- 基于组建阶段活动分析GitHub团队的生产力;
- 使用重叠的社区和网络结构来识别应激反应基因的约化组;
- 个体变异和再感染下的群体免疫;
- 对抗信息病:COVID-19假新闻数据集;
- COVID-19高原:适应性预防策略下的流行病发展现象;
- 在不同地理范围内传播的流行病波动中的暴发多样性;
基于组建阶段活动分析GitHub团队的生产力
原文标题: Analyzing the Productivity of GitHub Teams based on Formation Phase Activity
地址: http://arxiv.org/abs/2011.03423
作者: Samaneh Saadat, Olivia B. Newton, Gita Sukthankar, Stephen M. Fiore
摘要: 我们的目标是理解GitHub上高效团队的特征。为此,我们从软件存储库收集数据并通过检查生产力差异来评估团队。我们的研究重点是团队创建阶段,即创建存储库后的前六个月。为了更好地理解团队活动,我们根据工作场所的比例对存储库进行了聚类,并在团队中发现了三种工作方式:劳动者,沟通者和合作者。根据我们的结果,我们认为GitHub上的软件开发存储库中的早期活动建立了协调流程,可以随着时间的推移进行有效的协作。
使用重叠的社区和网络结构来识别应激反应基因的约化组
原文标题: Using Overlapping Communities and Network Structure for Identifying Reduced Groups of Stress Responsive Genes
地址: http://arxiv.org/abs/2011.03526
作者: Camila Riccio, Jorge Finke, Camilo Rocha
摘要: 本文提出了一种工作流程,以识别对生物体中的特定处理(例如非生物胁迫)产生响应的基因,非生物胁迫是全球范围内广泛的农业生产损失的主要原因。根据输入的RNA测序读取计数(在控制和治疗条件下测量基因型)和生物学复制,它会输出可能与治疗相关的特征基因的集合。从技术上讲,建议的方法既是WGCNA的概括又是其扩展。其主要目标是在经过一系列标准化和过滤步骤后,在基因网络中识别特定模块。在这项工作中,模块检测是通过使用层次链接聚类实现的,该层次聚类可以识别重叠的社区,因此,鉴于生成共表达的系统的重叠监管域,它们具有更多的生物学意义。还向工作流程中添加了其他步骤和信息,其中迫使中间步骤中的某些网络无标度,并且使用LASSO回归来选择对压力的表型响应的最重要模块。最后,通过对水稻(Oryza sativa)的系统研究展示了该工作流程,水稻是已知对盐胁迫高度敏感的主要食物来源:总共检测到6个与水稻对盐胁迫响应相关的模块。这些基因可能作为提高水稻品种耐盐性的潜在靶标。拟议的工作流程有可能最终减少对特定处理有反应的候选基因的搜索空间,这可以大大优化研究人员在对应激反应性基因进行实验验证中投入的精力,时间和金钱。
个体变异和再感染下的群体免疫
原文标题: Herd immunity under individual variation and reinfection
地址: http://arxiv.org/abs/2008.00098
作者: Antonio Montalbán, Rodrigo M. Corder, M. Gabriela M. Gomes
摘要: 我们研究了Gomes等人考虑的SEIR模型。 cite Gomes2020和Aguas等人。 cite Aguas2020,其中假定不同的个体对感染的敏感性或接触程度不同。在这种异质性假设下,当获得免疫力的人群百分比超过同质人群的临界水平(畜群免疫阈值)时,疫情的增长将受到有效抑制。我们找到明确的公式来计算畜群免疫阈值和稳定的配置,并探索模型的扩展。
对抗信息病:COVID-19假新闻数据集
原文标题: Fighting an Infodemic: COVID-19 Fake News Dataset
地址: http://arxiv.org/abs/2011.03327
作者: Parth Patwa, Shivam Sharma, Srinivas PYKL, Vineeth Guptha, Gitanjali Kumari, Md Shad Akhtar, Asif Ekbal, Amitava Das, Tanmoy Chakraborty
