查看原文
其他

Nature 历年网络科学文集:网络层次和结构

集智编译组 集智俱乐部 2021-02-09
导语近十年来网络科学蓬勃发展,Nature 系列期刊上发表了近百篇以网络为主题的论文。我们针对为这些论文做了分类,编译了论文摘要,并做简单评价,以展现网络科学的发展的脉络。本篇整理的 21 篇论文涉及生态、进化、大脑、社交等,主要关注网络的层级和结构。



1.生态学网络中的多层结构

原题:The multilayer nature of ecological networks
类型:Perspective
时间:2017 年 5 月 23 日
期刊:Nature Ecology & Evolution
作者:Shai Pilosof, Mason A. Porter ⋯ Sonia Kéfi
网址:https://www.nature.com/articles/s41559-017-0101

评价:生态学中的互动通常在时间和空间上有所不同。本文作者提出一个将多层生态学网络的复杂性汇总分析的框架,并探讨了其潜在的应用和未来的挑战。

摘要:尽管对于研究各类生态系统,网络已成为一个高效的工具,但网络的构成通常不能够解释在不同时间和空间发生的多个相互作用,例如相互连接的系统,又称网络的网络(network of network)。新兴的研究方向-“多层网络”提供了一个自然的框架,可以用来分析多层网络间的复杂性,尤其是允许研究者对层与层之间的连接进行区分和建模。本文提供的框架包含一组概念及工具,可以应用在生态学中,助力对自然界中高纬度异质系统的研究。在本文中,对多层生态学网络的严谨定义基于对之前相关研究的回顾,通过对已有数据的分析,来展示框架的应用及潜能,并探讨框架的局限,挑战和未来应用。将多层网络引入生态学,提供了之前没有涉及的研究生态学复杂性的潜能,并能产生对生态系统的结构和动力学新的理论性及实践性洞察。


2.多层网络上的动态相互依赖及竞争

原题:Dynamic interdependence and competition in multilayer networks
类型:Article
时间:2018 年 11 月 26 日
期刊:Nature Physics
作者:Michael M. Danziger, Ivan Bonamassa ⋯ Shlomo Havlin
网址:https://www.nature.com/articles/s41567-018-0343-1

评价:本文提出动态依赖框架,可以描述在多层网络中,节点间一般性的相互依赖及竞争的关系,该框架还可以用来研究多层网络间的信息传播现象。

摘要:无论是关键的基础设施,还是生理学及人类大脑,复杂系统通常不是单独出现的。通常一个系统中的节点会促进或压制其他网络中节点的功能。结构互作(Structural interdependence),即一个节点的功能仅由层与层之间的连接决定,可以通过相互关联网络上的渗流过程来描述。但如何对动力学系统中,更一般性的互动进行建模,仍是一个开放性问题。本文提供一个动态依赖框架,该框架可以捕捉动力学系统中相互关联和竞争的互动关系,可以用来研究多层网络中相互作用的层之间的同步和信息传播过程。通过经过模拟验证过的平均场理论,我们发现多层网络中出现共轭的集体涌现现象,包括多元稳定性,区域性共存(regions of coexistence)在以及宏观上的混沌现象。在相互依赖的动力学现象中,值得特别关注的是滞后的行为,通常这些滞后行为伴随着突然的相变,相比的特点是其呈现混合及爆发性。滞后行为的通用性质与从相互依赖的渗流现象中涌现的现象相互对应。本文提出的动态依赖框架提供了一个有效的工具,可以提升我们对很多日常生活中相互作用的复杂系统的理解。


3.网络神经科学

原题:Network neuroscience
类型:Review Article
时间:2017 年 2 月 23 日
期刊:Nature Neuroscience
作者:Danielle S Bassett & Olaf Sporns
网址:https://www.nature.com/articles/nn.4502

评价:网络神经科学用一个显性的一体化视角,来发现位于复杂的大脑功能及认知之下的一般性原理。本文探讨了网络神经科学这一新兴学科,指出一条可以连通不同尺度及物种上的计算,理论及实验的研究方向,以便更好的理解大脑。

