学习“以小见大”的人类思维 新的AI模型将用于新冠病毒预测

计算机数学模型能否真的帮人类预测新冠病毒的突变，并在需要时有效指导疫苗的研发？这是南加州大学维特比工程学院（USC Viterbi School of Engineering）的研究人员——杨如晨（音）、肖雄业（音）和电子与计算机工程副教授保罗·博格丹（Paul Bogdan）正在考虑这种可能性。

在过去的1年里，他们一直致力于开发一种模型，用来研究网络及其组成部分之间的关系，从而找到模式并做出预测。现在，他们要将这个初步成功的模型应用到当前的新冠肺炎大流行中。

他们的目标是研究新冠病毒的RNA序列，确定该模型是否能够根据过去的突变来准确预测其基因编码在未来可能发生的变化。目前这项研究仍在进行中，尚未得出结论。

他们的研究以Controlling the multiple fractal Generating Measures of Complex Networks（控制复杂网络的多重分形生成措施）为题发表在了《自然科学报告》上。

这项研究范围囊括从大脑和基因组这样的生物系统到地球科学社交网络和金融市场的网络和过程，广泛应用于对各种现实世界网络的理解。

现实世界是由各种复杂小系统组成的大系统。从人脑的活动，到城市交通流的模式，再到岩石的分子结构，这些错综复杂的网络都是由更小规模的相互作用和更简单的部分组成的。在现实世界中，每个人可能只能观察到系统的一小部分。

因此，这项研究意义重大，新模型提供了一种在网络中寻找模式的方法，可以帮助预测网络在更小或更大的尺度上是如何工作的。

杨如晨说：“我们的模型是基于现实世界中存在多重分形的。分形系统是一个部分与整体相似或相同的系统。

他所说的多重分形特征在现实世界中非常常见，包括人类心率、血糖变异性、大脑活动、互联网流量、气象学等等。这些多重分形特征意味着，在系统中发现的模式可以用来对整个系统做出预测和结论。

他们成功地开发了一个用于分析多重分形网络的数学模型，称为加权多重分形图模型（WMG）。WMG模型描述了现实世界网络的基本原理，研究了网络的较小部分与整体之间的关系，并通过观察这些部分来预测整个系统的未来行为或变化。

在他们的论文中，WMG模型被应用于2个方面：酵母细胞的繁殖过程和阿尔茨海默病认知障碍患者的大脑网络。

在酵母细胞研究中，他们发现了生殖的反应和过程。他们利用这些知识来区分这些细胞的生长状态。酵母细胞的整个生殖系统是由染色体间的相互作用控制的。模型绘制了这些组分与基因组整体结构和行为之间的关系，以描述繁殖过程所有小的相互作用对一组酵母细胞最终生长状态的影响。

从现实意义而言，模型展示的内容可以用来调节酵母细胞培养物的生长，通过指示如何控制细胞繁殖的条件。

在人脑网络的结构和功能研究中，他们检查并比较了早期阿尔茨海默病患者的大脑和认知健康个体的大脑，以发现大脑活动的模式与疾病相关的认知障碍。他们将模型应用于晚期轻度认知障碍患者大脑基质的相互作用，以适配正常人大脑基质。

他们的模型还可以让研究人员通过控制规则来控制复杂网络的结果，这些规则是小部件在整个系统中相互作用的结果，从而得到一种更有效和更稳健的控制方法。如果科学家能够设计出治疗方法来控制健康大脑和认知受损大脑之间的差异，他们就可以开发出预防或治疗阿尔茨海默症的新方法。

译/前瞻经济学人APP资讯组

参考资料：

[1]https://techxplore.com/news/2020-07-math-systematic-potential-coronavirus-mutations.html