導語

近十年來網絡科學蓬勃發展，Nature 系列期刊上發表了近百篇以網絡為主題的論文。我們針對為這些論文做了分類，編譯了論文摘要，並做簡單評價，以展現網絡科學的發展的脈絡。本篇整理的 21 篇論文涉及生態、進化、大腦、社交等，主要關注網絡的層級和結構。

1.生態學網絡中的多層結構

原題：The multilayer nature of ecological networks

類型：Perspective

時間：2017 年 5 月 23 日

期刊：Nature Ecology & Evolution

作者：Shai Pilosof, Mason A. Porter ⋯ Sonia Kéfi

網址：https://www.nature.com/articles/s41559-017-0101

評價：生態學中的互動通常在時間和空間上有所不同。本文作者提出一個將多層生態學網絡的複雜性彙總分析的框架，並探討了其潛在的應用和未來的挑戰。

摘要：儘管對於研究各類生態系統，網絡已成為一個高效的工具，但網絡的構成通常不能夠解釋在不同時間和空間發生的多個相互作用，例如相互連接的系統，又稱網絡的網絡（network of network）。新興的研究方向-“多層網絡”提供了一個自然的框架，可以用來分析多層網絡間的複雜性，尤其是允許研究者對層與層之間的連接進行區分和建模。本文提供的框架包含一組概念及工具，可以應用在生態學中，助力對自然界中高緯度異質系統的研究。在本文中，對多層生態學網絡的嚴謹定義基於對之前相關研究的回顧，通過對已有數據的分析，來展示框架的應用及潛能，並探討框架的侷限，挑戰和未來應用。將多層網絡引入生態學，提供了之前沒有涉及的研究生態學複雜性的潛能，並能產生對生態系統的結構和動力學新的理論性及實踐性洞察。

2.多層網絡上的動態相互依賴及競爭

原題：Dynamic interdependence and competition in multilayer networks

類型：Article

時間：2018 年 11 月 26 日

期刊：Nature Physics

作者：Michael M. Danziger, Ivan Bonamassa ⋯ Shlomo Havlin

網址：https://www.nature.com/articles/s41567-018-0343-1

評價：本文提出動態依賴框架，可以描述在多層網絡中，節點間一般性的相互依賴及競爭的關係，該框架還可以用來研究多層網絡間的信息傳播現象。

摘要：無論是關鍵的基礎設施，還是生理學及人類大腦，複雜系統通常不是單獨出現的。通常一個系統中的節點會促進或壓制其他網絡中節點的功能。結構互作（Structural interdependence），即一個節點的功能僅由層與層之間的連接決定，可以通過相互關聯網絡上的滲流過程來描述。但如何對動力學系統中，更一般性的互動進行建模，仍是一個開放性問題。本文提供一個動態依賴框架，該框架可以捕捉動力學系統中相互關聯和競爭的互動關係，可以用來研究多層網絡中相互作用的層之間的同步和信息傳播過程。通過經過模擬驗證過的平均場理論，我們發現多層網絡中出現共軛的集體湧現現象，包括多元穩定性，區域性共存（regions of coexistence）在以及宏觀上的混沌現象。在相互依賴的動力學現象中，值得特別關注的是滯後的行為，通常這些滯後行為伴隨著突然的相變，相比的特點是其呈現混合及爆發性。滯後行為的通用性質與從相互依賴的滲流現象中湧現的現象相互對應。本文提出的動態依賴框架提供了一個有效的工具，可以提升我們對很多日常生活中相互作用的複雜系統的理解。

3.網絡神經科學

原題：Network neuroscience

類型：Review Article

時間：2017 年 2 月 23 日

期刊：Nature Neuroscience

作者：Danielle S Bassett & Olaf Sporns

網址：https://www.nature.com/articles/nn.4502

評價：網絡神經科學用一個顯性的一體化視角，來發現位於複雜的大腦功能及認知之下的一般性原理。本文探討了網絡神經科學這一新興學科，指出一條可以連通不同尺度及物種上的計算，理論及實驗的研究方向，以便更好的理解大腦。