摘要:尽管最近取得了显著的进步,我们对复杂的大脑功能和认知所基于的一般原则和机制仍不完全。从一个显性的一体化视角研究大脑的结构和功能,网络神经科学将会应对神经科学中持久性的挑战。网络神经科学会使用一种全新的方式对神经系统中的元素和相互作用进行映射,记录,分析和建模。驱动这一研究方向的一是新的实用工具,可以用来完整的映射并记录分子,神经元,脑部及社会系统间的相互作用模式;二是现代网络科学提供的理论框架和计算工具。技术和理论进展的交汇,为科学研究提供了新的边界,例如大脑网络的动力学,对大脑网络的控制和操纵,以及对跨时间的网络运作的整合。本文对网络科学这一新兴学科进行回顾,并试图指出一条能够更好理解包含多尺度网络的系统的研究方向。


4.多层网络显示了大裂谷地区种子分散过程中的空间结构

原题:Multilayer networks reveal the spatial structure of seed-dispersal interactions across the Great Rift landscapes
类型:Article
时间:2018 年 6 月 10 日
期刊:Nature Communications
作者:Sérgio Timóteo, Marta Correia ⋯ Ruben Heleno
网址:https://www.nature.com/articles/s41467-017-02658-y

评价:物种相互作用网络通常由观察到的栖息地边界进行划线。本文中,种子分散(seed-dispersal)通过一个包含相互关联物种的区域性多层网络,进行分析。分析的过程中强调了Gorongosa地区多样的种子散步者之间的功能内聚性。

摘要:物种间的相互作用传统上是通过在空间上清晰定义的边界间的离散实体来进行研究。使用多层网络,可显现的解释栖息地之间的连接。本文研究莫桑比克Gorongosa国家公园中的种子分散网络呈现的空间结构。文章指出,种子分散网络整体上由在不同栖息地上在空间中显性的群落组成,在功能上连接起环境中的镶嵌图案(landscape mosaic)。跨栖息地的连接决定了网络的空间结构,在该空间结构下,无论是分割还是合并栖息地都无法用标准的单层网络进行描述。多层网络的模块性无法用随机各个栖息地预期关联的物种之间相互作用的零模型(null model)来进行预测,除此之外,随着栖息地之间的连接增加,随机过程对全局结构的影响越来越大。种子散步者在整体网络结构中的重要性,可通过多层网络间的多样性进行度量,而不能用其他标准的指标。多样性极高的物种,可以在多块栖息地之间,传播多种植物的种子,从而对区域的功能内聚性(cohesion)十分重要。


5.对大脑结构和功能之间的高阶功能与连接组之间的嵌入向量进行映射

原题:Mapping higher-order relations between brain structure and function with embedded vector representations of connectomes
类型:Article
时间:2018 年 6 月 5 日
期刊:Nature Communications
作者:Gideon Rosenthal, František Váša ⋯ Olaf Sporns
网址:https://www.nature.com/articles/s41467-018-04614-w

评价:大脑脑区的功能,是由其在网络中的嵌入决定的。本文通过在连接组(connectomes)上实现word2vec算法,对相互连接的结构中每个节点产生一个向量式的嵌入,使在大脑中进行功能上相互关系的推断成为可能。

摘要:连接组是对大脑网络的全景化建模,通过节点和其间的连接进行表征。特定节点的功能由该节点和其他网络中的节点的直接和间接的连接所决定。但是网络的背景在单个节点的层次上是无法获知的。类似的问题在自然语言处理中,通过word2vec算法,进行构造词嵌入,以其在一个有意义的低维度的向量空间,展现词与词之间相互关系的方式得到了解决。本文采用这样的方法,构建大脑网络的嵌入向量表达形式,称为connectome embeddings (CE)。CE可描述大脑区域间的相互关系,可用于从原始的结构扩散(structural diffusion)图像中,推测未出现的连接,例如跨半球(inter-hemispheric)的同伦(homotopic)连接。除此之外,本文构造了预测性的,关于功能和结构连接线的深度模型,并在人脸识别系统中,模拟网络层面的病变(lesion)的影响,用来展示模型的应用。本文指出CE提供了一种展示连接组结构和功能的新方法。


