 x 轴上指定的核仁数量的细胞群分数的分布；（C）IMR90 模拟 G1 核的快照；（D）GM12878 细胞中染色体 Rg 的分布，取自 200 个模拟细胞；（E）在 D 中分布的平均 Rg 与 显微镜数据进行比较；（F）GM12878 细胞中染色体质心的径向位置分布，取自 200 个模拟细胞。（G）将染色体质心的二维径向位置与显微镜数据进行比较。



5.适应度的遗传变异表明

野生动物在当下的迅速适应性演化


论文题目：Genetic variance in fitness indicates rapid contemporary adaptive evolution in wild animals
论文来源：Science
论文链接：https://www.science.org/doi/10.1126/science.abk0853

从土地转变和栖息地丧失到气候变化，人类的影响正在导致地球发生极其迅速的变化。一些人提出，快速适应可以帮助一些物种在面对这些变化时坚持下来，但适应是否可以足够快地发生以产生真正的影响？适应性演化的速度，即选择对提高平均适应度的遗传变化所做的贡献，取决于个体相对适应度中的加性遗传方差。到目前为止，对自然种群这一参数的可靠估计很少，因此尚不清楚适应性演化是否可以在短期种群动力学中发挥有意义的作用。

Bonnet 等人开发了定量遗传方法，并将其应用于19个野生鸟类和哺乳动物种群的长期数据集的分析。研究发现这些物种的基因差异远远高于预期，虽然估计值在种群之间有所不同，但相对适应度中的加性遗传变异往往很大，平均是以前估计值的两倍。基因差异决定了选择对基因变化的贡献，从而增加了适应性。这些结果表明，当代适应性演化的速度可以影响种群动力学，因此，自然选择有可能部分减轻当前环境变化的影响，许多物种可能有一定的能力来适应我们不断变化的世界。

图：19个种群长期数据集的相对适应度的加性遗传方差和其他方差分量。（A）相对适应度加性遗传方差的加性遗传变异的后验分布，（B）不同变异成分引起的健康度表型变异的比例：加性遗传变异（即遗传率，红色）、母体效应变异（浅蓝色）和群组变异（深绿色）。物种按系统发育的接近程度排序。



6.对他人特质的神经表征

预测社会决策


论文题目：Neural representations of others’ traits predict social decisions
论文来源：PNAS
论文链接：https://www.pnas.org/doi/10.1073/pnas.2116944119

为了指导社会互动，人们通常依赖于对他人特征的期望，基于社会群体成员的标记（即刻板印象）。尽管刻板印象对社会行为的影响很普遍，但关键问题仍然是关于从社会群体成员中推断出的特征如何在大脑中实例化，并整合到指导社会行为的神经计算中。在这里，研究人员表明人类外侧眶额叶皮层 （OFC）代表了服务于社会决策的不同社会群体成员的刻板印象内容。

在功能性 MRI 扫描期间，参与者决定如何在修改后的独裁者游戏中，在他们自己和各种社会群体成员之间分配资源。在行为上，研究人员重复了最近的发现，即通过刻板印象内容（热情和能力）的二维框架捕获的关于他人特征的推断，对参与者的金钱分配选择具有不可分离的影响：接受者的热情增加了参与者对优势不平等（即收入高于接受者）的厌恶，接受者的胜任力增加了参与者对劣势不平等（即收入低于接受者）的厌恶。在神经方面，表征相似性分析表明，二维空间中他人的特征在颞顶交界处和颞上沟（与心智化相关的两个区域）和外侧 OFC 中表现出来，已知它们代表了社会领域之外的决策环境的推断特征。至关重要的是，只有后者预测了个人选择，这表明刻板印象对行为的影响是由 OFC 中基于推理的决策过程介导的。

图：在有利的不平等试验中，当接受者的热情较高时，参与者不太可能选择不平等选项（并且更有可能选择平等选项），无论他们的能力如何。在不利的不平等试验中，当接受者的能力较高时，参与者不太可能选择不平等选项，无论他们的热情如何。



