迈克尔·莱维特,2013年诺贝尔化学奖得主之一,斯坦福大学医学院教授,由于最近对新型冠状病毒引起的肺炎流行的数学模型预测,再次活跃在人们的眼中。
迈克尔假设第一个确诊的新冠状病毒肺炎病例将发生在2019年11月29日,并根据来自Kaggle的数据进行了简单分析,Kaggle是一个开发人员和数据科学家举办机器学习竞赛、托管数据库、编写和共享代码、Gisanddata和Jobtube网站的平台。
他的分析主要比较了全国疫情的发展情况、湖北省及其他地区的情况,并表示疫情将在下周内得到很好的控制,从下周(2月10日)开始新死亡人数将迅速下降。
这条消息一发布就传遍了整个网络。然而,迈克尔公布的数据表和分析曲线引起了许多人的怀疑。例如,“对于教授来说,用现有的数据点进行线性推断,而忽略一些其他的条件和假设,是不是显得草率?”一些业内人士还说,“迈克尔的数学模型考虑了理想化的情况,而临床相关的情况,以及病毒传播的复杂性和不确定性,很难说。”“
DeepTech在以前的文章中强调,任何数学模型都是某些假设和推理的结果,因此存在一定的置信区间做统计的人经常强调所有的模型都是错误的。这是针对模型的具体预测结果,预测结果很难完全符合实际情况。因此,有必要从辩证的角度来看待这一模型及其推测结果,寻找其推测能够为有效阻断疫情的传播带来的启示以及能够为防控措施提供的参考。
DeepTech再次向迈克尔·莱维特教授询问了他对其数学模型预测的怀疑,并谈到了他对生物医学和其他问题的一些看法。
map | Michael Levitt(资料来源:剑桥大学)
Deep Tech:您最初是如何考虑对此次肺炎疫情进行数据分析的?
迈克尔·莱维特:我喜欢各种各样的数据,对任何与数据相关的新问题都很感兴趣。与此同时,许多关于2019-nCoV疫情的数据分析让人们困惑,并带来了全球恐慌,这让全世界的人都感到恐慌。因此,我用公共数据进行了建模分析。
DeepTech:有些人认为这个模型简单而理想化。你怎么想呢?如果将来出现不匹配,模型会继续修改吗?
迈克尔·莱维特:这是一个非常简单的模型,但有时即使是一个简单的数字也能解释一个问题或讲一个故事。我会根据新的数据每天更新和调整这个模型(并给出最新的分析文件)在这个数学模型的开始,我将它与2003年非典疫情数据进行了比较。
DeepTech:除了现有的推测之外,从数据分析的角度还能看到什么其他问题?
迈克尔·莱维特:这种疫情相对容易控制,前提是早期应对措施得到迅速和适当的实施。从湖北省和其他地区的疫情死亡人数来看,早期发现和治疗将更好地控制疫情的发展。
DeepTech:此前,一些研究人员表示,这次怀疑2019-nCoV是人为的,因为病毒蛋白质中几个不连续位点的氨基酸序列与艾滋病毒相似。你认为这个问题怎么样?
迈克尔·莱维特:我以前没有注意到这个事件,但是我非常怀疑这个信息的实际意义。因为仅凭氨基酸序列是不可能得出任何结论的,所以氨基酸可能是致命的或不相关的。仅凭蛋白质编码的序列来判断是不科学的。
DeepTech:作为一名成功跨越计算机科学、物理学和生物学的科学家,你认为未来的科学发展会是多学科的融合吗?迈克尔·莱维特:不要受纪律约束。我对一切都很着迷。学科只是由大学人为划分和构建的部门,然后教师被雇佣去学习他们自己的课程。这种传播给人们一种固定的印象。
DeepTech:你现在和中国有合作吗?你对学习生物学的人有什么建议?迈克尔·莱维特:是的,我是一个非常全球化的人。同时,中国是一个非常迷人的国家。我的建议不是针对特定的主题,而是针对所有的人:不要带着偏好和目的去学习或做研究,而是基于你每天所做的日常工作来做好它们。
地图|迈克尔·莱维特获得2013年诺贝尔化学奖(资料来源:诺贝尔媒体协会2013/亚历山大·马哈穆德)
迈克尔·莱维特于1947年5月9日出生于南非比勒陀利亚。他于1971年获得剑桥大学的博士学位。他是犹太裔美国人、英国人和以色列生物物理学家。他目前是斯坦福大学的结构生物学教授和美国国家科学院院士。迈克尔的研究专业是计算生物学。他的工作集中于蛋白质、脱氧核糖核酸和核糖核酸分子的理论分析和计算机辅助分析。描述生物分子的精确分子结构是理解其工作原理和进一步设计改变其功能的药物的必要的第一步。
2013年,当时66岁的迈克尔·莱维特与马丁·卡普拉斯和亚利耶·瓦谢尔分享了诺贝尔化学奖,以表彰他们对“复杂化学系统多尺度模型的发展”做出的贡献他们为化学家使用计算机显示各种模型和进行化学分析奠定了基础,这是帮助人们加深对化学过程的理解和预测的有力工具。
迄今为止,化学方面的大多数重要进展都离不开先进计算机模型的帮助。
附件:2月4日迈克尔·莱维特最新回复的分析文件截图
-4 - 5--End-