6.由相互依赖的网络组成的网络

原题:Networks formed from interdependent networks
类型:Article
时间:2011 年 12 月 22 日
期刊:Nature Physics
作者:Jianxi Gao, Sergey V. Buldyrev ⋯ Shlomo Havlin
网址:https://www.nature.com/articles/nphys2180

评价:关于单个网络的结构和行为,在过去的十年已有了深入的研究,但对于在复杂网络的背景下,相互关联的系统的研究才刚刚开始。本文提供的通用框架,可以用来对相互作用的网络间的渗流现象进行建模。

摘要:在几乎所有学科和技术中,都存在复杂网络。尽管该领域的大部分结果来自对孤立网络的分析,但很多在真实世界中的网络之间存在相互作用,并且依赖于其他网络。对没有相互作用网络所进行的大量分析,是一种特殊情况,仅在能够忽略其他网络的存在这一基础上,才是可信的。最近,提出了一个研究相互作用的网络中渗流现象的分析框架。本文回顾了这一框架,以及在随机的相互关联的网络中,与连接性质有关的发现。


7.通过几何重整化对真实网络进行多尺度折叠

原题:Multiscale unfolding of real networks by geometric renormalization
类型:Article
时间:2018 年 3 月 19 日
期刊:Nature Physics
作者:Guillermo García-Pérez, Marián Boguñá & M. Ángeles Serrano
网址:https://www.nature.com/articles/s41567-018-0072-5

评价:复杂网络由于同时存在多个尺度,无法进行显性重整化。将网络在几何空间内进行嵌入,使得正则化群的定义成为可能,可以用来构造大网络在小尺度下的复制网络。

摘要:物理学中的对称性指在某种变化下保持的一致性,例如在尺度变化下,保持自身的相似性。重整化群是一个研究这类对称的有用框架,会助力对系统的相变所呈现的通用性质的更好理解。但由于复杂网络呈现的小世界特性,会带来同时存在的处于不同尺度的相关性,从而使得重整化群这一分析过程变得更加复杂。本文提出用于研究在多尺度下复杂系统的分析框架。该框架基于几何表征(geometric representations),可以维持网络的连通性,并揭示决定网络结构和进化的机制。集合重整化群的定义是将网络嵌入到一个隐含的隐式度量空间中。研究发现无标度网络,经本文描述的重整化群处理后,呈现几何上的尺度一致性。我们将该网络折叠成一个自相似性(self-similar )的多层网络骨架,可以区别同时存在的多个尺度及其相互作用。这为研究复杂网络中的临界现象和通用信息提供了基础。该方法还有直接的实际应用,包括对大网络在较小尺度的高保真(high-fidelity)复制网络,并在双曲空间上,给出相比在单层网络中,更好的多尺度导航方案。


8.检测复杂网络中的节点聚集性顺序

原题:Detecting rich-club ordering in complex networks
类型:Article
时间:2006 年 6 月 15 日
期刊:Nature Physics
作者:V. Colizza, A. Flammini ⋯ A. Vespignani
网址:https://www.nature.com/articles/nphys209

摘要:本文揭示包括从小的分子层面到大的通信基础设施层面内隐藏的规律与组织原则,是理解其组成和动力学规律中关键的问题。节点聚集性(rich-club)现象指网络中呈核心的,度数较高的节点,倾向于形成相互联系的群落。节点聚集性在计算机科学与社会科学中都是核心群落的生成过程中的关键特征之一。本文一个为量化的讨论节点聚集性现象,提出分析性的表达方式( analytical expression)以及一个零模型。本文中的分析,可以对节点聚集性进行排序,并使用生物学,社会学及技术领域的实例,探讨相关网络的功能和动力学。


