用數(shù)據(jù)動力學“驅(qū)動”科學

本篇報道圍繞2020年度上海市自然科學獎一等獎項目“動力學驅(qū)動的數(shù)據(jù)科學理論和方法研究”展開。該獎項由中國科學院分子細胞科學卓越創(chuàng)新中心陳洛南研究員領(lǐng)銜的研究團隊獲得。

“人不能兩次踏進同一條河流?！弊儎硬痪拥氖澜绫徽苋说倪@句話夸張地描述著。

如何來描述一個物體的狀態(tài)或動力學？

英國物理學家牛頓1687年在其出版的《自然哲學的數(shù)學原理》中給出了三條完整的定律。于是，當一個物體具有了質(zhì)量，那么它的速度、加速度以及它承受的作用力都會得以明確。

研究物體運動變化及其驅(qū)動力的學科被稱為動力學。而動力學模型作為一種理論框架，被用于研究一個系統(tǒng)中物體或粒子的狀態(tài)、行為。

那么，數(shù)據(jù)，一個沒有質(zhì)量的數(shù)據(jù)集，或抽象的復(fù)雜系統(tǒng)，可以被找到“動力學”特征或規(guī)律嗎？更重要的是，這有什么用？

動力學與數(shù)據(jù)科學的結(jié)合

“我們發(fā)展了這個領(lǐng)域，把動力學思想和方法引入了主要基于統(tǒng)計學的數(shù)據(jù)科學中?！敝袊茖W院分子細胞科學卓越創(chuàng)新中心研究員陳洛南說。

此前，他領(lǐng)銜的研究團隊（包括復(fù)旦大學教授林偉、華南理工大學教授劉銳、中國科學院數(shù)學與系統(tǒng)科學研究院研究員王勇等人）共同完成的“動力學驅(qū)動的數(shù)據(jù)科學理論和方法研究”項目榮獲2020年度上海市自然科學獎一等獎。

他們將自己原創(chuàng)的研究體系命名為“動力學刻畫的數(shù)據(jù)科學”，它主要包含預(yù)測、預(yù)警、因果、人工智能（AI）等幾個方面，并應(yīng)用在計算系統(tǒng)生物學、生物過程臨界分析、腫瘤細胞轉(zhuǎn)移等疾病的早期預(yù)警和地質(zhì)災(zāi)害預(yù)警等多學科的基礎(chǔ)研究中。

《哈佛商業(yè)評論》（Harvard Business Review）曾刊登文章稱，數(shù)據(jù)科學家是21世紀最“性感”的工作。而早在1974年，計算機科學家、圖靈獎獲得者彼得 · 諾爾（Peter Naur）就提出，數(shù)據(jù)科學是將數(shù)學和統(tǒng)計學、專業(yè)編程、高級分析、AI和機器學習與特定主題的專業(yè)知識相結(jié)合，以獲取隱藏在組織數(shù)據(jù)中的信息。

“（但）現(xiàn)在的數(shù)據(jù)科學大都還是基于靜態(tài)的統(tǒng)計學規(guī)律，缺少動態(tài)的刻畫機制?！标惵迥媳硎?。

他認為，動力學能夠反映系統(tǒng)的動態(tài)機制、因果關(guān)聯(lián)等更本質(zhì)的東西。而這正是隨著大數(shù)據(jù)和AI的發(fā)展，數(shù)據(jù)科學在解決諸多現(xiàn)實問題時凸顯的局限性。

“未病”預(yù)警：在疾病惡化前來個“急剎車”

體檢時，人們往往通過檢查當前的身體狀況來判斷自己是否患病。但陳洛南認為，現(xiàn)階段的體檢，主要是反映人們是否已患病，無法預(yù)知未來，比如，人什么時候?qū)⒁疾?，甚至極端地來說，“還剩多長時間”。

陳洛南團隊發(fā)表的系列論文指出，復(fù)雜疾病過程有一個臨界狀態(tài)，也就是說，許多疾病的惡化是突然從前期階段轉(zhuǎn)變到疾病階段，存在一個“突變點”。

在研究中，患者的狀態(tài)大致可劃分為三種——“正常狀態(tài)”“前疾病狀態(tài)”和“疾病狀態(tài)”。其中，對于很多慢性疾病來說，第三個階段或狀態(tài)的治療難度非常大，很難再使病情回到相對正常狀態(tài)，所以幾乎處于非可逆階段。而前疾病狀態(tài)對應(yīng)了有效治療的關(guān)鍵時間節(jié)點。

