基于复杂网络的合成致死预测方法研究综述

合成致死(Synthetic Lethality,SL)是一种负遗传相互作用,描述的是两个非必要基因之间的相互关系:其中任何一个基因的突变对细胞存活的影响很小,但两个基因的共同突变会导致细胞死亡或其他有碍细胞存活的表型.SL对于解释复杂生物过程、推动癌症的临床诊治有着重要的意义.因此,利用海量的高通量数据,通过构建数据分析模型和计算方法,从计算的角度进行SL对的挖掘和预测,是计算生物学研究的一个重要方向.本文首先对于SL预测所使用的相关数据进行了详细的综述,然后从生物网络这一全新视角出发,重点讨论了基于网络分析的SL预测方法.从网络上的统计学方法、基于网络结构变化的方法、基于网络特征学习的方法、基于图表示学习的方法四个方面综述了相关预测模型和研究的最新进展,详细地比较了各类方法的算法思路、应用场景和优缺点,最后针对SL预测的结果评估和验证方法的研究进展进行了论述.在此基础上,论文进一步总结出SL预测研究中所面临的几项挑战,并针对性的对未来发展方向进行展望,希望为今后的相关研究提供一些有用的参考和思路.

复杂网络研究的机遇与挑战

该文是2013年在杭州师范大学组织下所召开的复杂网络研讨会基础上的总结和拓展,包含了与会多名学者共同讨论修订后所认可的目前复杂网络研究面临的最主要的10个挑战,这些挑战既是当前复杂网络前沿研究的提炼,又结合了大数据发展的宏观背景。该文旨在为对复杂网络研究感兴趣的青年学者们提供具有参考意义的研究方向和建议。

基于复杂网络控制理论的肿瘤关键基因预测研究

复杂网络控制能够捕获整个网络的状态,使得从海量的蛋白质相互作用数据中找到潜在的肿瘤致病基因成为可能。该文利用复杂网络控制理论探究肿瘤关键基因,对5种癌症相关的蛋白质–蛋白质相互作用网络,通过网络最小控制集方法,选取始终处于最小控制集(minimum dominating set,MDS)的基因作为候选关键基因。利用肿瘤相关的生物通路数据和已被证实的肿瘤基因数据,采用富集分析证明了该方法的有效性。构建网络综合中心性指标,对候选关键基因进行排序。进而针对不同的癌症类型,挑选排在前面的候选基因(非已知重要基因集的基因)作为最终的预测基因,基于网络结构和体细胞突变数据分析,对其作为生物标志物的有效性进行验证。该研究在一定程度上为复杂网络控制理论在生物医学中的应用提供了思路。

探测和评估复杂网络影响力节点的路径多样性核度中心方法

针对当前复杂网络影响力节点探测和评估方法不能精确定位影响力节点、计算复杂等不足,在传统网络K核分解方法的基础上引入了路径多样性概念,从信息传播角度进行了研究,提出了一种基于路径多样性信息熵进行影响力节点探测与评估的新的核度中心方法,即路径多样性核度中心(C_(ncd))方法。实验结果显示,相对于其他影响力节点探测与评估方法,如度中心法(C_D)、介数中心法(C_R)、接近中心法(C_C)、K核中心法(K_C)及核度中心法(C_(ncd)),C_(ncd)方法能够更精确地对影响力节点进行定位,并且能更细粒度地对节点影响力进行有效排序。

城市的经济与人口对大众心目中的高校排名影响研究

相比各专业机构发布的高校评价排名,对高校的招生、科研与社会协作影响更为直接的往往是大众心目中的高校排名。采用问卷调查方式,以在校大学生为代表性社会群体,挖掘该群体对高校的大众评价排名与实际高校排名之间的差异,分析高校所在城市的经济指标与人口规模等因素同这一差异的关联,并通过拟构高校的大众评价排名,挖掘排名改变量同城市的经济、人口指标的关系,定量刻画了各项城市指标对高校的大众评价排名的影响。研究发现,驻于城市化水平高、第三产业发达的城市的高校,其大众评价排名往往会大大靠前于其实际排名,展示出地区经济和城市人口等因素对高校的大众评价的深刻影响。