9.从充分但包含噪声的数据中提取网络结构

原题:Network structure from rich but noisy data
类型:Letter
时间:2018 年 3 月 12 日
期刊:Nature Physics
作者:M. E. J. Newman
网址:https://www.nature.com/articles/s41567-018-0076-1

评价:当观察到的数据数量充足但包含噪音干扰,数据不完全或不可靠的情况时,本文提出一个最优化的推测网络结构的技术。

摘要:随着各学科对网络的兴趣增加,很多关于网络结构的实证研究已在包括互联网,生物学网络以及社交网络中展开。这些实验中的数据通常是多模态且数量巨大,但同时包含显著的测量误差。对网络结构的精准分析和理解,需要一种能从这样充足但包含噪音的数据中估计网络真实结构的方法。本文提出的技术能从以任何格式呈现的复杂数据中,给出对网络结构的最优估计。支持的数据格式包括观测的类型多样,重复的观测,相互矛盾的观测,或者在注释及元数据或缺失的数据中。应用的案例来自两类社交网络,一种是面对面的互动,另一种来源于自述的朋友关系。


10.社交网络中的隐藏个人和社群

原题:Hiding individuals and communities in a social network
类型:Article
时间:2018 年 3 月 12 日
期刊:Nature Human Behaviour
作者:Marcin Waniek, Tomasz P. Michalak ⋯ Talal Rahwan
网址:https://www.nature.com/articles/s41562-017-0290-3

评价:Waniel和同事指出个人和社群可以在标准的在线社会网络分析中,仅仅通过改变社会网络的连接来隐藏自身,使其无法被检出。

摘要:互联网和社交媒体赋能了社会网络分析。伴随着持续出现的新的分析方法,可以用这些新方法来分析个人层面的连接,尤其聚焦社群的检测仪器来识别社交网络中的关键个体。这带来了隐私上的担忧,在未来会更严重。本文提出的问题是,个人或群体能否通过积极的管理自己的连接,来避免被社交网络分析工具检测出?通过回答这个问题,公众能够更好的保护他们的隐私,被压制的激进群体也能够更好的隐藏其的存在,安全机构可以更好的查明恐怖分子是如何逃脱检测的。本文先探讨个体如何避免被中心度相关的分析检出,同时最小化其对他造成的影响。本文证明该问题的最优方法在计量上是困难的。尽管如此,本文还是指出即使一个简单但具启发的方法,即只关注一个节点的直接邻居,在实践中会出乎意料的有用,例如可以轻易掩饰Mohamed Atta在世贸恐怖袭击者网络中的领导位置。本文还指出一个社群如何能够增加其被社群检测算法所忽略的概率。本文提出了对隐藏性的度量指标,描述一个社群能够在多好的情况下隐藏自身的存在,并用其来论证一个简单的启发式方法,即群体中的成员以某种一致性的方式,取关其他成员,或关注一些其他成员,可隐藏其社群的存在。


11.实际影响力模型下的社会影响力的最大化

原题:Social influence maximization under empirical influence models
类型:Letter
时间:2018 年 5 月 21 日
期刊:Nature Human Behaviour
作者:Sinan Aral & Paramveer S. Dhillon
网址:https://www.nature.com/articles/s41562-018-0346-z

评价:Aral和Dhillon指出在一类影响力最大模型,该模型包含了现实世界中社交网络中更真实的特征,相比传统模型,能够对影响力传播给予显著更优的预测。

摘要:社会影响力最大化模型试图找出一种能够用追踪的影响个体(节点),来最大化信息和行为使其在社交网络中传播的方法。然而,尽管实验表明,网络连通性和影响力和受影响可能性(susceptibility )的联合概率分布是影响社交影响力的重要机制,当前大部分的影响力最大化模型并没有引入这些特征。本文提出一类基于实际情况的影响力模型,并在6个模拟的,和6个真实的尺寸但结构不同的社交网络中,研究其对影响力最大化的影响。研究发现忽略网络连通性和影响力和受影响可能性的联合概率分布,会导致传统模型,对于固定大小的seed set(关键节点集合),平均低估21.7%的影响力的传播程度。传统模型和本文的模型会产生显著不同的关键节点集合,其中重叠的部分只占19.8%。本文模型找到的最优(传播)种子相比来说更加不是强连接或位于中心的节点,而是更加内聚,嵌入在其所处的结构中。因此本文提出的模型对找出社交网络中,更真实的关键影响者集合更具潜力,并能指导用于在社交网络在传播信息或影响态度和行为的干预方案的设计。


