An exact N-strain epidemic model using bond percolation

想象一个繁忙的城市，每个人都由隐形的线连接在一起，形成了一个巨大的、纠缠不清的网络。在科学世界中，这个网络被称为网络（network），而这些线则是人与人、计算机甚至细胞之间的连接。有时，某些东西会通过这个网络传播——比如谣言、计算机病毒或疾病。科学家们使用一种被称为**键连渗流（bond percolation）**的巧妙技巧来研究这种传播是如何进行的。这就像是在玩一场“连点成线”的游戏，你只有在掷出了足够大的数字时，才能在两个点之间画一条线。如果你掷出高分的机会足够频繁，这些点就会突然连接成一个巨大的、横跨全城的集群。如果你掷出的分数较低，这些点就只会形成一个个微小的、孤立的小岛。这个简单的游戏帮助我们理解一个小火星是如何变成一场大火的。

现在，想象一下，我们拥有的不仅仅是一场火灾，而是一系列接踵而至的火灾。也许是每年都会变化的流感季节，或者是上一波疫情消退后出现的新的病毒毒株。一个重大的问题是：第一场火灾是如何改变这座城市的，从而影响第二场火灾的？它是让城市陷入废墟，使得下一场火灾难以蔓延？还是它在某种程度上为后续铺平了道路？这是一个来自圣安德鲁斯大学的研究团队试图解决的谜题。他们想要观察，当你不仅仅运行一次，而是运行任意多次这种“连点成线”的游戏时，会发生什么，以及城市的形态随着每一轮新的游戏是如何变化的。

“谁会被感染？”的大型游戏

该论文介绍了两种截然不同的“季节性疾病”演变方式，作者称之为**竞争性（Competitive）和协作性（Collaborative）**分支过程。为了理解它们，让我们想象一场盛大的派对，宾客就是节点（人），而握手则是边（连接）。

竞争性分支过程：“交叉免疫”游戏

在这种情景下，想象一群派对参与者被“流感 A”感染了。一旦他们康复，他们会对流感 A 产生免疫力，但更重要的是，他们对接下来出现的所有其他事物也都产生了免疫。他们实际上是从游戏中被移除了；他们无法感染下一个病菌，也无法将其传播给他人。

研究人员发现，当一种新毒株（流感 B）到来时，它只能在那些没有感染过流感 A 的人当中传播。这留下了一个规模更小、更破碎的群体。作者称之为剩余图（Residual Graph, RG）。这就像是派对已经被清理过了，只剩下了那些躲在角落里的人。

这里有一个转折：随着越来越多的毒株到来，这个“派对”变得越来越小，也越来越破碎。作者发现，对于一种新的毒株来说，要引发大规模爆发，它必须比之前的毒株具有更强的传染性。为什么呢？因为那些容易接触到的人（那些有很多朋友的人）很可能已经被前几个毒株占据了。剩下的这些人连接较少，这使得病毒在人与人之间跳转变得更加困难。

在他们的模拟实验中，他们展示了如果第一个毒株过于强大，它可能会实际上“杀死”所有人的派对。它把网络破坏得如此严重，以至于即使后来出现了一个超强传染性的毒株，它也找不到足够多的人来进行连接并引发大规模爆发。这就像如果第一场火灾烧毁了所有的桥梁，那么第二场火灾无论多么猛烈，也无法跨越河流。

协作性分支过程：“共感染”游戏

现在，让我们反转一下剧本。在这个版本中，想象如果你想感染“流感 B”，你必须已经感染过“流感 A”。除非你已经感染了旧的病毒，否则你无法获得新的病毒。这就像是一个电子游戏，你必须先通关第一关才能解锁第二关。

这创造了一种完全不同的萎缩方式。与其说是移除人，不如说病毒被迫只能通过那些已经被前几轮感染的人进行传播。作者称之为巨连通分量（Giant Connected Component, GCC）。这就像病毒被困在一个不断缩小的气泡中。

研究人员发现，在这个游戏中，随着每一轮新毒株的到来，这个气泡变得越来越小。那些感染了所有先前毒株的人所构成的网络，变成了一个微小的、破碎的岛屿。即使新毒株的传染性极强，它也无法传播得很远，因为留在“气泡”里的足够可以传递病毒的人已经不多了。作者表明，每一轮新毒株的爆发规模总是比前一轮要小。这是一个收益递减的游戏，病毒最终会耗尽燃料。

他们究竟发现了什么？

该团队使用了一种强大的数学工具——生成函数（generating functions）（可以将其想象为一个能同时处理无限种可能性的超级高级计算器）来精确预测爆发规模的大小。他们不仅仅是在猜测；他们在看起来像随机社会网络（称为 Erdős-Rényi 图）的网络上运行了数千次计算机模拟，并将他们的数学推导与模拟结果进行了对比。数学模型与模拟结果完美契合。

以下是他们工作的关键结论：

1. “难以触及”规则： 在竞争性游戏中，每一个新毒株都面临着更高的准入门槛。如果第一个毒株感染了 50% 的网络，那么第二个毒株需要显著提高传染性，才能感染相同数量的人。作者证明了“临界阈值”（开始大规模爆发所需的最低传染性）随着每一代都在上升。
2. “总感染量”的意外发现： 你可能会认为，如果你有五种不同的疾病，它们最终会感染所有人。但作者发现了一些违反直觉的现象。如果第一种疾病过于强大，它实际上可能会减少长期的总感染人数。这是因为第一种疾病消耗掉了那些“高度连接的人”（社交达人），留下了由孤立人群组成的网络，而随后的疾病无法触及这些人。总感染人数可能会在上升之前先出现下降。
3. “共存”极限： 存在一个多种毒株可以共存的甜点区（最佳平衡点）。如果第一个毒株太弱，第二个毒株很容易接管；如果第一个太强，它会为其他人摧毁整个网络。但在两者之间存在一个中间地带，此时网络被破坏得恰到好处，既能让下一个毒株进入，又不至于让游戏彻底停止。作者精确地绘制出了这条界限。
4. 协作中的“萎缩气泡”： 在共感染游戏中，作者展示了符合条件的宿主网络是如何呈指数级缩小的。随着增加的毒株越多，感染了所有这些毒株的人群就变得越小。最终，网络变得如此破碎，以至于无论病毒多么具有传染性，它都无法传播。

我们为什么要关心？

虽然这篇论文讨论的是数学和抽象网络，但它讲述的故事是非常真实的。它有助于我们理解疾病是如何进化的。如果一种病毒发生了突变并成为了新的毒株，它是否需要变得超级具有传染性才能生存？答案取决于之前的毒株是如何改变了人口结构的。

作者指出，在一个存在季节性疾病的世界里，我们不应仅仅关注一种新病毒的传染性。我们还需要观察之前的病毒是如何改变了社会结构的。上一个流感季节是留下了一个难以触及的人口，还是留下了一个易于感染的人口？

这篇论文并不声称拥有流感的疗法，也不旨在预测下一次大流行。相反，它为我们提供了一种看待维持我们社会运转的隐形连接网络的新视角。它告诉我们，爆发的历史与病毒本身同样重要。下一波疾病会是一场巨大的浪潮还是一道微小的涟漪，可能完全取决于之前的浪潮是如何重塑了海岸线的。

最后，作者为这些“季节性”疾病如何与我们的世界结构相互作用建立了一张精确的地图。他们表明，在感染这场游戏中，棋盘会随着每一次移动而改变，而获胜的规则也会随着每一轮而变得更加困难。无论是感染的竞争还是感染的协作，结果都是一样的：网络是一个活生生的、会呼吸的东西，它记得旅途中的每一步。