《新型人類冠狀病毒演化小知識》【科學】【政治】【新網頁公告】
我終於開設了自己的網頁,用以存檔及維繫網友,免得Facebook經常改演算法或禁言。
而且自己的網頁寫文,更方便加入圖片和參考資料,方便傳訊。
請到網頁訂閱,追蹤我的最新動態!謝謝!
《新型人類冠狀病毒演化小知識》
完整文章(附圖):https://hknordichearts.com/…/%E3%80%8A%E6%96%B0%E5%9E%8B%E…/
(為方便,下文一律用WARS代表2019新型人類冠狀病毒。)
1. 蝙蝠是多種冠狀病毒的自然宿主,研究發現部份蝙蝠品種感染類沙士和類中東呼吸綜合症(MERS)病毒的近親。(1,3)
2. 其中基因組最為接近沙士的,是2005年在廣西蝙蝠發現的類沙士病毒RP3樣本。 (6)
3. 果子貍冠狀病毒和沙士相近,故當年相信是由果子貍傳到人類。後來發現其實早期SARS樣本(廣州GZ02),與蝙蝠更相近,所以另一個假說是,由蝙蝠感染人,再傳到果子貍裡與人類交叉感染,然後再傳回給人。(5) 至於為何一開始有人會感染蝙幅病毒,而又有足夠時間和機會演變成人傳果子貍或人傳人呢?無法追溯。
4. 追溯1983年的駱駝樣本,相信MERS病毒是在超過三十年前由蝙幅傳駱駝,再因為三十年來人類和駱駝共生的關係,演變出人傳人MERS。(7)
5. WARS是SARS的近親,也是其他蝙蝙冠狀病毒的近親,說明他們有共同祖先。和WARS最接近的近親,是在逝江舟山蝙幅樣本(CoVZXC21, CoVZXC45),暫時只能推測是蝙蝠傳人,或是蝙蝠傳中介,再傳給人,但為何能在短時間內演變成人傳人,很難考究。(5,13)(見第六點)
6. 暫時所得的WARS樣本,基因都極度相似,十一個樣本裡有三個是完全一樣的,而有幾個只有0.01%差異,有可能只是技術誤差。而三個完全一樣的樣本,其中兩個是從武漢到了泰國的病人,兩人均沒有到訪野味市場。冠狀病毒是突變率極高的病毒,不同源頭的病毒有一樣的基因,沒有到訪野味市場也中了同樣的病毒,說明病毒是在極短期內人傳人爆發。學者推測有可能是在十二月底發生。(4)
7. 野味市場的危險,是多個物種在衛生極差的環境下,互相感染,成為了病毒的培育場,為了適應各物種增加了多樣性,就更易培育出能感染人類的病毒。然而,野味是從何感染的?蝙蝠嗎?野味市場真的有蝙蝠嗎?如果沒有,不和蝙蝠互動的野味,如何有足夠感染機會,演化出能維持在野味群體內的變種?如果是演變成野味病毒,再培育出傳染人類的突變,為什麼不是先發展有限度感染人類,提高多樣性演變適應人類,足以人傳人,而是突然短時間內就成了單一人傳人的源頭,機理是如何?
8. 武漢的P4病毒研究所,相信會用猿猴做病毒研究,加上中國隱惡揚善的工作風氣,2017年有美國專家警告過其安全性。中國科普博覽報導了P4病毒研究所的開放日,表示研究所會在猴子注射致命病毒。(9)
9. SARS病毒利用細胞的ACE2受體(你可以當作是細胞的其中一個鎖匙洞)進入細胞體內,而人類ACE2受體和猴子ACE2能被SARS病毒辨認的部份,是完全一樣的(和果子貍,則是58%相同)。簡單說,如果SARS是鎖匙,人類和猴子的SARS鎖匙洞有一樣的匙槽,可合理推斷SARS病毒感染人類和猴子的能力應該非常相似。(5) 而最新研究發現,WARS病毒同樣透過ACE2感染細胞。(10)
10. 2004年,北京實驗室洩漏過沙士病毒,導致一人死亡,九人感染,幸得及時制止。(11)
11. 順便講個病毒外洩的故事。1918年導致上億人死亡的西班牙流感H1N1,在不斷與人類共同演化後,降低了致命性,然後在1954年消失,被H2N2取代。然而,H1N1在1977年憑空復活,而最令科學家驚訝的是,復活的病毒,居然更接近1950年封存的版本,說明很有可能是實驗室外洩。1977年的起始爆發點,是中國。(12)
我的看法:WARS是短時間內人傳人爆發,最初起源應該是蝙蝠,但蝙蝙病毒如何短時間內發展成人傳人,很難追溯。暫時科學的證據,無法證實是否來自野味市場,或是實驗室外洩。但我認為兩者皆有可能,而且有可能是實驗室外洩到野味市場,再大爆發。當然,不能以科學角度證實,只屬猜測,看倌自行判斷。
參考在文章連結裡
基因演算法突變 在 北歐心科學 NordicHearts Facebook 的最佳貼文
《新型人類冠狀病毒演化小知識》【科學】【政治】【新網頁公告】
我終於開設了自己的網頁,用以存檔及維繫網友,免得Facebook經常改演算法或禁言。
而且自己的網頁寫文,更方便加入圖片和參考資料,方便傳訊。
請到網頁訂閱,追蹤我的最新動態!謝謝!
