15、数据驱动方法在传染病预测、检测及相关研究中的应用

数据驱动方法在传染病预测、检测及相关研究中的应用

数据驱动方法在疫情防控中的作用

数据驱动方法在疫情演变的建模、预测以及疫情爆发的管理决策方面具有重要意义，能够减轻和抑制传染病的传播。这种方法涵盖了简单的分区模型以及基于代理的系统，有助于描述病毒的动态变化。数据驱动的参数还为预测疫情发展和现有疗法的疗效提供了工具。
传染病在历史上造成了大量的过早患病和死亡。例如，1918 - 1919年的西班牙流感大流行，估计全球三分之一的人口（约5亿人）受到感染。当时由于人们对病毒缺乏认识，诊断、预防和治疗手段有限，加上缺乏沟通和对疫情数据的不当使用，导致数百万人的生命受到威胁。进入21世纪，中东呼吸综合征、严重急性呼吸综合征、埃博拉和寨卡等传染病也引发了大流行，而2019年的冠状病毒大流行更是近代人类历史上最严重的有症状/无症状传染病相关的健康紧急事件。

基于数据库的光化学物质和蛋白质筛选

在研究中，使用蛋白质数据库（PDB）获取与传染病相关蛋白质的三维结构。PDB包含了通过XRD晶体学、NMR、电子显微镜和理论建模等方法获得的蛋白质、核酸和复杂组件的3D结构信息。同时，从PubChem数据库获取所选植物化学物质的必要信息及其结构。
以下是所选植物化学物质的相关信息：
| 化合物名称 | PubChem ID | 分子式 | 分子量 (g/mol) |
| — | — | — | — |
| 角鲨烯 | 42607662 | C18H18O4 | 298.3 |
| 2 - 苯乙醇 | 6054 | C8H10O | 122.16 |
| 植物甾醇 | 12303662 | C29H50O | 414.7 |