“我們將復(fù)雜生物系統(tǒng)看作一個隨時間演化的動力系統(tǒng)，其臨界處就相當于數(shù)學上動力系統(tǒng)的分岔點?！标惵迥媳硎?，“但根據(jù)現(xiàn)在醫(yī)學常用的靜態(tài)對照式研究，會發(fā)現(xiàn)前疾病狀態(tài)與正常狀態(tài)沒有明顯區(qū)別。這兩個階段的靜態(tài)指標一般都沒有顯著變化，因此難以量化或難以區(qū)分前疾病狀態(tài)?！?/p>

理論上，如果能構(gòu)建數(shù)學模型，就可以依據(jù)分岔理論（bifurcation theory），反映疾病這一復(fù)雜系統(tǒng)的動態(tài)臨界過程。“但實際的復(fù)雜系統(tǒng)大多沒有精確的數(shù)學模型，”他說，“沒有模型，只通過觀測數(shù)據(jù)找到臨界點，這就是我們創(chuàng)新的地方?！?/p>

陳洛南帶領(lǐng)的研究團隊借助高通量技術(shù)，根據(jù)臨界慢化（critical slowing down）、臨界協(xié)同波動（critical collective fluctuation）和分岔理論，提出了一種新穎的基于網(wǎng)絡(luò)的無模型方法，即使僅有少量的樣本，也能通過其“動力學”臨界特征和規(guī)律，檢測到復(fù)雜疾病的預(yù)警信號。

陳洛南介紹，通過觀測高通量技術(shù)測量的分子等變量，來計算不同變量間的相關(guān)性，如果發(fā)現(xiàn)其中一組變量的相關(guān)性突然增強，波動增大，并與其他變量間的相關(guān)性減弱，（當同時滿足上述三個條件時）這組分子變量的動態(tài)變化就可能成為反映該復(fù)雜系統(tǒng)向疾病狀態(tài)變化前的指標，可以稱該組分子為整個系統(tǒng)的主導(dǎo)模塊或“動態(tài)網(wǎng)絡(luò)生物標志物”（DNB）。

“DNB是狀態(tài)評估，告訴我們離臨界還有多遠?！彼f，如果發(fā)現(xiàn)快到臨界了，就能及時干預(yù)，抑制系統(tǒng)向疾病狀態(tài)轉(zhuǎn)變。

目前，該研究方法已成功運用到腫瘤細胞轉(zhuǎn)移前兆診斷、自身免疫性疾病再發(fā)預(yù)警、糖尿病臨界檢測及藥物拮抗動態(tài)過程等研究，還被國內(nèi)外研究者應(yīng)用到生態(tài)系統(tǒng)和金融系統(tǒng)等的風險分析和臨界預(yù)測方面。

陳洛南團隊發(fā)表的《復(fù)雜生物過程中關(guān)鍵節(jié)點及關(guān)鍵因子檢測——基于動態(tài)網(wǎng)絡(luò)標志物的復(fù)雜疾病早期預(yù)測》一文指出，一個生物系統(tǒng)或一種復(fù)雜疾病往往被建模成一個非線性動力系統(tǒng)或動態(tài)網(wǎng)絡(luò)。這樣，復(fù)雜疾病的發(fā)展過程可被看作是這個復(fù)雜動力系統(tǒng)沿著時間軸演化的過程。

“一葉知秋”

時間序列是按一定時間間隔排列的隨機變量的集合。陳洛南團隊于2020年發(fā)表的論文表明，基于觀測的數(shù)據(jù)，尤其是短期時間序列（Short-Term Time-Series）數(shù)據(jù)，做出準確預(yù)測，對神經(jīng)科學、大氣科學、工程等學科和領(lǐng)域的發(fā)展十分重要。但已有的預(yù)測方法，如統(tǒng)計回歸方法和機器學習方法等，需要足夠長的時序測量，無法對短期時間序列進行預(yù)測。

前述論文表示，短期時間序列里的高維可觀測數(shù)據(jù)蘊含著豐富的時間信息，可以用來呈現(xiàn)、預(yù)測復(fù)雜系統(tǒng)的動態(tài)變化。換句話說，可以“一葉知秋”。

但是由于數(shù)據(jù)量少、缺乏統(tǒng)計規(guī)律，“要將高維數(shù)據(jù)里折疊的時間信息‘展開出來’，需要新的理論和方法?！标惵迥险f。

