模拟生命_吸烟致癌?

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了模拟生命_吸烟致癌?相关的知识,希望对你有一定的参考价值。

 

上篇文章(致癌离我们远吗?)我们了解癌症基本常识,下面我们讨论一下癌细胞产生原因。

 

医生常说抽烟致癌,不要抽烟,但实际生活中抽烟长寿的人不少,我的姨婆九十多岁了,每日抽烟喝酒,身体也不错。决定癌症的因素很多,例如遗传,饮食,起居时间,居住环境,化工污染等等。下图转自一份医学研究,说明没有任何食物百分之百致癌或抑制癌症。

 

 

技术分享

 

 什么人容易患癌症?当诸多不利因素累积,超过一定量后,患癌症概率大。我们假设一个数据挖掘的分类器cancer,分类器由六个因素组成,当六个因素得分总和超过3时为癌症,得分总和小于3时为非癌症。

 

1表示是,0表示否。 抽烟=1分,非均衡饮食=1分,喝酒=1分,睡眠不足7小时=1分,环境污染=1分,情绪抑郁=1分;反之亦然不抽烟=0分,不喝酒=0分,睡眠充足=0分,环境无污染=0分,情绪良好=0分。张三抽烟,非均衡饮食,抽烟,喝酒,睡眠不足,环境污染,情绪良好,总分为1+1+1+1+1+0=5分,总得分大于3,分类器判断张三患癌症概率高。李四不抽烟,不喝酒,睡眠充足,环境无污染,情绪不好,总分为0+0+0+0+0+1=1分,总得分小于3,分类器判断李四患癌症概率低(例子只是假设,方便大家理解分类器原理)。

 

根据分类器原理,我们用python来可视化细胞生死,模拟生命。从一个随机初始化的二维方形网格开始,网格中的每一个细胞状态可能是生或死,由其相邻8个细胞决定。在这个规则下可以使用卷积进行计算,我们需要scipy工具完成卷积计算。

 

Anaconda下展示,生成闪烁的动态细胞图,细胞生死会不停变化,直到停止。

 做过蒙特卡洛试验的朋友会有感悟:决定一个系统走势是多因素构成,而非单一因素决定。

 

技术分享

  

程序调用了python的pygame,numpy,scipy三个模块。Pygame用于写游戏;numpy用于矩阵运算;scipy是numpy的高级版本,用于更高级的自然科学应用,例如信号处理,傅里叶分析。

 

此函数用于 绘制十字架。

 

def draw_cross(pixar):

   (posx,posy)=pygame.mouse.get_pos()

   pixar[posx,:]=1

   pixar[:,posy]=1

 

此函数用于随机初始化网格

 

def random_init(n):

   return np.random.random_integers(0,1,(n,n))

 

所有代码最终汇集于文章末尾。

 

(放大可视化的细胞集合图,每一个细胞状态可能是生或死,由其相邻8个细胞决定)

 

技术分享

 经过计算机模拟生命,我们得到最终答案。癌症是由多因素共同决定的,而非单因素决定。当你的饮食,起居,办公环境,情绪,辐射,免疫力都很糟时,你要注意了,积极调整,更换环境,否则死神就可能来敲门了。

代码来自Ivan Idris物理博士的分享,经本人测试,可以完美运行,如果有问题可以发邮件给我[email protected]



以上是关于模拟生命_吸烟致癌?的主要内容,如果未能解决你的问题,请参考以下文章

模拟整个应用程序生命周期

Jest / Enzyme - 生命周期方法中的模拟异步函数

人工生命模拟器不会产生任何结果

生命游戏的三种玩法

如何在 Jest 单元测试中模拟在 `created` Vue 生命周期挂钩中调用的方法,而不使用`shallowMount` 中已弃用的`methods` 参数? [复制]

模拟赛:T118878 阴云密布(代码极度哲学,慎点)