基于科研数据的科学家合作网络研究进展

科学家合作网络是科研活动组织、科学信息传播等方面的结构基础,对科学家合作有着显著的影响。近年来,随着互联网的普及以及科学的产业化,使我们能够获取大量的科研信息数据。通过新兴的大数据分析与复杂网络方法,科研人员取得了一系列的进展。本文主要综述了近年来基于科研数据的科学家合作网络的研究进展,并总结这一领域内研究所面临的问题与挑战。

基于高校知识三角的产学研协同创新实证研究——自组织视角

产学研协同创新体现了系统集成的思想,本文以协同学为基础,从自组织理论视角分析了高校创新能力在产学研协同创新过程中的动态演化规律。研究表明:复杂性科学可以有效地解决公共管理问题的不确定性,本文以具有自组织特征的"B-Z"反应模型为基础,建立了高校知识生产能力、知识传播能力和知识转移能力构成的Logistic模型,通过稳定性分析与仿真模拟,讨论了高校三个能力子系统在产学研协同创新过程中的演化规律,并进一步确定了主导能力要素的序参量模型,并且对我国31所高校在产学研协同创新过程中的演化规律进行了验证性实证分析。本文的研究为我国研究型大学通过调整内部能力结构促进产学研协同创新提供了定量的分析视角与科学的政策讨论依据。

时效网络结构及动力学研究进展综述

在时效网络中连边激活的时效特征能够显著影响相同时间尺度下网络系统的动力学行为,是当前网络研究的热点课题之一。该文从时效网络的建模方法、时效网络的结构特性及相关统计力学、时效网络中的传播动力学、时效网络与人类行为结合的统计特性及目前常用的处理时效网络的理论方法等多方面对时效网络的研究进展进行综述,并对目前的国内外研究现状进行分析,提出了时效网络面临的几个关键科学问题,展望了该领域未来的研究方向。

在线社交网络结构与区域经济关联性研究

通过腾讯QQ数据集详细分析了中国在线社交网络中用户的统计特征,交友、聊天等行为规律和地理分布规律。同时,对比《中国城市统计年鉴》等权威统计资料,发现在线社交网络的用户和用户行为数据,例如各地区的用户数、聊天数与该地区发展指标呈正相关,这表示在线社交网络数据能够在一定程度上反映各地经济、交通、通信等城市建设状况,相关结果对于区域经济研究具有启发意义。

基于引力模型的城市外部经济环境影响分析

作为现代经济增长的重要引擎,城市发展同时受到其内部动力学机制与城市间交互影响的驱动与制约。文章从经济连接性角度出发,基于引力模型的理论假设来近似定义各个城市所受到的来自其他城市的影响,构建出同城市自身经济没有直接关系的指标——“外部影响场强”来刻画影响城市发展的外部经济环境。一个城市所受的外部影响总场强F和该场强来源分布的Zipf指数α强烈正相关于该城市自身的经济规模,而城市经济总量的增长中超过50%比例可以被F和α的变化所描述,揭示出城市外部经济环境的变化对城市经济发展的强烈影响。通过分析F和α等指标的空间自相关性及其变化趋势,观察到不同层级的城市的局部空间自相关性变化趋势呈现显著的异质性,高层级城市趋向增强,而低层级城市趋于减弱;对比不同行政区的城市在局部空间自相关性变化趋势上的差异,发现人口较少、经济体量较小的行政区往往更倾向于集中发展少数城市。以上结果显示出,外部影响场强作为一个同城市自身经济无直接关系的指标,能够有效分离城市发展中所受到的内外部影响,深化对城市自身发展与其他城市的经济互动之间的关系的认知。