摘要：儘管最近取得了顯著的進步，我們對複雜的大腦功能和認知所基於的一般原則和機制仍不完全。從一個顯性的一體化視角研究大腦的結構和功能，網絡神經科學將會應對神經科學中持久性的挑戰。網絡神經科學會使用一種全新的方式對神經系統中的元素和相互作用進行映射，記錄，分析和建模。驅動這一研究方向的一是新的實用工具，可以用來完整的映射並記錄分子，神經元，腦部及社會系統間的相互作用模式；二是現代網絡科學提供的理論框架和計算工具。技術和理論進展的交匯，為科學研究提供了新的邊界，例如大腦網絡的動力學，對大腦網絡的控制和操縱，以及對跨時間的網絡運作的整合。本文對網絡科學這一新興學科進行回顧，並試圖指出一條能夠更好理解包含多尺度網絡的系統的研究方向。

4.多層網絡顯示了大裂谷地區種子分散過程中的空間結構

原題：Multilayer networks reveal the spatial structure of seed-dispersal interactions across the Great Rift landscapes

類型：Article

時間：2018 年 6 月 10 日

期刊：Nature Communications

作者：Sérgio Timóteo, Marta Correia ⋯ Ruben Heleno

網址：https://www.nature.com/articles/s41467-017-02658-y

評價：物種相互作用網絡通常由觀察到的棲息地邊界進行劃線。本文中，種子分散（seed-dispersal）通過一個包含相互關聯物種的區域性多層網絡，進行分析。分析的過程中強調了Gorongosa地區多樣的種子散步者之間的功能內聚性。

摘要：物種間的相互作用傳統上是通過在空間上清晰定義的邊界間的離散實體來進行研究。使用多層網絡，可顯現的解釋棲息地之間的連接。本文研究莫桑比克Gorongosa國家公園中的種子分散網絡呈現的空間結構。文章指出，種子分散網絡整體上由在不同棲息地上在空間中顯性的群落組成，在功能上連接起環境中的鑲嵌圖案（landscape mosaic）。跨棲息地的連接決定了網絡的空間結構，在該空間結構下，無論是分割還是合併棲息地都無法用標準的單層網絡進行描述。多層網絡的模塊性無法用隨機各個棲息地預期關聯的物種之間相互作用的零模型（null model）來進行預測，除此之外，隨著棲息地之間的連接增加，隨機過程對全局結構的影響越來越大。種子散步者在整體網絡結構中的重要性，可通過多層網絡間的多樣性進行度量，而不能用其他標準的指標。多樣性極高的物種，可以在多塊棲息地之間，傳播多種植物的種子，從而對區域的功能內聚性（cohesion）十分重要。

5.對大腦結構和功能之間的高階功能與連接組之間的嵌入向量進行映射

原題：Mapping higher-order relations between brain structure and function with embedded vector representations of connectomes

類型：Article

時間：2018 年 6 月 5 日

期刊：Nature Communications

作者：Gideon Rosenthal, František Váša ⋯ Olaf Sporns

網址：https://www.nature.com/articles/s41467-018-04614-w

評價：大腦腦區的功能，是由其在網絡中的嵌入決定的。本文通過在連接組（connectomes）上實現word2vec算法，對相互連接的結構中每個節點產生一個向量式的嵌入，使在大腦中進行功能上相互關係的推斷成為可能。

摘要：連接組是對大腦網絡的全景化建模，通過節點和其間的連接進行表徵。特定節點的功能由該節點和其他網絡中的節點的直接和間接的連接所決定。但是網絡的背景在單個節點的層次上是無法獲知的。類似的問題在自然語言處理中，通過word2vec算法，進行構造詞嵌入，以其在一個有意義的低維度的向量空間，展現詞與詞之間相互關係的方式得到了解決。本文采用這樣的方法，構建大腦網絡的嵌入向量表達形式，稱為connectome embeddings (CE)。CE可描述大腦區域間的相互關係，可用於從原始的結構擴散（structural diffusion）圖像中，推測未出現的連接，例如跨半球（inter-hemispheric）的同倫（homotopic）連接。除此之外，本文構造了預測性的，關於功能和結構連接線的深度模型，並在人臉識別系統中，模擬網絡層面的病變（lesion）的影響，用來展示模型的應用。本文指出CE提供了一種展示連接組結構和功能的新方法。