《新型人類冠狀病毒演化小知識》
完整文章(附圖):https://hknordichearts.com/2020/01/24/%E3%80%8A%E6%96%B0%E5%9E%8B%E4%BA%BA%E9%A1%9E%E5%86%A0%E7%8B%80%E7%97%85%E6%AF%92%E6%BC%94%E5%8C%96%E5%B0%8F%E7%9F%A5%E8%AD%98%E3%80%8B/
(為方便,下文一律用WARS代表2019新型人類冠狀病毒。)
1. 蝙蝠是多種冠狀病毒的自然宿主,研究發現部份蝙蝠品種感染類沙士和類中東呼吸綜合症(MERS)病毒的近親。(1,3)
2. 其中基因組最為接近沙士的,是2005年在廣西蝙蝠發現的類沙士病毒RP3樣本。 (6)
3. 果子貍冠狀病毒和沙士相近,故當年相信是由果子貍傳到人類。後來發現其實早期SARS樣本(廣州GZ02),與蝙蝠更相近,所以另一個假說是,由蝙蝠感染人,再傳到果子貍裡與人類交叉感染,然後再傳回給人。(5) 至於為何一開始有人會感染蝙幅病毒,而又有足夠時間和機會演變成人傳果子貍或人傳人呢?無法追溯。
4. 追溯1983年的駱駝樣本,相信MERS病毒是在超過三十年前由蝙幅傳駱駝,再因為三十年來人類和駱駝共生的關係,演變出人傳人MERS。(7)
5. WARS是SARS的近親,也是其他蝙蝙冠狀病毒的近親,說明他們有共同祖先。和WARS最接近的近親,是在逝江舟山蝙幅樣本(CoVZXC21, CoVZXC45),暫時只能推測是蝙蝠傳人,或是蝙蝠傳中介,再傳給人,但為何能在短時間內演變成人傳人,很難考究。(5,13)(見第六點)
6. 暫時所得的WARS樣本,基因都極度相似,十一個樣本裡有三個是完全一樣的,而有幾個只有0.01%差異,有可能只是技術誤差。而三個完全一樣的樣本,其中兩個是從武漢到了泰國的病人,兩人均沒有到訪野味市場。冠狀病毒是突變率極高的病毒,不同源頭的病毒有一樣的基因,沒有到訪野味市場也中了同樣的病毒,說明病毒是在極短期內人傳人爆發。學者推測有可能是在十二月底發生。(4)
7. 野味市場的危險,是多個物種在衛生極差的環境下,互相感染,成為了病毒的培育場,為了適應各物種增加了多樣性,就更易培育出能感染人類的病毒。然而,野味是從何感染的?蝙蝠嗎?野味市場真的有蝙蝠嗎?如果沒有,不和蝙蝠互動的野味,如何有足夠感染機會,演化出能維持在野味群體內的變種?如果是演變成野味病毒,再培育出傳染人類的突變,為什麼不是先發展有限度感染人類,提高多樣性演變適應人類,足以人傳人,而是突然短時間內就成了單一人傳人的源頭,機理是如何?