12.网络结构与在针对气候变化的反向运动所带来的影响

原题:Network structure and influence of the climate change counter-movement
类型:Letter
时间:2015 年 11 月 30 日
期刊:Nature Climate Change
作者:Justin Farrell
网址:https://www.nature.com/articles/nclimate2875

评价:使用网络科学,揭示了美国针对气候变化的对抗性运动(counter-movement)所呈现的组织和合作结构,并通过一个计算性的文本分析,展示其在新闻媒体及政治圈子的影响力。

摘要:人类造成的气候变化,是对人类生存基本生态系统正常运转的全球性威胁。但尽管其在科学界和政策制定者之间很重要,大众对其的理解存在广泛的不确定性和怀疑。对产生上述不确信性和质疑的社会和政治过程的分析,往往是不严谨的。通常聚焦在个人而不是聚焦在较大的产生与传播和气候变化相反信息的组织和社交网络。本研究使用网络科学,揭示反对气候变幻的组织之间的机构性与合作结构,并使用机器学习分析文本,以展示其在新闻媒体和官僚机构中的影响力。数据包括使用写作和书面方式,来源于所有在1993-2013年间,已知的曾经有过传播相反(与气候变化)观点记录的组织和个人,数据来自所有已知的机构3大新闻平台,历任美国总统,及美国国会的记录。使用网络及计算性文本分析,文本找到反对网络中的组织核心,及语义上的相似性,都能够通过与少数企业赞助者之间的关联进行预测。


13.作为进化中拱肩理论的互惠网络的结构

原题:The architecture of mutualistic networks as an evolutionary spandrel
类型:Article
时间:2017 年 11 月 20 日
期刊:Nature Ecology & Evolution
作者:Sergi Valverde, Jordi Piñero ⋯ Ricard Solé
网址:https://www.nature.com/articles/s41559-017-0383-4

评价:数学模型显示,互惠网络中的嵌入性(nestedness)及其他性质,是由于不同物种诞生过程中,物种分化的动力学所产生的拱肩(spandrel)。

摘要:互惠网络已被证明能够包含动物和植物物种间复制的互动模式,例如广泛存在的网络嵌套性。这些网络的嵌入结构,似乎和网络具有更强的稳定性和多元性正相关。此外,这些网络能够呈现出可度量的结构上的规律,包括连接性的广泛分布,强烈的非对称关系及层级结构。层级化结构尤其是一个有趣的特征,由于其和生态多样性和网络的稳健性都呈正相关,因此指出未来潜在的选择会倾向于已观察到的网络组织。本文指出所有这些观察到的结构上的数量性规律,尤其是网络的嵌套性,可以经由一个十分简单的,不包含任何由选择驱动的共进化特征的,关于物种形成和分化的动力学模型予以解释。实际观察到的和模型模拟的网络所呈现的一致性,指出真实的互惠网络中呈现的结构,实际上代表了进化上的拱肩所具有的意义。


14.通过物种特征和网络结构预测授粉者是否成功占据生态位及其影响

原题:Species traits and network structure predict the success and impacts of pollinator invasions
类型:Article
时间:2018 年 5 月 31 日
期刊:Nature Communications
作者:Fernanda S. Valdovinos, Eric L. Berlow ⋯ Neo D. Martinez
网址:https://www.nature.com/articles/s41467-018-04593-y

评价:在面对入侵的授粉物种的威胁时,适应性觅食(adaptive foraging)能否成功很难预测。本文Valdavinos 等人使用网络建模,指出本地物种的觅食效率,食物重合程度,植物所在的位置,物种分化的程度,对预测准确的重要意义。