6.由相互依賴的網絡組成的網絡

原題：Networks formed from interdependent networks

類型：Article

時間：2011 年 12 月 22 日

期刊：Nature Physics

作者：Jianxi Gao, Sergey V. Buldyrev ⋯ Shlomo Havlin

網址：https://www.nature.com/articles/nphys2180

評價：關於單個網絡的結構和行為，在過去的十年已有了深入的研究，但對於在複雜網絡的背景下，相互關聯的系統的研究才剛剛開始。本文提供的通用框架，可以用來對相互作用的網絡間的滲流現象進行建模。

摘要：在幾乎所有學科和技術中，都存在複雜網絡。儘管該領域的大部分結果來自對孤立網絡的分析，但很多在真實世界中的網絡之間存在相互作用，並且依賴於其他網絡。對沒有相互作用網絡所進行的大量分析，是一種特殊情況，僅在能夠忽略其他網絡的存在這一基礎上，才是可信的。最近，提出了一個研究相互作用的網絡中滲流現象的分析框架。本文回顧了這一框架，以及在隨機的相互關聯的網絡中，與連接性質有關的發現。

7.通過幾何重整化對真實網絡進行多尺度摺疊

原題：Multiscale unfolding of real networks by geometric renormalization

類型：Article

時間：2018 年 3 月 19 日

期刊：Nature Physics

作者：Guillermo García-Pérez, Marián Boguñá & M. Ángeles Serrano

網址：https://www.nature.com/articles/s41567-018-0072-5

評價：複雜網絡由於同時存在多個尺度，無法進行顯性重整化。將網絡在幾何空間內進行嵌入，使得正則化群的定義成為可能，可以用來構造大網絡在小尺度下的複製網絡。

摘要：物理學中的對稱性指在某種變化下保持的一致性，例如在尺度變化下，保持自身的相似性。重整化群是一個研究這類對稱的有用框架，會助力對系統的相變所呈現的通用性質的更好理解。但由於複雜網絡呈現的小世界特性，會帶來同時存在的處於不同尺度的相關性，從而使得重整化群這一分析過程變得更加複雜。本文提出用於研究在多尺度下複雜系統的分析框架。該框架基於幾何表徵（geometric representations），可以維持網絡的連通性，並揭示決定網絡結構和進化的機制。集合重整化群的定義是將網絡嵌入到一個隱含的隱式度量空間中。研究發現無標度網絡，經本文描述的重整化群處理後，呈現幾何上的尺度一致性。我們將該網絡摺疊成一個自相似性（self-similar ）的多層網絡骨架，可以區別同時存在的多個尺度及其相互作用。這為研究複雜網絡中的臨界現象和通用信息提供了基礎。該方法還有直接的實際應用，包括對大網絡在較小尺度的高保真（high-fidelity）複製網絡，並在雙曲空間上，給出相比在單層網絡中，更好的多尺度導航方案。

8.檢測複雜網絡中的節點聚集性順序

原題：Detecting rich-club ordering in complex networks

類型：Article

時間：2006 年 6 月 15 日

期刊：Nature Physics

作者：V. Colizza, A. Flammini ⋯ A. Vespignani

網址：https://www.nature.com/articles/nphys209

摘要：本文揭示包括從小的分子層面到大的通信基礎設施層面內隱藏的規律與組織原則，是理解其組成和動力學規律中關鍵的問題。節點聚集性（rich-club）現象指網絡中呈核心的，度數較高的節點，傾向於形成相互聯繫的群落。節點聚集性在計算機科學與社會科學中都是核心群落的生成過程中的關鍵特徵之一。本文一個為量化的討論節點聚集性現象，提出分析性的表達方式（ analytical expression）以及一個零模型。本文中的分析，可以對節點聚集性進行排序，並使用生物學，社會學及技術領域的實例，探討相關網絡的功能和動力學。

