化学实验室的学生用动力学模型预测新型冠状病毒肺炎的传播

化学家 轨迹陈 在大流行早期，他看到了新型冠状病毒肺炎的快速传播，并为他的动力学实验室看到了一个新的机会, 研究反应速率的地方.

他第一次管理实验室是在2021年春天, 大学生总结说，社会管制如封锁, 戴口罩和保持社交距离是减缓新冠病毒传播速度的有效方法. 但他们也发现了建模的局限性, 注意到大量确诊病例并不一定与传播速度的增加有关.

隔壁实验室的学生也写了 一篇关于他们经历的期刊文章 ,研究人员 应该 继续这项工作 当 感染率和接种率显著提高fi斜面.

事情就是这样发生的. CHEM 4540物理化学II的2022年春季实验室学生扩展了数学模型，通过大规模接种疫苗来预测新型冠状病毒肺炎在美国的传播速度.

他们还为俄亥俄州运行了到2022年秋季的模型，正确预测了该州在夏末所经历的病例激增.

第二组实验学生也写下了他们的实验经历，这次他们看到了 发表在《bet8网页登录》上. 所有的学生都带着必需品离开了实验室. 但他们也可以在简历上加上几行——建模软件经验, 数据分析技能, 以及期刊出版物.

“对我来说，最令人惊讶和有趣的事情是如何获得研究成果. 我们只使用了免费网站上的资源和数据, 但从那时起，我们能够进一步推进，深入研究与当今社会相关的东西,” 艾玛Lintelman, a 不断上升的高级 化学专业 辅修生物科学 在艺术学院 & 科学.

实时化学

2021年春天，世界变得遥远, 使用COVID模型使Chen的学生能够在自己的计算机上使用可公开访问的数据和软件进行工作.

它的效果非常好，以至于本科生们把他们的经历写进了一篇期刊文章, 注意的是, "病毒的传播模式是复杂的，但参数，如它的繁殖 数, Rt，可以用易感、感染或恢复模型来估计. 新型冠状病毒肺炎 许多州和国家的数据可在网上广泛获取. 这为……提供了机会 学生可以远程分析其扩散动力学." 

陈，副教授 化学 & 生物化学 他指出，COVID模型提供了一种新的方法 优势，当它来解释稳定教科书中一些模型的状态近似. 学生们表示，通过探索常用软件Excel的模拟功能，他们受益匪浅.

模型的力量

2022年春天，陈和他的学生参加了 动力学数值模拟 还有回归建模.

“我们第一次使用这种方法时， 学生们能够运用在物理化学中学到的动力学技术 通过远程学习环境来分析现实世界中存在的问题。. "今年, 由研究生迪伦·史密斯(Dylan Smith)和塔鲁希·安巴加斯皮提亚(Tharushi Ambagaspitiya)领导的另一组本科生做了同样的练习，并扩展了数学模型来预测新型冠状病毒肺炎在美国的传播.S. 大量的疫苗接种."

在实验室里, 向学生解释了易感-感染-恢复(SIR)模型和SIR疫苗(SIRV)模型，并用于分析来自美国的新型冠状病毒肺炎传播数据.S. 美国疾病控制与预防中心. 通过模型拟合数据，提取新型冠状病毒肺炎的基本复制数R0和实时复制数Rt, 这解释了扩散动力学并提供了在给定状态下扩散趋势的预测.

陈说，学生们可以很快看出SIR模型和SIRV模型之间的差异. SIRV模型考虑了疫苗接种的影响, 这有助于解释当前大流行的后期阶段.

“我们进行的实验中一个令人惊讶的部分是，我们如何真正看到我们日常习惯的各种变化对病毒的影响. 这方面的实验有助于为学生建立化学动力学研究与真实物理世界之间的直接联系,迪伦·史密斯说, 一个化学研究生和一个实验室的助教. “我发现复习过程对我个人来说很有挑战性，但最终对我来说是一次很好的学习经历."

学生们在对接下来的几个月进行预测时，也了解了这些模型的预测能力.

“我认为，在进行新型冠状病毒肺炎动力学模拟时，最令人惊讶的部分是看到在我们的模拟中改变随时间变化的繁殖数量所产生的巨大影响,” 大卫·麦克尤恩是一名主修化学、辅修商科的大四学生. “这使我们能够通过掩蔽直接模拟病毒的不同水平的调节, 社会距离, 等. 通过大量改变数字, 我们能够通过我们的数据直接看到病毒传播速度的增加或减少, 这有时是令人震惊的.

“我认为对我来说最具挑战性的部分是最初设置我们的模拟参数，并将模拟数据与收集的案例数据相匹配. 将模拟数据拟合到实际病例数有时需要精确调整，并且需要一些时间,麦克尤恩说.

Lintelman同意, 添加, “对我来说，最具挑战性的部分是解决公式中的错误. 当你盯着你的数据看了几个小时的时候，这可能会很棘手. 这一切都开始在脑海中盘旋, 但这只是当你有一个清晰的头脑时，你需要回来的时候."

陈指出，美国国立卫生研究院(nih)的一项拨款(利用三聚体形成的寡核苷酸作为随机分子探针进行DNA分析的超分辨率光学作图部分资助了教学实验室.