时序网络中关键节点的识别方法研究进展

相对静态网络,时序网络可以更准确地刻画现实网络的动态过程。基于时序网络模型,如何有效地识别重要节点或者评价时序网络中一个节点对其他节点的影响力,已成为时序网络研究领域中的一个亟待解决的问题。该文分别从时序网络拓扑结构和动力学的角度,对现有的时序网络中的关键节点识别方法进行了系统的回顾,详细比较各种方法的计算思路、应用场景和优缺点。最后总结了这一研究方向几个待解决的问题,并指出未来可能的发展方向。

基于电商产品评论的产品概念层次体系自动构建研究

丰富的电商领域的产品概念层次体系,有助于全面了解产品属性,进行产品信息的深度挖掘,从而进一步用于挖掘消费者需求,辅助商业决策等。传统的手工构建方法效率低、成本高。现今,海量的电商评论信息包含了大量的产品属性信息,能够用于构建产品概念层次体系。因此,文章以电商评论为数据来源,利用条件随机场抽取产品候选术语;然后结合深度学习与聚类方法生成产品的概念层次体系。该方法效率高,动态更新难度低,而且通用性比较强。实验结果表明:产品术语抽取的准确率、召回率以及F1值分别为:90.17%、70.87%、79.47%,生成的两层概念层次体系共包含87个概念。与已有概念层次体系相比,该概念体系层次清晰,易于理解,同时直接利用产品评论数据,获得的术语关注度高,更贴近产品评论挖掘的实际应用需要。

基于模体度的社交网络虚假信息传播机制研究

社交媒体作为信息传播的载体,既可使人们快捷地分享信息流和获取时事新闻,也可能成为虚假信息泛滥蔓延的重要渠道.现有的虚假信息检测研究多基于对微博内容的机器学习或深度学习的识别模型,忽略了真假信息传播网络的结构差异.基于复杂网络的模体理论,提出了广度模体度与深度模体度的概念来量化传播网络的结构重要指标.研究表明:基于模体度的重要性计算方法是对传统网络结构重要性指标的一种创新与拓展,能够更全面地测度传播网络结构特性.通过构建的二维模体度量化指标,分析和揭示了微博、Twitter网络中虚假信息的结构特性与传播机制:虚假信息在广度传播与深度传播共同作用下扩散,广度模体度主要作用于网络传播规模,而深度模体度影响网络结构的复杂性.基于模体度的网络特征分析,可以应用于社交媒体信息传播的早期从源头上检测虚假信息,为虚假信息检测提供了一种新颖可行的途径.

基于人工神经网络模型的金融板块指数走势研究

分析并预测股票市场中板块指数的涨跌是自股票市场创立以来,受到持续关注的研究热点之一。但由于股票市场具有非线性的时序特征,使得这一研究方向进展得颇为坎坷。而神经网络恰好在一定程度上可以捕捉非线性特征,这给研究带来了一种可能的途径。本文基于长短期记忆网络(LSTM)和全连接神经网络(FCNN)设计模型,将大盘行情指数、关联板块指数和金融板块三个方面的历史价格和成交量以及十年期国债收益率的历史价格作为输入,对TDX金融行业指数涨跌的走势进行研究。实证结果表明使用39天的先验数据使得走势预测效果最优,达到了理想的预测效果,且没有出现过拟合。

科学家科研合作关系的均衡性特征

本文采用正三角形映射的方法对科学家之间的合作关系模式进行了实证分析。这一方法基于科研合作网络数据,把每个科学家同其近邻的3个满足给定条件的高影响力科学家,根据合作关系疏密,映射到一个标准正三角形上。根据他们在映射三角形中的映射位置分布,来测定其合作关系模式。研究发现,科学家在映射三角形上的分布呈现出中心集聚趋势,说明科学家的合作关系常常较为均匀地散布在多个高影响力合作对象之间,其关系模式呈现出较强的均衡性特征。本文所分析的4个研究领域均在全参数空间内呈现这一特征,而科学家的学术年龄、被引次数差异等因素均不影响该特征的表达。进一步分析发现这种均衡性特征对科学家的科研影响力的影响以负面为主。这一研究为分析科学家之间的合作关系模式以及各类复杂网络的节点关系提供了新的视角。