9.從充分但包含噪聲的數據中提取網絡結構

原題：Network structure from rich but noisy data

類型：Letter

時間：2018 年 3 月 12 日

期刊：Nature Physics

作者：M. E. J. Newman

網址：https://www.nature.com/articles/s41567-018-0076-1

評價：當觀察到的數據數量充足但包含噪音干擾，數據不完全或不可靠的情況時，本文提出一個最優化的推測網絡結構的技術。

摘要：隨著各學科對網絡的興趣增加，很多關於網絡結構的實證研究已在包括互聯網，生物學網絡以及社交網絡中展開。這些實驗中的數據通常是多模態且數量巨大，但同時包含顯著的測量誤差。對網絡結構的精準分析和理解，需要一種能從這樣充足但包含噪音的數據中估計網絡真實結構的方法。本文提出的技術能從以任何格式呈現的複雜數據中，給出對網絡結構的最優估計。支持的數據格式包括觀測的類型多樣，重複的觀測，相互矛盾的觀測，或者在註釋及元數據或缺失的數據中。應用的案例來自兩類社交網絡，一種是面對面的互動，另一種來源於自述的朋友關係。

10.社交網絡中的隱藏個人和社群

原題：Hiding individuals and communities in a social network

類型：Article

時間：2018 年 3 月 12 日

期刊：Nature Human Behaviour

作者：Marcin Waniek, Tomasz P. Michalak ⋯ Talal Rahwan

網址：https://www.nature.com/articles/s41562-017-0290-3

評價：Waniel和同事指出個人和社群可以在標準的在線社會網絡分析中，僅僅通過改變社會網絡的連接來隱藏自身，使其無法被檢出。

摘要：互聯網和社交媒體賦能了社會網絡分析。伴隨著持續出現的新的分析方法，可以用這些新方法來分析個人層面的連接，尤其聚焦社群的檢測儀器來識別社交網絡中的關鍵個體。這帶來了隱私上的擔憂，在未來會更嚴重。本文提出的問題是，個人或群體能否通過積極的管理自己的連接，來避免被社交網絡分析工具檢測出？通過回答這個問題，公眾能夠更好的保護他們的隱私，被壓制的激進群體也能夠更好的隱藏其的存在，安全機構可以更好的查明恐怖分子是如何逃脫檢測的。本文先探討個體如何避免被中心度相關的分析檢出，同時最小化其對他造成的影響。本文證明該問題的最優方法在計量上是困難的。儘管如此，本文還是指出即使一個簡單但具啟發的方法，即只關注一個節點的直接鄰居，在實踐中會出乎意料的有用，例如可以輕易掩飾Mohamed Atta在世貿恐怖襲擊者網絡中的領導位置。本文還指出一個社群如何能夠增加其被社群檢測算法所忽略的概率。本文提出了對隱藏性的度量指標，描述一個社群能夠在多好的情況下隱藏自身的存在，並用其來論證一個簡單的啟發式方法，即群體中的成員以某種一致性的方式，取關其他成員，或關注一些其他成員，可隱藏其社群的存在。

