Nat Commun：如何理解传染病的传播？
来源：本站原创 2020-11-05 21:24
在全球范围内，由新型冠状病毒SARS-CoV-2引起的COVID-19病全球爆发后，全世界的科学家一直在大力研究传染病。这不仅包括病毒学家，还涉及物理学家，他们正在开发描述流行病传播的数学模型。这样的模型对于测试旨在控制疾病的各种措施的效果非常重要。
2020年11月6日 讯 /生物谷BIOON/ --在全球范围内，由新型冠状病毒SARS-CoV-2引起的COVID-19病全球爆发后，全世界的科学家一直在大力研究传染病。这不仅包括病毒学家，还涉及物理学家，他们正在开发描述流行病传播的数学模型。这样的模型对于测试旨在控制疾病的各种措施的效果非常重要。
理论物理学研究所和明斯特大学软纳米科学中心的物理学家Michael te Vrugt，Jens Bickmann和Raphael Wittkowski教授开发了一种新模型，显示了传染病的传播模式。
在疫情开始时，他们意识到相同的方法可用于描述疾病的传播。主要作者Michael te Vrugt解释说：“原则上，可以将观察到社交隔离的人们建模为相互排斥的粒子，因为它们具有相同的电荷。”他补充说：“因此，描述相互排斥的粒子的理论可能适用于人们彼此保持距离的情况。”
基于此思想，他们开发了所谓的SIR-DDFT模型，该模型将SIR模型（描述传染病传播的著名理论）与DDFT相结合。由此产生的理论描述了可以互相感染但保持距离的人。 “该理论还使得描述感染者的热点成为可能，这使我们更好地了解了今年早些时候所谓的超级传播活动的动态”。相关结果发表在最近的《nature communications》杂志上。
社交隔离的程度则由排斥互动的强度来定义。该研究的负责人Raphael Wittkowski解释说：“该理论还可以通过模拟流行病并改变定义相互作用强度的参数的值来测试社会距离的影响。 ”模拟表明，由于社交隔离，感染率确实显示出明显的下降。因此，该模型再现了熟悉的“扁平化曲线”效果，其中随着社会距离的增加，描绘受感染人数随着时间的推移而变化的曲线变得更加扁平。与现有理论相比，新模型的优势在于可以对社交互动的影响进行显式建模。（生物谷Bioon.com）
资讯出处：Understanding the spread of infectious diseases
原始出处：Michael te Vrugt et al, Effects of social distancing and isolation on epidemic spreading modeled via dynamical density functional theory, Nature Communications (2020). DOI: 10.1038/s41467-020-19024-0
理论物理学研究所和明斯特大学软纳米科学中心的物理学家Michael te Vrugt，Jens Bickmann和Raphael Wittkowski教授开发了一种新模型，显示了传染病的传播模式。
（图片来源：Www.pixabay.com）
在疫情开始时，他们意识到相同的方法可用于描述疾病的传播。主要作者Michael te Vrugt解释说：“原则上，可以将观察到社交隔离的人们建模为相互排斥的粒子，因为它们具有相同的电荷。”他补充说：“因此，描述相互排斥的粒子的理论可能适用于人们彼此保持距离的情况。”
基于此思想，他们开发了所谓的SIR-DDFT模型，该模型将SIR模型（描述传染病传播的著名理论）与DDFT相结合。由此产生的理论描述了可以互相感染但保持距离的人。 “该理论还使得描述感染者的热点成为可能，这使我们更好地了解了今年早些时候所谓的超级传播活动的动态”。相关结果发表在最近的《nature communications》杂志上。
社交隔离的程度则由排斥互动的强度来定义。该研究的负责人Raphael Wittkowski解释说：“该理论还可以通过模拟流行病并改变定义相互作用强度的参数的值来测试社会距离的影响。 ”模拟表明，由于社交隔离，感染率确实显示出明显的下降。因此，该模型再现了熟悉的“扁平化曲线”效果，其中随着社会距离的增加，描绘受感染人数随着时间的推移而变化的曲线变得更加扁平。与现有理论相比，新模型的优势在于可以对社交互动的影响进行显式建模。（生物谷Bioon.com）
资讯出处：Understanding the spread of infectious diseases
原始出处：Michael te Vrugt et al, Effects of social distancing and isolation on epidemic spreading modeled via dynamical density functional theory, Nature Communications (2020). DOI: 10.1038/s41467-020-19024-0
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
