• 一种基于序列的蛋白质-蛋白质相互作用预测的监督机器学习方法;
• 乘客选择早到电梯诱导电梯同步;
• 嘈杂和私人评估下的间接互惠声誉结构;

一种基于序列的蛋白质-蛋白质相互作用预测的监督机器学习方法

原文标题： A Supervised Machine Learning Approach for Sequence Based Protein-protein Interaction (PPI) Prediction

地址： http://arxiv.org/abs/2203.12659

作者： Soumyadeep Debnath, Ayatullah Faruk Mollah

摘要： 与实验方法相比，计算蛋白质-蛋白质相互作用 (PPI) 预测技术可以极大地减少时间、成本和假阳性相互作用。序列是蛋白质的关键和主要信息之一，在 PPI 预测中起着至关重要的作用。已经应用了几种机器学习方法来利用 PPI 数据集的特征。然而，这些数据集极大地影响了预测模型的性能。因此，应注意数据集管理和预测模型的设计。在这里，我们用 SeqPIP 竞赛的结果描述了我们提交的解决方案，其目的是从具有高质量无偏差交互数据集的序列信息中开发全面的 PPI 预测模型。给我们一个包含 2000 个正向和 2000 个负向交互序列的训练集。我们的方法使用三个独立的高质量交互测试数据集和其他竞争对手的解决方案进行了评估。

乘客选择早到电梯诱导电梯同步

原文标题： Passengers’ selections of early-arrival elevators induce the synchronization of elevators

地址： http://arxiv.org/abs/2203.12854

作者： Sakurako Tanida

摘要： 繁忙的多部电梯的集群运动被认为是自主振荡器的同步现象之一。在本文中，我们关注电梯之间的耦合相互作用，并通过数值模拟研究了电梯隔离和耦合时电梯在下行高峰期间的动力学差异。假设电梯之间的耦合交互是可以乘坐较早到达的电梯的乘客，我们引入一个控制参数，即这些乘客的比率。我们证明了订单参数和往返时间都随着控制参数的增加而增加。与客流量单纯增加的情况相比，顺序参数的趋势相似，而往返时间的趋势则相反。为理解释这些参数和输出的关系并阐明集群运动的机制，我们建立了简单的数学模型，并展示了可以乘坐较早到达电梯的乘客率如何影响两部电梯的集群运动。最后，通过引入相位，我们研究了导致电梯同相同步的相互作用。

嘈杂和私人评估下的间接互惠声誉结构

原文标题： Reputation structure in indirect reciprocity under noisy and private assessment

地址： http://arxiv.org/abs/2203.12898

作者： Yuma Fujimoto, Ohtsuki Hisashi

摘要： 评价关系是维持合作社会的关键。评价关系的形成已经在间接互惠方面进行了讨论，通过对个人之间良好或不良声誉的动态建模。最近，考虑了个人独立评估他人有错误（即嘈杂和私人声誉）的情况，其中声誉结构（从总体中每个人获得良好声誉的比例，这里定义为好）变得复杂，因此主要通过数值模拟进行研究。本研究对这种复杂的声誉结构进行了理论分析。我们制定了个人善良的随机转变。通过考虑大量人口，我们得出了善的频率分布的动态。动力学的平衡状态由高斯函数的总和来近似。我们证明了理论解决方案非常适合数值计算。从理论解中，我们得到了对复杂声誉结构的新解释。本研究为间接互惠的前沿研究提供了新的数学基础。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。