11.實際影響力模型下的社會影響力的最大化

原題：Social influence maximization under empirical influence models

類型：Letter

時間：2018 年 5 月 21 日

期刊：Nature Human Behaviour

作者：Sinan Aral & Paramveer S. Dhillon

網址：https://www.nature.com/articles/s41562-018-0346-z

評價：Aral和Dhillon指出在一類影響力最大模型，該模型包含了現實世界中社交網絡中更真實的特徵，相比傳統模型，能夠對影響力傳播給予顯著更優的預測。

摘要：社會影響力最大化模型試圖找出一種能夠用追蹤的影響個體（節點），來最大化信息和行為使其在社交網絡中傳播的方法。然而，儘管實驗表明，網絡連通性和影響力和受影響可能性（susceptibility ）的聯合概率分佈是影響社交影響力的重要機制，當前大部分的影響力最大化模型並沒有引入這些特徵。本文提出一類基於實際情況的影響力模型，並在6個模擬的，和6個真實的尺寸但結構不同的社交網絡中，研究其對影響力最大化的影響。研究發現忽略網絡連通性和影響力和受影響可能性的聯合概率分佈，會導致傳統模型，對於固定大小的seed set（關鍵節點集合），平均低估21.7%的影響力的傳播程度。傳統模型和本文的模型會產生顯著不同的關鍵節點集合，其中重疊的部分只佔19.8%。本文模型找到的最優（傳播）種子相比來說更加不是強連接或位於中心的節點，而是更加內聚，嵌入在其所處的結構中。因此本文提出的模型對找出社交網絡中，更真實的關鍵影響者集合更具潛力，並能指導用於在社交網絡在傳播信息或影響態度和行為的干預方案的設計。

12.網絡結構與在針對氣候變化的反向運動所帶來的影響

原題：Network structure and influence of the climate change counter-movement

類型：Letter

時間：2015 年 11 月 30 日

期刊：Nature Climate Change

網址：https://www.nature.com/articles/nclimate2875

評價：使用網絡科學，揭示了美國針對氣候變化的對抗性運動（counter-movement）所呈現的組織和合作結構，並通過一個計算性的文本分析，展示其在新聞媒體及政治圈子的影響力。

摘要：人類造成的氣候變化，是對人類生存基本生態系統正常運轉的全球性威脅。但儘管其在科學界和政策制定者之間很重要，大眾對其的理解存在廣泛的不確定性和懷疑。對產生上述不確信性和質疑的社會和政治過程的分析，往往是不嚴謹的。通常聚焦在個人而不是聚焦在較大的產生與傳播和氣候變化相反信息的組織和社交網絡。本研究使用網絡科學，揭示反對氣候變幻的組織之間的機構性與合作結構，並使用機器學習分析文本，以展示其在新聞媒體和官僚機構中的影響力。數據包括使用寫作和書面方式，來源於所有在1993-2013年間，已知的曾經有過傳播相反（與氣候變化）觀點記錄的組織和個人，數據來自所有已知的機構3大新聞平臺，歷任美國總統，及美國國會的記錄。使用網絡及計算性文本分析，文本找到反對網絡中的組織核心，及語義上的相似性，都能夠通過與少數企業贊助者之間的關聯進行預測。

13.作為進化中拱肩理論的互惠網絡的結構

原題：The architecture of mutualistic networks as an evolutionary spandrel

類型：Article

時間：2017 年 11 月 20 日

期刊：Nature Ecology & Evolution

作者：Sergi Valverde, Jordi Piñero ⋯ Ricard Solé

網址：https://www.nature.com/articles/s41559-017-0383-4

評價：數學模型顯示，互惠網絡中的嵌入性（nestedness）及其他性質，是由於不同物種誕生過程中，物種分化的動力學所產生的拱肩（spandrel）。

摘要：互惠網絡已被證明能夠包含動物和植物物種間複製的互動模式，例如廣泛存在的網絡嵌套性。這些網絡的嵌入結構，似乎和網絡具有更強的穩定性和多元性正相關。此外，這些網絡能夠呈現出可度量的結構上的規律，包括連接性的廣泛分佈，強烈的非對稱關係及層級結構。層級化結構尤其是一個有趣的特徵，由於其和生態多樣性和網絡的穩健性都呈正相關，因此指出未來潛在的選擇會傾向於已觀察到的網絡組織。本文指出所有這些觀察到的結構上的數量性規律，尤其是網絡的嵌套性，可以經由一個十分簡單的，不包含任何由選擇驅動的共進化特徵的，關於物種形成和分化的動力學模型予以解釋。實際觀察到的和模型模擬的網絡所呈現的一致性，指出真實的互惠網絡中呈現的結構，實際上代表了進化上的拱肩所具有的意義。

