诺奖得主预测疫情走势:简单的数字也能说明问题,希望人们别被学科所束缚 | 独家专访

科学
诺奖得主预测疫情走势:简单的数字也能说明问题,希望人们别被学科所束缚 | 独家专访
麻省理工科技评论 2020-02-05

2020-02-05

迈克尔 · 莱维特回应数学模型比较简单的质疑。同时,对跨学科和学生们提出鼓励。
诺贝尔奖 科学
迈克尔 · 莱维特回应数学模型比较简单的质疑。同时,对跨学科和学生们提出鼓励。

迈克尔 · 莱维特(Michael Levitt),2013 年诺贝尔化学奖得主之一、斯坦福大学医学院教授,在近日由于对此次新型冠状病毒引起的肺炎疫情做出的数学模型预测,再一次活跃在人们的视线中。

迈克尔假设新冠病毒肺炎的首个确诊病例出现在 2019 年 11 月 29 日, 并根据 Kaggle(一个为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台)、Gisanddata 和 Jobtube 网站的数据进行了简单的分析。

他的分析主要将全国疫情发展情况、湖北省的情况,以及其他地区的进行了对比,并表示在未来的一周内,疫情就会得到良好的控制,下周开始(2 月 10 日)新增的死亡人数就将迅速减少。

该消息一经发布就传遍全网,但迈克尔公布的数据表格和分析曲线,引发了很多人的质疑,例如,“教授用现有的数据点进行线性外推,忽略了一些其他条件和假说,会不会显得有些草率?”也有业内人士表示,“迈克尔的数学模型考虑的是理想化的情况,而临床相关情况,以及病毒传播的复杂性和不确定性都是很难说的。”

DeepTech 此前的文章中已经强调过:任何数学模型都是一定的假设加推理的结果,因此都有一定的置信区间。做数据统计的人也时常会强调:所有模型都是错的。这是针对模型的具体推测结果来说的,推测结果跟实际情况很难完全吻合。所以需要用辩证的眼光去看待模型及其推测结果,寻找其推测能为高效地阻断疫情传播带来的启发,以及能为防控措施提供的参考。

就有关对于其数学模型预测的质疑,DeepTech 再次询问了迈克尔 · 莱维特教授,也谈到了一些他对于生物医学等问题的看法。

诺奖得主预测疫情走势:数字也能说明问题,希望人们别被学科束缚

图 | 迈克尔 · 莱维特 (来源:University of Cambridge)

DeepTech:最初是怎么想到要做对此次肺炎疫情的数据分析的?

迈克尔 · 莱维特:我喜欢各种数据,对任何新出现的数据相关的问题都抱有极大兴趣。同时,许多对于这一次 2019-nCoV 疫情的数据分析让人感到很迷惑,并且带来了全球性的恐慌,让世界各地的人都惶恐不安。所以,我就用公开的数据进行了一次建模分析。

DeepTech:有人认为这个模型是简单且理想化的,你怎么看?如果未来出现错配,模型还会继续修改吗?

迈克尔 · 莱维特:这是一个非常简单的模型,但有些时候,简单的数字也能说明一个问题或讲述一个故事。我每天都会根据新出现的数据,对这个模型进行更新和调整(并给出了最新一版分析 PDF 文档)。在做这个数学模型的最初,我将它与 2003 年的非典疫情数据进行了比较。

DeepTech:除了现有推测之外,从数据分析角度还能看出哪些问题?

迈克尔 · 莱维特:这次的疫情在早期应对措施实行迅速得当的前提下,是相对容易被控制住的。从湖北省和其他地区的因此次疫情而死亡的人数来看,早期发现并治疗会比较好地控制住疫情发展。

DeepTech:此前,有部分研究人员表示此次 2019-nCoV 存在人造嫌疑,因为病毒的蛋白中有几个不连续位点的氨基酸序列和 HIV 病毒的相近。你怎么看待这个问题?

迈克尔 · 莱维特:此前我并没有注意到这一事件,但我十分怀疑这些信息的实际意义。因为单独看氨基酸序列是没法下什么结论的,一种氨基酸既有可能是致命的,也有可能是无关紧要的。单独用蛋白编码的序列来进行判断,并不科学。

DeepTech:作为一个成功跨越了计算机科学、物理学和生物学的科学家,你认为未来的科学发展将会是多学科融合吗?

迈克尔 · 莱维特:别被学科所束缚,我对一切都很着迷。学科,只是大学人为划分并构造出来的各个部门,然后雇佣老师来上自己的课程。这样传播开来,给人们形成了一种固定印象。

DeepTech:您目前有与中国的合作么?对正在生物学领域读书的人有什么建议?

迈克尔 · 莱维特:有的,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。我的建议并不针对特定学科,而是面向所有人:不要带着偏好和目的性去学习或者做研究,而是基于你每天手头上的日常工作,去做好它们。

诺奖得主预测疫情走势:数字也能说明问题,希望人们别被学科束缚

图 | 迈克尔 · 莱维特领取 2013 年诺贝尔化学奖(来源: Nobel Media AB 2013/Alexander Mahmoud)

迈克尔 · 莱维特在 1947 年 5 月 9 日出生于南非的比勒陀利亚,他在 1971 年于英国剑桥大学获得博士学位,是一名犹太裔的美国、英国及以色列籍生物物理学家,现任美国斯坦福大学结构生物学教授,也是美国国家科学院院士。

迈克尔的研究专长为计算生物学,他的工作侧重于对蛋白质、DNA 和 RNA 分子的理论分析和计算机辅助分析。而描述生物分子的精确分子结构是了解其工作原理,并进一步设计药物改变其功能的所必不可少的第一个步骤。

在 2013 年,当时 66 岁的迈克尔 · 莱维特与马丁 · 卡普拉斯(Martin Karplus)、亚利耶 · 瓦谢尔(Arieh Warshel),因他们在 “发展复杂化学体系多尺度模型” 方面所做的贡献,一同分享了当年的诺贝尔化学奖。他们为化学家们使用电脑来展示各种模型、进行化学分析这一个强大工具的应用奠定了基础,帮助人们加深对化学过程的理解与预测。

时至今日,化学领域所取得的大部分重要进展都离不开先进计算机模型的帮助。

另附:迈克尔 · 莱维特最新回复的 2 月 4 日分析文档截图。

诺奖得主预测疫情走势:数字也能说明问题,希望人们别被学科束缚

诺奖得主预测疫情走势:数字也能说明问题,希望人们别被学科束缚

诺奖得主预测疫情走势:数字也能说明问题,希望人们别被学科束缚

麻省理工科技评论

From Tech to Deeptech