Французские президентские выборы 2017 года были необычайно непредсказуемыми
На президентских выборах во Франции в 2017 году сложилась необычная ситуация. Две новые партии вышли на политическую арену, в том числе партия будущего победителя Эмманюэля 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.
Антуан Вендевиль из Sciences Po в Париже использовал эту базу данных для оценки способности популярной сетевой модели, называемой моделью избирателей, предсказывать результаты выборов. Модель успешно справилась с задачей, продемонстрировав свою актуальность для сложных и неоднородных условий.
Модель избирателей
Модель избирателей представляет собой сеть взаимосвязанных людей, некоторые из которых являются фанатиками — то есть людьми, которые не меняют своих намерений голосовать. Остальные могут менять своё мнение на основе мнений своих соседей по сети. Изначально каждому человеку случайным образом присваиваются намерения голосовать. Но после каждой итерации модели, в зависимости от определённых весов, намерения голосовать меняются и в конечном итоге приходят к равновесному состоянию — результату выборов.
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, а остальным профилям были присвоены принадлежности 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
Некоторые клетки, такие как бактерии и опухолевые клетки, могут двигаться самостоятельно, но их чистое 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.
Удивительно, но генетически идентичные раковые клетки демонстрировали широкий спектр самостоятельного поведения, предполагая, что ДНК не предопределяет всю их активность.
Движение крошечной бусины в стакане воды — 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. 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 шариков. Используя методы, ранее разработанные группой Нетца, они извлекли из данных ядро памяти для каждого отдельного объекта. Среди активных клеток разброс ядер был большим. «Изначально мы не знаем, является ли этот разброс результатом того, что клетки отличаются друг от друга, или это просто случайность», — говорит коллега Нетца из Свободного университета Антон Климек.
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 вариативность, 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 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.
Майкл Ширбер — редактор журнала Physics Magazine, базируется в Лионе, Франция.