14.通過物種特徵和網絡結構預測授粉者是否成功佔據生態位及其影響

原題：Species traits and network structure predict the success and impacts of pollinator invasions

類型：Article

時間：2018 年 5 月 31 日

期刊：Nature Communications

作者：Fernanda S. Valdovinos, Eric L. Berlow ⋯ Neo D. Martinez

網址：https://www.nature.com/articles/s41467-018-04593-y

評價：在面對入侵的授粉物種的威脅時，適應性覓食（adaptive foraging）能否成功很難預測。本文Valdavinos 等人使用網絡建模，指出本地物種的覓食效率，食物重合程度，植物所在的位置，物種分化的程度，對預測準確的重要意義。

摘要：入侵物種是對植物——授粉者系統的一大威脅，且人們對其知之甚少。尤其缺少能預測那些因素導致入侵物種的成功，以及隨後對本土生態系統的影響的一般性理論。通過使用包含適應行為的消費者資源模型（consumer–resource model），及群體動力學，本文解決了上述問題，試圖評估外來授粉物種入侵本地植物——授粉網絡成功與否，及其對本地物種的影響。本文在網絡模型中引入不同覓食特徵的授粉物種，包括不同程度的物種密集度，物種間的連接，以及授粉網絡的嵌入性。在31種模型檢測過的網絡和物種自身性質中，我們發現具有最高覓食效率的入侵物種最為成功。入侵物種在食物層面重合比例最大，具有最廣泛植物的連接性，以及對應專業的授粉者數量最多的植物——授粉者網絡會受到入侵物種的影響最深。本文的結論與多項在實際觀測得出的結果一致，並有可能指出造成入侵者物種成功概率不同的背後機制。

15.物種間的交互網絡在空間上的冪律性質

原題：The spatial scaling of species interaction networks

類型：Perspective

時間：2018 年 4 月 16 日

期刊：Nature Ecology & Evolution

作者：Nuria Galiana, Miguel Lurgi ⋯ José M. Montoya

網址：https://www.nature.com/articles/s41559-018-0517-3

評價：生物間的相互作用，是如何隨空間尺度不同而變化的，並沒有被較好的描述。本文提出的理論框架，可探索多層次（multitrophic ）群落的空間冪律現象，並給出關於網絡區域關係的可檢驗預測。

摘要：物種——區域關係（Species–area relationships SAR）對理解空間尺度的生物多樣性分佈至關重要。然而，對於生物多樣性在空間層面的改變會如何影響生物互動網絡的改變，我們卻知之甚少。本文提出的理論框架，可以讓我們探索跨空間生態網絡的不同的組織機制如何影響其多種性質。本文提出一組在多層次群落上，關於網絡區域關係（network–area relationships NAR）可檢驗的預測。由於不同NAR在跨越食物鏈層級（ trophic levels）上的存在，網絡的結構會發生改變，從而使自然選擇在較小的空間層面，偏向於更加一般化的物種，物種散開（dispersal limitation）促進了該地的beta多樣性。對NAR的理解，可以作為我們對SAR的相關知識的補充，並在生態保護中有潛在應用。特別是，當結合實際數據後，NAR能夠預測在一個棲息地消失或區域化的世界中，上述變化會對生態學群落的潛在影響。

16.通過物種特徵和網絡結構預測授粉者入侵是否成功及其影響

原題：Identifying a common backbone of interactions underlying food webs from different ecosystems

類型：Article

時間：2018 年 7 月 4 日

期刊：Nature Communications

作者：Bernat Bramon Mora, Dominique Gravel ⋯ Daniel B. Stouffer

網址：https://www.nature.com/articles/s41467-018-05056-0

評價：生態網絡的結果可以有顯著的不同，但在不遠類型的生態系統中，都存在共同的特徵。本文Bramon Mora用網絡對齊（network alignment ）說明，在真實的捕食網絡背後存在一個共同的核心（backbone）互動。