摘要:入侵物种是对植物——授粉者系统的一大威胁,且人们对其知之甚少。尤其缺少能预测那些因素导致入侵物种的成功,以及随后对本土生态系统的影响的一般性理论。通过使用包含适应行为的消费者资源模型(consumer–resource model),及群体动力学,本文解决了上述问题,试图评估外来授粉物种入侵本地植物——授粉网络成功与否,及其对本地物种的影响。本文在网络模型中引入不同觅食特征的授粉物种,包括不同程度的物种密集度,物种间的连接,以及授粉网络的嵌入性。在31种模型检测过的网络和物种自身性质中,我们发现具有最高觅食效率的入侵物种最为成功。入侵物种在食物层面重合比例最大,具有最广泛植物的连接性,以及对应专业的授粉者数量最多的植物——授粉者网络会受到入侵物种的影响最深。本文的结论与多项在实际观测得出的结果一致,并有可能指出造成入侵者物种成功概率不同的背后机制。


15.物种间的交互网络在空间上的幂律性质

原题:The spatial scaling of species interaction networks
类型:Perspective
时间:2018 年 4 月 16 日
期刊:Nature Ecology & Evolution
作者:Nuria Galiana, Miguel Lurgi ⋯ José M. Montoya
网址:https://www.nature.com/articles/s41559-018-0517-3

评价:生物间的相互作用,是如何随空间尺度不同而变化的,并没有被较好的描述。本文提出的理论框架,可探索多层次(multitrophic )群落的空间幂律现象,并给出关于网络区域关系的可检验预测。

摘要:物种——区域关系(Species–area relationships SAR)对理解空间尺度的生物多样性分布至关重要。然而,对于生物多样性在空间层面的改变会如何影响生物互动网络的改变,我们却知之甚少。本文提出的理论框架,可以让我们探索跨空间生态网络的不同的组织机制如何影响其多种性质。本文提出一组在多层次群落上,关于网络区域关系(network–area relationships  NAR)可检验的预测。由于不同NAR在跨越食物链层级( trophic levels)上的存在,网络的结构会发生改变,从而使自然选择在较小的空间层面,偏向于更加一般化的物种,物种散开(dispersal limitation)促进了该地的beta多样性。对NAR的理解,可以作为我们对SAR的相关知识的补充,并在生态保护中有潜在应用。特别是,当结合实际数据后,NAR能够预测在一个栖息地消失或区域化的世界中,上述变化会对生态学群落的潜在影响。


16.通过物种特征和网络结构预测授粉者入侵是否成功及其影响

原题:Identifying a common backbone of interactions underlying food webs from different ecosystems
类型:Article
时间:2018 年 7 月 4 日
期刊:Nature Communications
作者:Bernat Bramon Mora, Dominique Gravel ⋯ Daniel B. Stouffer
网址:https://www.nature.com/articles/s41467-018-05056-0

评价:生态网络的结果可以有显著的不同,但在不远类型的生态系统中,都存在共同的特征。本文Bramon Mora用网络对齐(network alignment )说明,在真实的捕食网络背后存在一个共同的核心(backbone)互动。

摘要:尽管真实的捕食网络会随着生态系统的不同而不同,越来越多的证据指出,不同的捕食网络展示出相同的拓扑结构。为使上述的两种观察相统一,本文推测是否存在一种位于任何生态网络之下的一组核心互动,即一种共同的子结构。这意味着对于任何生态网络都包含实现一组相似生态学角色的功能的物种,以及各不相同的边缘物种,其解释了网络之间的差异。为了验证该假设本文引入了一种新的方法,去研究来自多个环境的411个捕食网络的结构相似性。研究首先发现不同生态系统中物种间相互互动的方式有显著的区别。尽管存在这些不同,研究接着指出,存在强有力的证据来说明:在所有捕食网络中,存在一个共同的核心互动群组。我们希望通过指出这种核心互动,能够说明促成不同生态群落产生的规律。