摘要: 与COVID-19大流行一起,我们也在对抗“信息大流行”。假新闻和谣言在社交媒体上泛滥成灾。相信谣言会造成重大伤害。在大流行时,这会进一步加剧。为理解决这个问题,我们策划并发布了一个人工注释的数据集,其中包含10700个社交媒体帖子以及COVID-19上的真实和虚假新闻文章。我们使用四个机器学习基线(决策树,逻辑回归,梯度提升和支持向量机(SVM))对带注释的数据集进行基准测试。我们使用SVM获得93.46%F1分数的最佳性能。数据和代码可在以下网址获得:https://github.com/parthpatwa/covid19-fake-news-dectection
COVID-19高原:适应性预防策略下的流行病发展现象
原文标题: COVID-19 Plateau: A Phenomenon of Epidemic Development under Adaptive Prevention Strategies
地址: http://arxiv.org/abs/2011.03376
作者: Ziqiang Wu, Hao Liao, Alexandre Vidmer, Mingyang Zhou, Wei Chen
摘要: 自从COVID-19传播开始以来,关于流行病模型的研究数量就急剧增加。对于政策制定者来说,重要的是要知道这种疾病将如何传播,以及政策和环境对传播的影响是什么。在本文中,我们提出了对标准传染病模型的两个扩展:(a)我们根据当前的感染严重程度考虑采取的预防措施,这些措施是适应性的,并且会随着时间而变化。 (b)考虑到多个城市和地区,这些城市/地区之间的人口流动,同时考虑到每个地区可能采取不同的预防措施。尽管在大流行期间经常观察到适应性措施和人口流动性,但在经典流行模型中很少明确地模拟和研究这些影响。我们提出的模型引起了平稳期现象:长时间感染该疾病的人数保持在同一水平。我们展示了传播达到平稳期需要满足哪些条件,并且我们展示了这种现象是相互依赖的:当考虑多个城市时,条件与单个城市不同。我们从实际数据中验证,在当前的COVID-19开发中,高原现象确实存在于世界许多地区。最后,我们对单城市模型的高原现象进行了理论分析,并得出了有关高原的出现和结束以及高原的高度和长度的一系列结果。我们的理论结果与我们的经验发现非常吻合。
在不同地理范围内传播的流行病波动中的暴发多样性
原文标题: Outbreak diversity in epidemic waves propagating through distinct geographical scales
地址: http://arxiv.org/abs/2011.03380
作者: Guilherme S. Costa, Wesley Cota, Silvio C. Ferreira
摘要: 在大流行情况下,一种新出现的传染病的主要特征是根据所采用的缓解方案,其地理范围内的扩散以及对不同地点的影响。我们使用斑块代表自治市的混合种群方法调查了随机流行模型。传染病遵循市政当局的随机隔间模型;后者反过来又通过经常性的移动相互影响。作为研究案例,我们考虑了在巴西进行数据驱动模拟的COVID-19流行病。模拟的流行曲线的特性在不同的地理位置和规模上具有非常广泛的分布,从州到中部和周边地区,再到市政级。据预测,在几个州,流行病爆发的延误与与各省会城市的距离之间的相关性很强,而在其他州则较弱,这预示着多个流行病重点向内陆城市传播。不同地区对同一缓解方案的反应可能相差很大,这意味着必须根据该地区的具体情况来制定抗击流行病的政策,但要与整体情况相结合。实际报道的案例证实了模拟中预测的定性情景。即使我们的研究仅限于巴西,但前景和模型仍可扩展到其他具有不同人口分布的地理组织。
声明:Arxiv文章摘要版权归论文原作者所有,机器翻译后由本人进行校正整理,未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”(微信号netsci)和个人博客 https://www.complexly.cn (提供RSS订阅)进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。
网友评论