作者：曹蘭天 清研智庫研究員

全球科研團隊通過實驗和數據分析等方法，建立了一系列新冠病毒模型并獲得預測結果，相關科研成果也在預印本、期刊等平臺上發布，我們總結和梳理了有關新冠病毒模型與預測結果的國際學術研究。另外還有一些數模愛好者或流行病學的專業人員在論壇、網頁或公眾號中發布新冠病毒的相關數學模型，本文暫未做盤點。

根據條件“主題 = Novel Coronavirus or 2019-nCoV”在Web of Science數據庫進行搜索，獲得文獻48篇，經人工判斷與新冠病毒模型相關3篇。同時，根據條件“term = 2019-nCov”在預發布平臺BioRxiv上進行搜索，獲得文獻33篇，與新冠病毒模型相關9篇（檢索時間為2020年2月5日）。

主要研究成果梳理如下：

1. Early Transmission Dynamics in Wuhan, China, of?Novel?Coronavirus-Infected Pneumonia

作者：中國疾病預防控制中心Li, Qun等

發表時間：2020.01.29

出版物：《The New England Journal of Medicine》

主要內容：研究人員收集2020年1月22日之前報告的NCIP實驗室確診病例的人口統計學特征、接觸史和疾病時間表，描述和總結病例的特點，認為新冠肺炎的平均潛伏期為5.2天。同時研究人員估計在指數增長初期，病毒的流行倍增時間為7.4天，基本繁殖數為2.2左右。

2. Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study

作者：Joseph T Wu等

發表時間：2020.01.31

出版物：《Lancet》

主要內容：研究人員基于官方公布的2019-nCoV病例數據和國內外的客運數據，同時納入2020年1月起實施的各種公共衛生干預措施的潛在影響（包括使用口罩和強調個人衛生，以及在1月23日起在武漢施行的封城等措施），建立數學模型估算了此次疫情的規模，模擬了疫情在中國和國際上未來可能的傳播趨勢。認為，截至2020年1月25日，中國武漢市可能有75800人感染了新型冠狀病毒

3. A mathematical model for simulating the transmission of Wuhan novel Coronavirus

作者：廈門大學公共衛生學院陳田木團隊

發表時間：2020.01.19

主要內容：研究人員建立了一個Bats-Hosts-Reservoir-People傳播數學模型，以模擬從感染源(可能是蝙蝠)到人類感染的潛在傳播，根據模型計算基本復制數，以評估2019-nCoV的傳導性

4. Preliminary estimation of the basic reproduction number of novel coronavirus (2019-nCoV) in China, from 2019 to 2020: A data-driven analysis in the early phase of the outbreak

作者：香港中文大學Shi, Zhao等

發表時間：2020.01.23

出版物：《International Journal of Infectious Diseases》

主要內容：通過指數增長，模擬了中國大陸在2020年1月10日至1月24日期間2019-nCoV病例時間序列的流行曲線，認為2019-nCoV的基本繁殖數平均值在2.24到3.58之間，明顯大于1，表明2019-nCoV有可能導致疫情爆發。

5. Host and infectivity prediction of Wuhan 2019 novel coronavirus using deep learning algorithm

作者：北京大學Qian, Guo等

發表時間：2020.01.21

主要內容：利用深度學習算法，分析2019-nCoV病毒的宿主和傳染性。預測表明2019-nCoV與其他人類冠狀病毒具有密切的傳染性，尤其是嚴重急性呼吸綜合征冠狀病毒(SARS-CoV)、蝙蝠sars樣冠狀病毒和中東呼吸綜合征冠狀病毒(MERS-CoV)。同時，感染性模式分析的結果表明，蝙蝠和水貂可能是2019-nCov的兩個候選宿主。

6. Predicting commercially available antiviral drugs that may act on the novel coronavirus (2019-nCoV), Wuhan, China through a drug-target interaction deep learning model

作者：Bo Ram?Beck等

發表時間：2020.01.31

主要內容：研究人員使用預先訓練的基于深度學習的藥物-靶標相互作用模型(稱為分子轉換-藥物靶標相互作用(MT-DTI))來識別可以作用于2019-nCoV病毒蛋白的商業可用藥物。認為,atazanavir抗逆轉錄病毒藥物用于治療和預防人類免疫缺陷病毒(HIV),是最好的化合物。

7. MRCA time and epidemic dynamics of the 2019 novel coronavirus

作者：中國科學院Chi, Zhang等

發表時間：2020.01.25

主要內容：使用貝葉斯框架，從GISAID提供的33個基因組序列中，推斷出以有效繁殖數隨時間變化所代表的時間校準的系統發育和流行動態。

8. Breaking down of healthcare system: Mathematical modelling for controlling the novel coronavirus (2019-nCoV) outbreak in Wuhan, China

作者：暨南大學醫學院Wai-kit Ming等人

發表時間：2020.01.27

主要內容：應用改良的SIR模型來預測實際感染病例數和隔離病房和重癥監護病房(ICU)的具體負擔。研究者估計,如果沒有公共衛生干預措施實施,感染病例的實際數字可能遠高于報道,大約88075例(截至2020年1月31日),預計負擔隔離病房和重癥監護病房將分別為34786人和9346人。

9. Beware of asymptomatic transmission: Study on 2019-nCoV prevention and control measures based on extended SEIR model

作者：Peng, Shao等

發表時間：2020.01.28

主要內容：建立考慮人口跨地區流動的SEIRD模型，揭示控制疫情傳播的三種措施的效果，并基于MATLAB R2017a，對防疫控制措施進行仿真計算實驗。研究結果表明，我國現行的防治措施是十分必要的，進一步證實了國際和國內專家對無癥狀傳播(E-status)的關注。

10. Modelling the epidemic trend of the 2019 novel coronavirus outbreak in China

作者：西安交通大學Mingwang, Shen等

發表時間：2020.01.23

主要內容：模擬2019年中國新冠狀病毒爆發的流行趨勢，根據2019-nCov的傳播能力與致死率，評估處于初始階段的中國2019-nCov疫情，研究顯示快速診斷病例隔離和綜合干預措施將對其未來趨勢產生重大影響。

11. Pattern of early human-to-human transmission of Wuhan 2019-nCoV

作者：瑞士伯爾尼大學社會與預防醫學研究所Julien Riou等人

發表時間：2020.01.23

主要內容：研究人員對疫情早期暴發軌跡進行隨機模擬，發現新冠病毒存在持續的人傳人的潛力，且傳播特征與嚴重急性呼吸道綜合征相關的冠狀病毒(SARS-CoV)和1918年大流行性流感具有類似程度。

12. Machine learning-based analysis of genomes suggests associations between Wuhan 2019-nCoV and bat Betacoronaviruses

作者：Gurjit S Randhawa等

發表時間：2020.02.03

主要內容：使用MLDSP和MLDSP-GUI對2019-nCoV進行分類，這是一種使用機器學習(ML)和數字信號處理(DSP)進行基因組分析的無校準方法。將基因組序列經過一系列變換作為監督機器學習算法的輸入，利用訓練好的分類器模型對29條2019-nCoV序列的標簽進行預測。該分類策略使用了5000多個基因組，并在物種的分類水平上測試了它們之間的關聯。結果證實了目前關于蝙蝠起源的假設，并將2019-nCoV歸類為沙貝病毒，屬于輪狀病毒。