17.通过物种特征和网络结构预测授粉者入侵是否成功及其影响

原题:Construction of arbitrarily strong amplifiers of natural selection using evolutionary graph theory
类型:Article
时间:2018 年 8 月 14 日
期刊:Nature Communications Biology
作者:Andreas Pavlogiannis, Josef Tkadlec ⋯ Martin A. Nowak
网址:https://www.nature.com/articles/s42003-018-0078-7

评价:Andreas Pavlogiannis 等提出了一个基于进化图论、关于如何构建自然选择中的强放大器(amplifer)的学说。本文还指出了对于群体结构需要具有怎样的特征才能促进其在进化中被放大,并指出了一种能够在模拟中用于构建放大器的算法。

摘要:由于进化过程的内在随机性,一个具有更高适应度的突变有一定有可能被进化所选择。由于随机漂变,任何试图寻找有益变异的实验都会丢失很多这样的突变。因此,找到能够提高对有益突变被选择的有帮助物种群体结构十分有意义。这样的结构被称为自然选择的放大器,能够提高有益突变被选择的几率。即使对于极小的有益突变,任意性强放大器也能够确保这样的突变被选择。尽管过去十年间有过多项研究,但关于任意性强放大器( arbitrarily strong amplifiers )的仍然很少。本文展示了一种构造一组各有不同的任意性强放大器的方法。本文构造的放大器足够简便,以至于可以在生物科技中用于最优化生物分子,或用作搜索更快分裂细胞或病毒的诊断工具。本文中所提及的放大器在自然界中也会出现。


18.映射微生物群落的生态学网络

原题:Mapping the ecological networks of microbial communities
类型:Article
时间:2017 年 12 月 11 日
期刊:Nature Communications
作者:Yandong Xiao, Marco Tulio Angulo ⋯ Yang-Yu Liu
网址:https://www.nature.com/articles/s41467-017-02090-2

评价:理解微生物群落的生态学互相作用,受限于长时间尺度的丰度时序数据的缺乏,无法进行可靠的推断。本文提出一种基于稳定态(steady-state)样本的丰度信息,推测微生物相互作用的方法。

摘要:对微生物群落的生态学网络的映射,是理解其组成规则,并预测其在时间上行为的必须步骤。但当前的方法需要假设特定的群体动力学模型,而这是一个未知的先验过程。另外这些模型还需要拟合长时间的丰度数据,而这些丰度数据对于可靠的推断,往往不是具有信息量的。为克服上述局限,本文发明基于稳定时刻(steady-state)的丰度数据的推断方法。该方法在没有预设任何特定的群体动力学模型时,能推测网络拓扑结构和种间互动。此外,当假设种群动力学遵循传统方式下广义的Lotka–Volterra模型时,本文的方法能预测种间互动的强度和内生增长率。我们在模拟数据中系统性的验证了该方法,之后会将其应用在真实数据集中。此方法是对复杂的真实微生物群落,例如人类肠道微生物进行可靠建模的关键一步。


19.映射细胞间互动的物理网络

原题:Mapping the physical network of cellular interactions
类型:Article
时间:2018 年 5 月 21 日
期刊:Nature Methods
作者:Jean-Charles Boisset, Judith Vivié ⋯ Alexander van Oudenaarden
网址:https://www.nature.com/articles/s41592-018-0009-z

评价:ProximID方法能产生单细胞表达谱,以及一个组织内富集的细胞间物理互动网络。

摘要:细胞的功能受到其居住环境,或其生态位(niche)的影响。生态位的研究,通常需要假设何种细胞存在,而这会阻碍发现新的细胞类型或互动方式。本文提出ProximID算法,一种基于细胞间的物理互动及单细胞mRNA测序数据,构建细胞间网络的方法,并指出其可以用来在没有互动细胞类型的前提下,发现新的具有偏向性(preferential )细胞之间的互动,ProximID算法能找到的特定的交互,例如在巨核细胞和成熟的嗜中性粒细胞之间,血浆细胞与成髓细胞或前髓细胞在小鼠骨髓中,并能指出Tac1+肠内分泌细胞和Lgr5+干细胞在小肠壁上的互动。该方法可以用于寻找新的生态位,或在多种器官中找到偏向性的互动。


