Выборы президента Франции 2017 года были необычайно непредсказуемыми. Две новые партии приняли участие в борьбе, включая партию будущего победителя Эммантуаля Макрона. Несмотря на финансовый скандал, первоначальный лидер, консерватор Франсуа Фийон, остался в гонке. Команда исследователей использовала активность в Twitter, связанную с выборами, чтобы создать базу данных, отражающую изменение мнений избирателей [1].
Использование базы данных для оценки модели избирателей
Теперь Антуан Вендевиль из Sciences Po в Париже использовал эту базу данных для оценки способности популярной сетевой модели, называемой моделью избирателей, предсказывать результаты выборов [2]. Модель оказалась успешной, продемонстрировав свою актуальность для сложных, неоднородных условий.
Модель избирателей представляет собой сеть взаимосвязанных людей, некоторые из которых являются фанатиками — то есть людьми, которые не меняют своих намерений голосовать. Остальные могут изменить своё мнение на основе мнений своих соседей по сети. Изначально каждому участнику присваиваются намерения голосовать случайным образом. Но после каждой итерации модели, в зависимости от определённых весов, намерения голосования меняются и в конечном итоге приходят к равновесному состоянию — результату выборов.
База данных и модель избирателей
База данных, которую использовал Вендевиль, состоит из 22 853 профилей в Twitter и их публикаций и репостов, связанных с выборами. Создатели базы данных определили политические принадлежности всех этих профилей. В модели избирателей Вендевиля фанатикам — политическим организациям, а не отдельным пользователям — были присвоены соответствующие принадлежности, но остальным профилям принадлежности были присвоены случайным образом. Тем не менее модель пришла к состоянию, в котором окончательные мнения большинства пользователей соответствовали принадлежностям, выведенным создателями базы данных. Модель также смогла эффективно различать друзей и врагов по вероятности их несогласия.
Движение клеток: исследование активности
Некоторые клетки, такие как бактерии и опухолевые клетки, могут двигаться самостоятельно, но их общее движение — это смесь внутреннего действия и шума окружающей среды. Роланд Нетц из Свободного университета Берлина и его коллеги показали, что эти факторы можно разделить в данных отслеживания движения плавающих клеток водорослей и ползающих раковых клеток [1].
Удивительно, но генетически идентичные раковые клетки демонстрировали широкий спектр самостоятельного поведения, предполагая, что ДНК не предопределяет всю их активность.
Движение крошечной бусины в стакане с водой — это случайное блуждание. Молекулы воды сталкиваются с бусиной, толкая её то в одну, то в другую сторону. Это так называемое броуновское движение можно описать математически с помощью уравнения Ланжевена, которое выражает ускорение бусины как сумму зависящего от скорости члена трения и члена случайного шума.
Но что происходит, когда объект движется сам? Нетц и его коллеги работали над этим типом задач с активным веществом, используя обобщённое уравнение Ланжевена, в котором член трения заменён более сложной функцией, называемой ядром памяти [2]. Это ядро объединяет различные факторы, влияющие на объект — как в настоящем, так и в прошлом.
Команда сначала измерила движение трёх наборов объектов: одноклеточных водорослей, клеток рака молочной железы и пластиковых бусин. Используя методы, ранее разработанные группой Нетца, они извлекли из данных ядро памяти для каждого отдельного объекта. Среди активных клеток разброс ядер был значительным.
Исследователи провели моделирование на основе извлечённых ядер и показали, что они могут выделить разброс, связанный с вариациями между клетками. Несмотря на то что все раковые клетки были получены из одной клеточной линии, они продемонстрировали такую же степень вариативности, как и генетически разнообразные клетки водорослей.
Это открытие согласуется с биологическими исследованиями, которые показали, что последовательность генов не является единственной в определении поведения. «Клетка проходит через разные стадии и испытывает разное микроокружение по мере своего развития», — объясняет Нетц. Исследователи предполагают, что их методы анализа данных могут лечь в основу неинвазивного способа изучения реакции клеток на лекарства или другие факторы окружающей среды.
Авторы
— Чарльз Дэй, старший редактор журнала Physics Magazine.
— Майкл Ширбер, соответствующий редактор журнала Physics Magazine, базирующийся в Лионе, Франция.