摘要：儘管真實的捕食網絡會隨著生態系統的不同而不同，越來越多的證據指出，不同的捕食網絡展示出相同的拓撲結構。為使上述的兩種觀察相統一，本文推測是否存在一種位於任何生態網絡之下的一組核心互動，即一種共同的子結構。這意味著對於任何生態網絡都包含實現一組相似生態學角色的功能的物種，以及各不相同的邊緣物種，其解釋了網絡之間的差異。為了驗證該假設本文引入了一種新的方法，去研究來自多個環境的411個捕食網絡的結構相似性。研究首先發現不同生態系統中物種間相互互動的方式有顯著的區別。儘管存在這些不同，研究接著指出，存在強有力的證據來說明：在所有捕食網絡中，存在一個共同的核心互動群組。我們希望通過指出這種核心互動，能夠說明促成不同生態群落產生的規律。

17.通過物種特徵和網絡結構預測授粉者入侵是否成功及其影響

原題：Construction of arbitrarily strong amplifiers of natural selection using evolutionary graph theory

類型：Article

時間：2018 年 8 月 14 日

期刊：Nature Communications Biology

作者：Andreas Pavlogiannis, Josef Tkadlec ⋯ Martin A. Nowak

網址：https://www.nature.com/articles/s42003-018-0078-7

評價：Andreas Pavlogiannis 等提出了一個基於進化圖論、關於如何構建自然選擇中的強放大器（amplifer）的學說。本文還指出了對於群體結構需要具有怎樣的特徵才能促進其在進化中被放大，並指出了一種能夠在模擬中用於構建放大器的算法。

摘要：由於進化過程的內在隨機性，一個具有更高適應度的突變有一定有可能被進化所選擇。由於隨機漂變，任何試圖尋找有益變異的實驗都會丟失很多這樣的突變。因此，找到能夠提高對有益突變被選擇的有幫助物種群體結構十分有意義。這樣的結構被稱為自然選擇的放大器，能夠提高有益突變被選擇的幾率。即使對於極小的有益突變，任意性強放大器也能夠確保這樣的突變被選擇。儘管過去十年間有過多項研究，但關於任意性強放大器（ arbitrarily strong amplifiers ）的仍然很少。本文展示了一種構造一組各有不同的任意性強放大器的方法。本文構造的放大器足夠簡便，以至於可以在生物科技中用於最優化生物分子，或用作搜索更快分裂細胞或病毒的診斷工具。本文中所提及的放大器在自然界中也會出現。

18.映射微生物群落的生態學網絡

原題：Mapping the ecological networks of microbial communities

類型：Article

時間：2017 年 12 月 11 日

期刊：Nature Communications

作者：Yandong Xiao, Marco Tulio Angulo ⋯ Yang-Yu Liu

網址：https://www.nature.com/articles/s41467-017-02090-2

評價：理解微生物群落的生態學互相作用，受限於長時間尺度的丰度時序數據的缺乏，無法進行可靠的推斷。本文提出一種基於穩定態（steady-state）樣本的丰度信息，推測微生物相互作用的方法。

摘要：對微生物群落的生態學網絡的映射，是理解其組成規則，並預測其在時間上行為的必須步驟。但當前的方法需要假設特定的群體動力學模型，而這是一個未知的先驗過程。另外這些模型還需要擬合長時間的丰度數據，而這些丰度數據對於可靠的推斷，往往不是具有信息量的。為克服上述侷限，本文發明基於穩定時刻（steady-state）的丰度數據的推斷方法。該方法在沒有預設任何特定的群體動力學模型時，能推測網絡拓撲結構和種間互動。此外，當假設種群動力學遵循傳統方式下廣義的Lotka–Volterra模型時，本文的方法能預測種間互動的強度和內生增長率。我們在模擬數據中系統性的驗證了該方法，之後會將其應用在真實數據集中。此方法是對複雜的真實微生物群落，例如人類腸道微生物進行可靠建模的關鍵一步。