20.相关联的神经元间
多样性网络的空间结构

原题:The spatial structure of correlated neuronal variability
类型:Article
时间:2016 年10 月 31 日
期刊:Nature Neuroscience
作者:Robert Rosenbaum, Matthew A Smith ⋯ Brent Doiron
网址:https://www.nature.com/articles/nn.4433

评价:新皮层神经元的活动充满了噪音。本研究构建了一个数学模型,将神经元在空间尺度和噪音如何在神经元群体间产生并传播进行了链接。该理论的预测结果经由初步视觉区域V1的群体记录,得到了验证。

摘要:在新皮层神经元中,神经元共有的差异性是普遍存在的。这种差异性一般假设是由于相同的突触输入造成的,其与局部神经元的连接结构的准确关系仍是未知的。本文结合计算方法和实验数据,研究关于连接的空间结构与对应的神经通路差异性的关系。扩展关于平衡刺激和抑制的网络的理论,本文发现空间上位于侧面的(lateral)神经元,会促成弱关联的脉冲,但更广泛的侧向连接带来独特的空间相关网络结构,即临近的神经元之间正相关,相对中距离的神经元间负相关,及遥远的神经元对之间弱相关。通过对恒河猴初级视觉皮层的初级层记录在,得出了这一单调的相关性模式和神经元距离之间的依赖性。我们的研究指出引入距离相关的连接模式,能够加深对关于相关联的神经元间变异性的平衡网络的理解。


21.昆虫大脑中学习
和记忆中心的完整连接组

原题:The complete connectome of a learning and memory centre in an insect brain
类型:Article
时间:2017 年 8 月 10 日
期刊:Nature
作者:Katharina Eichler, Feng Li ⋯ Albert Cardona
网址:https://www.nature.com/articles/nature23455

评价:为了基于之前经验指导行为,动物进化出高阶平行纤维(parallel-fibre )系统,比如动物的脑干和某些昆虫大脑中的蘑菇体(mushroom body)。这些脑区擅长于构造相关性(associative)记忆,但对其理解受限于不完整的神经解剖学数据。Albert Cardona 和他的同事首次在突触层面,展示了完整的果蝇构成相关性记忆的神经系统的连接组。该研究指出了多处出乎意料的新神经回路,例如从投影神经元到Kenyon细胞的之间包含随机和固定的输入。这些研究将知道未来神经科学,心理学机器人的实验和建模。

摘要:将外界刺激与正向或负向强化关联起来,对生物体的生存至关重要,但当前缺少支持联想式记忆的高阶神经通路的完整书面记录。本文在突触的精度,重建了果蝇幼虫的蘑菇体。本文发现大部分Kenyon细胞整合随机组成的输入,但其中一部分接受来自单个projection神经元的固定输入。这样的组织方式能够在面对刺激分类的任务上,最大化其模型的效果。本文还记录蘑菇体内新的canonical circuit含有之前没有记录的连接,互助的Kenyon细胞到调控神经元之间的连接,调控神经元到输出神经元之间的连接,以及出乎意料的在Kenyon细胞中的重复出现的连接。特定的连接被发现能够增强对习得行为的选择。对蘑菇体的完整神经通路的映射,能指导未来对学习和记忆中心的研究。

编辑:张希妍

推荐阅读


机器学习个性化的程度如何?| 网络科学论文速递25篇
网络嵌入综述 | 网络科学论文速递23篇
HodgeNet:用于边数据的图神经网络 | 网络科学论文速递26篇
图神经网络的架构选择 | 网络科学论文速递31篇
加入集智,一起复杂!





集智俱乐部QQ群|877391004商务合作及投稿转载|swarma@swarma.org

◆ ◆ ◆

搜索公众号:集智俱乐部
加入“没有围墙的研究所”让苹果砸得更猛烈些吧!

👇点击“阅读原文”,了解更多论文信息

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存