陳洛南團隊基于延遲嵌入理論和廣義嵌入理論，建立了空間時間信息轉(zhuǎn)換（STI）方程，可將高維變量的關(guān)聯(lián)信息轉(zhuǎn)化為目標變量的時間演變，并在此基礎(chǔ)上提出了隨機分布嵌入（RED）、自動儲蓄池神經(jīng)網(wǎng)絡(luò)（ARNN）和預(yù)期學習機器（ALM）等方法，能針對目標變量進行多步預(yù)測，從而對復(fù)雜的非線性動力系統(tǒng)做出更精準的短期預(yù)測。

不同于傳統(tǒng)的基于統(tǒng)計學的機器學習，STI方程預(yù)測方法從非線性動力系統(tǒng)理論出發(fā)，為基于動力學的機器學習或深度學習開辟了新路徑。

目前，相較于其他方法，該方法在對基因表達數(shù)據(jù)集、股票數(shù)據(jù)集、交通數(shù)據(jù)集、臺風衛(wèi)星云圖數(shù)據(jù)集等的預(yù)測中，都取得了更精準的短期預(yù)測結(jié)果。

陳洛南表示，目前正結(jié)合DNB預(yù)警和STI預(yù)測方法推進對地質(zhì)災(zāi)害的預(yù)警，未來還將推廣到更多應(yīng)用場景。

2023年9月5日，《美國科學院院報》（PNAS）在線發(fā)表了陳洛南研究組與劉銳研究組合作完成的實時地震前兆預(yù)警最新研究成果——《通過時空信息轉(zhuǎn)換學習，基于空間大地測量數(shù)據(jù)的地震預(yù)警》（Earthquake alerting based on spatial geodetic data by spatiotemporal information transformation learning）。該研究實現(xiàn)了83%真陽性和0.98%假陽性的預(yù)警精度。所探測的預(yù)警信號精度顯著優(yōu)于現(xiàn)有的10種方法，實現(xiàn)提前預(yù)警平均6～7天。因此，該方法在地震災(zāi)害監(jiān)測領(lǐng)域具有重要應(yīng)用和參考價值。該研究結(jié)果也顯示強震與弱震可能有不同的動力學因素或產(chǎn)生機制。

不一樣的研究：開創(chuàng)新學科

“我們現(xiàn)在做的工作與現(xiàn)行研究方式不一樣，”陳洛南說，“我們的工作發(fā)展了這個領(lǐng)域?！?/p>

現(xiàn)有有關(guān)疾病預(yù)警的論文，主要是通過病例對照研究來看統(tǒng)計量的差異，依然是靜態(tài)的對照研究。如果能將靜態(tài)的對照式研究推進到動態(tài)的過程式研究，“信息更互補，從而看到原來看不到的東西”。

目前，陳洛南團隊也在進行預(yù)測與預(yù)警方面的研究。他表示，盡管已提出了基礎(chǔ)方法，仍存在很多未解決的難題。

他認為，噪聲干擾和系統(tǒng)本身的強隨機性都是很大的挑戰(zhàn)。另外，目前提出的預(yù)測與預(yù)警方法實際應(yīng)用場景仍十分有限，如何獲得更好的泛用性，也是亟待解決的問題?！按送猓绾文軓母呔S數(shù)據(jù)中準確地找到DNB也是個問題。”陳洛南說。

他表示：“我們提出了這種概念和方法，最終需要大家一起來完善?！标惵迥线€透露，團隊有一項“未病”項目研究，推動了國家科技“未病”專項的立項。

他介紹說，“未病”思想是中醫(yī)的重要理念，是疾病發(fā)生發(fā)展中的關(guān)鍵狀態(tài)，在該狀態(tài)進行合理干預(yù)可以實現(xiàn)病程的逆轉(zhuǎn)。但“未病”發(fā)展過程有明顯的動態(tài)性和復(fù)雜性，中醫(yī)意義上的“未病”很多沒有被量化，缺乏科學意義上的概念或標準，嚴重制約了“未病”的客觀辨識和疾病的早診早治。陳洛南帶領(lǐng)的研究團隊希望建立“未病”的量化表征，特別是通過DNB框架中的臨界理論，量化未病狀態(tài)，從而使未病的概念“科學化”，也為早期預(yù)警與早期干預(yù)提供理論依據(jù)和量化方法。

陳洛南表示，未病概念需要科學化?？茖W化就是國際化。這也利于中醫(yī)的現(xiàn)代化、國際化。

另外，他帶領(lǐng)的研究團隊在構(gòu)建辨識因果網(wǎng)絡(luò)的新型算法、發(fā)展脈沖神經(jīng)網(wǎng)絡(luò)高效訓練工具等方面也取得了重要突破。“我們這個學科非常交叉，歡迎各個學科的人才一起來發(fā)展它?！标惵迥险f。