19.映射細胞間互動的物理網絡

原題：Mapping the physical network of cellular interactions

類型：Article

時間：2018 年 5 月 21 日

期刊：Nature Methods

作者：Jean-Charles Boisset, Judith Vivié ⋯ Alexander van Oudenaarden

網址：https://www.nature.com/articles/s41592-018-0009-z

評價：ProximID方法能產生單細胞表達譜，以及一個組織內富集的細胞間物理互動網絡。

摘要：細胞的功能受到其居住環境，或其生態位（niche）的影響。生態位的研究，通常需要假設何種細胞存在，而這會阻礙發現新的細胞類型或互動方式。本文提出ProximID算法，一種基於細胞間的物理互動及單細胞mRNA測序數據，構建細胞間網絡的方法，並指出其可以用來在沒有互動細胞類型的前提下，發現新的具有偏向性（preferential ）細胞之間的互動，ProximID算法能找到的特定的交互，例如在巨核細胞和成熟的嗜中性粒細胞之間，血漿細胞與成髓細胞或前髓細胞在小鼠骨髓中，並能指出Tac1+腸內分泌細胞和Lgr5+幹細胞在小腸壁上的互動。該方法可以用於尋找新的生態位，或在多種器官中找到偏向性的互動。

20.相關聯的神經元間多樣性網絡的空間結構

原題：The spatial structure of correlated neuronal variability

類型：Article

時間：2016 年10 月 31 日

期刊：Nature Neuroscience

作者：Robert Rosenbaum, Matthew A Smith ⋯ Brent Doiron

網址：https://www.nature.com/articles/nn.4433

評價：新皮層神經元的活動充滿了噪音。本研究構建了一個數學模型，將神經元在空間尺度和噪音如何在神經元群體間產生並傳播進行了鏈接。該理論的預測結果經由初步視覺區域V1的群體記錄，得到了驗證。

摘要：在新皮層神經元中，神經元共有的差異性是普遍存在的。這種差異性一般假設是由於相同的突觸輸入造成的，其與局部神經元的連接結構的準確關係仍是未知的。本文結合計算方法和實驗數據，研究關於連接的空間結構與對應的神經通路差異性的關係。擴展關於平衡刺激和抑制的網絡的理論，本文發現空間上位於側面的（lateral）神經元，會促成弱關聯的脈衝，但更廣泛的側向連接帶來獨特的空間相關網絡結構，即臨近的神經元之間正相關，相對中距離的神經元間負相關，及遙遠的神經元對之間弱相關。通過對恆河猴初級視覺皮層的初級層記錄在，得出了這一單調的相關性模式和神經元距離之間的依賴性。我們的研究指出引入距離相關的連接模式，能夠加深對關於相關聯的神經元間變異性的平衡網絡的理解。

21.昆蟲大腦中學習和記憶中心的完整連接組

原題：The complete connectome of a learning and memory centre in an insect brain

類型：Article

時間：2017 年 8 月 10 日

期刊：Nature

作者：Katharina Eichler, Feng Li ⋯ Albert Cardona

網址：https://www.nature.com/articles/nature23455

評價：為了基於之前經驗指導行為，動物進化出高階平行纖維（parallel-fibre ）系統，比如動物的腦幹和某些昆蟲大腦中的蘑菇體（mushroom body）。這些腦區擅長於構造相關性（associative）記憶，但對其理解受限於不完整的神經解剖學數據。Albert Cardona 和他的同事首次在突觸層面，展示了完整的果蠅構成相關性記憶的神經系統的連接組。該研究指出了多處出乎意料的新神經迴路，例如從投影神經元到Kenyon細胞的之間包含隨機和固定的輸入。這些研究將知道未來神經科學，心理學機器人的實驗和建模。

摘要：

閱讀更多 集智俱樂部 的文章

關鍵字: 相互依賴 物理 網絡