PNAS:预测流行病应“以变应变”
当科学家们试图预测某样东西(从冠状病毒到“谣言”)在人群中的传播速度时,他们都会使用复杂的数学模型。通常,他们会研究该对象传播的前几个步骤,并使用该速率来预测未来传播的距离和范围。但是,如果病原体发生突变或信息被修改,改变了它的传播速率,那么会发生什么呢?
2020年3月3日,发表在《美国国家科学院院刊(PNAS)》上的一项新研究中,美国卡内基梅隆大学的一个研究团队强调了这些可变因素的重要性。
该研究通讯作者、电子与计算机工程助理教授、CyLab研究员Osman Yagan说:“这些进化过程中的变化会产生巨大的影响。如果不考虑这些随着时间出现的潜在变化,就无法准确预测会被感染疾病或接收错误信息的人数。”大多数人都对疾病的流行很熟悉,但是信息本身(如今在社交媒体上以迅雷不及掩耳之势传播)也同样经历类似传染的“病毒式传播”。一条信息是否会被“病毒式传播”可能取决于原始信息是如何“扭曲”的。Yagan说:“一些错误的信息是蓄意的,但有些可能是在许多人相继做出诸如‘传话’游戏之类的小改变后有机地发展起来的。一条看似无聊的信息可能会演变成病毒式的推文,我们需要能够预测这些信息是如何传播的。”
在这项研究中,研究人员提出了一种将这些进化式的变化纳入考虑的数学理论。然后,他们针对现实世界网络中数千个计算机模拟的流行病,例如Twitter的信息传播或医院的疾病传播,测试了该理论。然后,他们将自己的理论与现实世界网络中计算机模拟的流行病进行了测试,比如用于传播信息的Twitter或用于传播疾病的医院。在研究传染病传播时,该团队使用两个真实世界的数据运行了数千次的模拟计算:一个是美国一所高中的学生、教师和工作人员之间的联系网络;另一个是法国里昂一家医院的工作人员和病人之间的联系网络。
这些模拟充当了测试平台,与在模拟中观察到的结果相匹配的理论被认为是更准确的理论。
该研究第一作者Rashad Eletreby博士说:“我们证明了我们的理论适用于现实世界网络。不考虑进化适应性的传统模型无法预测流行病的发生概率。”虽然这项研究并不能以100%的准确率预测今天的新冠病毒或谣言的传播。要做到这一点,需要追踪病原体演变的实时数据或信息。作者认为,该研究是非常重要的一个进步。
(来源:中国生物技术网)
原文出处:Eletreby R, Zhuang Y, Carley KM, et al. The effects of evolutionary adaptations on spreading processes in complex networks[J]. Proc Natl Acad Sci U S A. 2020 Mar 2;. doi: 10.1073/pnas.1918529117.
链接:https://www.ncbi.nlm.nih.gov/pubmed/32123091/