8. 武漢的P4病毒研究所,相信會用猿猴做病毒研究,加上中國隱惡揚善的工作風氣,2017年有美國專家警告過其安全性。中國科普博覽報導了P4病毒研究所的開放日,表示研究所會在猴子注射致命病毒。(9)
9. SARS病毒利用細胞的ACE2受體(你可以當作是細胞的其中一個鎖匙洞)進入細胞體內,而人類ACE2受體和猴子ACE2能被SARS病毒辨認的部份,是完全一樣的(和果子貍,則是58%相同)。簡單說,如果SARS是鎖匙,人類和猴子的SARS鎖匙洞有一樣的匙槽,可合理推斷SARS病毒感染人類和猴子的能力應該非常相似。(5) 而最新研究發現,WARS病毒同樣透過ACE2感染細胞。(10)
10. 2004年,北京實驗室洩漏過沙士病毒,導致一人死亡,九人感染,幸得及時制止。(11)
11. 順便講個病毒外洩的故事。1918年導致上億人死亡的西班牙流感H1N1,在不斷與人類共同演化後,降低了致命性,然後在1954年消失,被H2N2取代。然而,H1N1在1977年憑空復活,而最令科學家驚訝的是,復活的病毒,居然更接近1950年封存的版本,說明很有可能是實驗室外洩。1977年的起始爆發點,是中國。(12)
我的看法:WARS是短時間內人傳人爆發,最初起源應該是蝙蝠,但蝙蝙病毒如何短時間內發展成人傳人,很難追溯。暫時科學的證據,無法證實是否來自野味市場,或是實驗室外洩。但我認為兩者皆有可能,而且有可能是實驗室外洩到野味市場,再大爆發。當然,不能以科學角度證實,只屬猜測,看倌自行判斷。
參考在文章連結裡
基因演算法突變 在 北歐心科學 NordicHearts Facebook 的精選貼文
我之前講的「基因編程」,其實是比喻,不是學術用語,因為我覺得DNA非常類同程式語言。我們也常要設計DNA,令細胞以其為藍本做出分子工具,這類工作,學術的命名為「分子克隆」(Molecular cloning),或者「遺傳工程」(Genetic engineering)。
而「基因編程」(genetic programming),在電腦編程中,是種模仿演化的演算法,令程式不斷「繁殖」與「突變」自己,繼而「篩選」出更好的程式。在生物學中,則是比較與「合成生物學」(synthetic biology)有關,將DNA分子做成迴路(genetic circuit),我其中一個專題就是做這樣的工具。
至於可以和大家分享,有關基因與編程的有以下幾項:
1. 分子克隆/遺傳工程:如何用DNA設計分子工具或基因改造生物。例如,如何設計會發綠色螢光的老鼠?如何設計Crispr實驗?為什麼科學家要這樣做?當然,只能帶大家了解到設計的部份,具體只能在實驗室裡實現。
2. 生物訊息學/數據科學:生物學家如何在大數據中找到有意義的資訊?具體的編程與資料管理如何做(R/python)?我自己的專題,有一大部份是生物訊息學,當然我比不上專業生物訊息學的前輩,但也算有點經驗。大家甚至可以分析公共數據,說不定你也找到甚麼新發現!
3. 遊戲編程:這個好像跟生物學沒什麼關係😂。不過我現在開發(因科研事忙,擱置中,富樫)的遊戲,就是以真實遺傳機制設計的配種遊戲。我終極的遊戲夢想,是可以製作以分子生物學為基礎的遊戲,可以模擬出你設計的DNA工具。遊戲編程,我算有一點經驗,在Appstore也上架過遊戲(下面連結),可以分享心得,如何由零開始做遊戲。
想學(1),請給心心❤️
想學(2),請給哈哈😂
想學(3),請給哦哦😮
我看看能否抽空做教學。
https://itunes.apple.com/…/little-tadpole-%E5…/id1381552040…
基因演算法突變 在 Genetic Algorithm (GA) 的推薦與評價
基因演算法 能用來求解大部分的最佳化問題,而本主題主要著重在GA 與排程 ... 在GA中會透過所謂的基因操作(Genetic operations) - 交配及突變,來產生子代,也就是產生新 ... ... <看更多>
基因演算法突變 在 智慧型控制系統_余國瑞_二進位基因演算法(二)_突變運算 的推薦與評價
智慧型控制系統_余國瑞_二進位 基因演算法 (二)_ 突變 運算. 402 views · 3 years ago ...more. Try YouTube Kids. An app made just for kids. ... <看更多>
基因演算法突變 在 Re: [問題] 基因演算法收斂- 看板Programming - 批踢踢實業坊 的推薦與評價
※ 引述《KJFC (KJFC)》之銘言:
: 基因演算法收斂的時候
: 如果收斂在局部最佳解
: 那要怎麼跳脫比較好
: 我有試過調高突變率
: 但是效果不太好
: 在收斂前上下震盪
: 但是又不知道如何判斷是否接近收斂
: 如果在收斂後才震盪
: 有時又會收斂回局部解
: 請問這個問題應該怎麼解決?