7.及时减轻气候破坏：

避免长期和短期全球变暖的自洽方法


论文题目：Mitigating climate disruption in time: A self-consistent approach for avoiding both near-term and long-term global warming
论文来源：PNAS
论文链接：https://www.pnas.org/doi/10.1073/pnas.2123536119

人类引起的气候变化的持续影响和预计影响突出表明，需要采取缓解措施来限制近期（2050年之前）和长期（2050年之后）的变暖。该文阐明了非CO2温室气体和气溶胶在近期和长期减缓气候变化方面发挥的作用，以及到2050年逐步淘汰矿物燃料的碳中和战略对缓解气候变暖的净效应。依据政府间气候变化专门委员会（IPCC）对气候变化辐射效应的研究，我们表明，由化石燃料排放的CO2加上土地使用变化所排放的CO2，和非CO2温室气体的排放，造成的净效应是相当的。该研究发现，碳中和从长期来说，对于避免全球变暖必不可少，但短期来看，会造成微弱变暖（由于解除了共同排放的气溶胶的冷却效果），并导致2050年之前温度上升超过 2 摄氏度。相比之下，将碳中和与针对短期气候污染物和 N2O 的其他缓解措施结合起来，可以比单独碳中和缓解升温达10到20年，并完全避免超过2摄氏度的门槛。非CO2的减排目标措施如果与碳中和相结合，可以在2030年促成净冷却，并将2030-2050年的升温速度减少约50% ，这些影响中大约一半来自甲烷，在这一时间范围内的影响明显大于碳中和。我们的分析表明，需要采取一种全面的碳中和和有针对性的非CO2缓解办法，以解决气候变化的近期和长期影响。

(A) 根据模型计算得到的2050年的历史和未来温度预估，历史曲线（过去模拟变暖）、参考情景、脱碳驱动的缓解情景（本研究）、以及“脱碳+定向”情景，包括大力脱碳和定向减缓SLCP。(B) 每十年升温速率，参考SSP3、仅脱碳和“脱碳+定向”缓解情况。



8.大规模的微生物组数据集成

使生物标志物识别更加可靠


论文题目：Large-scale microbiome data integration enables robust biomarker identification
论文来源：Nature Computational Science
论文链接：https://www.nature.com/articles/s43588-022-00247-8

肠道菌群失调与人类疾病之间的密切联系正日益得到认可。然而，由于存在混杂效应，经常报告相互矛盾的结果。缺乏公正的数据整合方法也阻碍了从不同人群中发现与疾病相关的微生物标志物。最近，研究人员提出了一种算法 NetMoss，用于评估微生物网络模块的变化，以识别与各种疾病相关的稳健生物标志物。与以前的方法相比，NetMoss 方法在消除批次效应方面表现出更好的性能。通过对模拟数据集和真实数据集的综合评估，他们证明 NetMoss 在识别疾病相关生物标志物方面具有很大优势。根据对泛病微生物群研究的分析，全球人群中多病相关细菌的流行率很高。研究人员相信，大规模的数据整合将有助于从更全面的角度理解微生物组的作用，准确的生物标志物识别将极大地促进基于微生物组的医学诊断。

图：为了描绘从健康到疾病的转变并在此过程中识别关键细菌，研究人员提出了一种 NetMoss 算法来执行基于网络的差异分析





关于Complexity Express




Complex World, Simple Rules.
复杂世界，简单规则。
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，汇总复杂系统相关的最新顶刊论文。

 

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

  • Review of Modern Physics
  • Nature Review Physics
  • Nature Computational Science
  • National Science Review
  • 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：
  • 复杂系统基本理论
  • 复杂网络方法及应用
  • 图网络与深度学习
  • 计算机建模与仿真
  • 统计物理与复杂系统
  • 量子计算与量子信息
  • 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
  • 城市科学与人类行为
  • 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