基于社会化大数据的音乐文化研究进展

随着互联网的普及和技术的发展,一系列在线音乐社区和社交网站陆续出现,为音乐研究提供了大量的社会化数据。结合新兴的大数据分析方法和人工智能手段,研究者在音乐文化研究方面取得了一系列进展,在音乐文化感知、音乐文化社会学、音乐文化传播学等方面建立了大量新的认知,体现了大数据方法在音乐文化研究方面的广泛适用性。阐述了基于社会化大数据的音乐文化研究的进展,并总结了这一领域研究面临的问题与挑战。

基于时空聚集的网贷反欺诈建模与研究

识别突发的团伙欺诈已经成为网贷业务中亟待解决的问题。在特征维度较少的情况下,提出了一种基于时空聚集的网贷反欺诈模型。首先基于用户定位信息和申请贷款的时间,设计了一个适用于网贷场景下的聚集指标:K-N最近邻指数;然后,将不同时间观察窗口的K-N最近邻指数利用基于LSTM(长短期记忆网络)的seq2seq(序列到序列)模型提取embedding(嵌入)特征;最后,利用LightGBM模型预测欺诈发生的概率。实验结果表明,所提出的指标能更有效地捕捉坏账,且相比于仅使用基础特征,预测结果的KS值和AUC都有了较好的提升。

药物靶标超网络建模及实证分析

在描述药物靶标网络时,药物与靶标蛋白之间的交互关系往往是用复杂网络中的二部图来表征的,但这种方式在描述较复杂的高阶关系时有一定的局限性。由于超图中的边可以包含任意数量的节点,使得超网络能够准确地表达药物靶标之间多维、复杂的连接关系。基于超图理论及性质,综合药物靶标之间的交互关系构建两类超网络模型,并分别对其进行拓扑分析,进一步根据ATC分类(Anatomical Therapeutic Chemical,治疗学及化学分类法)对功能相似的药物进行局部聚类。通过对比分析发现,两类药物靶标超网络均具有明显的无标度特征,药物倾向于连接hub靶标蛋白,并且功能类似的药物具有相对较高的聚类系数。

超图环境下链路预测问题的探究

超图作为图的扩展,可以表示多种实体间的关系,使得其表达能力大大强于图,该优势吸引人们的关注并日益成为研究热点.链路预测作为图数据挖掘中的常见任务,也在超图上扩展为超链路预测.超链路预测通过已知超边或节点的属性来估计新超边出现的可能性,但是由于超边内节点数量的任意性,其可能的超边由O(n^(2))暴增至O(2^(n)),这大大增加了算法的复杂度.本文使用下采样方法以减少候选超边集的大小,将图上的带重启的随机游走算法扩展到超图上.还将图上的其他指标,如CN、CE、Jaccard等,扩展到超图进行比较.结果表明,带重启的随机游走指标在精确率和召回率上要明显优于其他指标,并且观察到演化良好的超图其超边内部的联系强度随节点数的增加而增加,由此可知超链路预测的主要难点在于对小尺寸超边的预测.

联合经济:信息时代经济发展的全新范式

本文基于经济复杂性角度,对当前以互联网新经济模式为代表的各类经济发展趋势进行梳理分析,提出了一类由社会成员间的自由联合来驱动社会生产的联合经济形态,它代表着信息时代经济发展的一种全新范式。进一步地,本文对联合经济的基本形态进行了全方位的预测性描述,阐明联合经济是一种全新的经济形态,它以自由联合的开放社区为主要生产组织形式,植根于机器生态,直面发展性诉求,适应于高度复杂的经济环境,其社会资源全面开放,社会公平程度较高,可以解决当前经济环境下的许多深层矛盾性问题。这种经济形态的出现和建立,标志着自商品经济突破自然经济以来的又一次人类发展范式的大转移。