首先你要知道,這不是一個可以100%解決的問題,我們做的事頂多是「嘗試」提
升它掉到最佳解的機會,可是這只是機率上的,運氣不好或解的分佈很奇特的話,會
掉到局部解就是會掉下去,沒法完全避免。
回到你的問題,其實你的描述不太精確,你的說法意思是你過程中「曾經」碰到
那個最佳解,但是後來又跳走?既然如此你的評估函式看到它的話應該會把它留下來
才對呀?或者說是因為你的評估函式為了加速或某些特定原因所以並非100%準確,因
此最佳解不一定得到最高分,所以有可能放走?如果是這樣,除了修正評估函式以外
,頂多就是留下更多組讓最佳解留下來的機會更大吧。
如果你的問題其實不是這樣,而是跳來跳去都不會跳到最佳解,一直在局部解跳
,那就是調高突變讓它有機會跳出來跳到最佳解去,然後你可以嘗試使用如模擬退火
(Simulated annealing)的方式慢慢把突變機率降下來,讓它慢慢地不亂跳。但這
只是增加一些可能性而已,如你的描述,可能問題一開始就很容易落入局部解,不管
大跳多少次孔明都挖好洞,你只能像曹操一樣每笑一次就逃一次,這樣的情況也沒什
麼辦法。
以下引用中文wiki,你提到的也正在基因演算法的最大問題之中,而我講的可能
解法在最後一行:
儘管遺傳演算法有許多優點,也有許多專家學者對遺傳演算法進行不斷研究,但目前存
在的問題依然很多,如:
(1)適應度值標定方式多種多樣,沒有一個簡潔、通用的方法,不利於對遺傳演算法的
使用。
(2)遺傳演算法的早熟現象(即很快收斂到局部最優解而不是全局最優解)是迄今為止最
難處理的關鍵問題,但可考慮自適應跟蹤成熟度[1]。
(3)快要接近最優解時在最優解附近左右擺動,收斂較慢。
遺傳演算法通常需要解決以下問題,如確定編碼方案,適應度函數標定,選擇遺傳操作
方式及相關控制參數,停止準則確定等。相應地,為改進簡單遺傳演算法的實際計算性
能,很多學者的改進工作也是分別從參數編碼、初始群體設定、適應度函數標定、遺傳
操作算子、控制參數的選擇以及遺傳演算法的結構等方面提出的。其基本途徑概括起來
主要有下面幾個方面:
(1)改進遺傳演算法的組成成分或使用技術,如選用優化控制參數、適合問題特性的編
碼技術等。
(2)採用混合遺傳演算法(Hybrid Genetic Alogrithm),比如混用簡單明了的粒子群演
算法[2]。
(3)採用動態自適應技術,在進化過程中調整演算法控制參數和編碼精度,比如使用模
糊自適應法[1]。
(4)採用非標準的遺傳操作算子。
(5)採用並行演算法。
幾種常見的改進遺傳演算法:
(1)分層遺傳演算法(Hierachic Genetic Alogrithm);
(2)CHC演算法;
(3)Messy遺傳演算法;
(4)自適應遺傳演算法(Adaptive Genetic Alogrithm);
(5)基於小生境技術的遺傳演算法(Niched Genetic Alorithm);
(6)並行遺傳演算法(Parallel Genetic Algorithm);
(7)混合遺傳演算法:
①遺傳演算法與最速下降法相結合的混合遺傳演算法;
②遺傳演算法與模擬退火法相結合的混合遺傳演算法。
--
「如果你沒法給我個解釋的話,死一萬次也不能彌補你的過錯!」
「我沒辦法死一萬次賠妳啊。」
「可是你有辦法半死兩萬次,知道嗎,嗯?」
--蓮.席斯塔
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.175.125
※ 文章網址: https://www.ptt.cc/bbs/Programming/M.1414862996.A.35A.html
... <看更多>