Java教程

你们做核算检测了吗?一个算法让核算检测成本降低到千分之一?

本文主要是介绍你们做核算检测了吗?一个算法让核算检测成本降低到千分之一?,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

10人一组混检

到了过年的时候了,你要回老家过年吗?如果回老家过年,需要做核算检测。我也正在犹豫中。你们做了吗?

在这里插入图片描述

核酸检测本身是一个比较费时,费力,费钱的复杂过程,所以现在低风险地区都是采用的10人一组混合检验的。

具体来说就是将采集自10个人的10支拭子样本集合于1个采集管中进行核酸检测。

混检筛查中一旦发现阳性或弱阳性,将会立即进行追溯,通知相关部门对该混采管的10个受试者暂时单独隔离,并重新采集单管拭子进行复核,再确定这10个人当中到底哪一个是阳性。

如果检测结果是阴性,意味着这10个样本全是阴性,混检的10个人都是安全的。

看到这个过程后,作为程序员的我禁不住拍了一下自己的大腿,这不就是个很简单算法嘛!但是这个小小的算法把检验的成本降低了接近90%,把检验的速度提高了近10倍!算法真是太奇妙了!

在这里插入图片描述

顺着这个思路,有没有更好的算法,进一步加快这个过程呢?理论上来说,如果用二分法,可以把14亿次检测减少到大概23万次左右。而现在10比1混合检验的次数大约是1.4亿次。

关于算法,本文下面再讨论。咱们先说一个大家关心的问题。

混检是否安全

把10个人的样本混在一起,咋一听觉得很不靠谱,实际上还是很靠谱的。但是会不会出现检验不准的情况呢?确实存在一些潜在问题。

假阴性率会增加,准确度下降。举两个假设的情况给大家解释为什么假阴性率会增加:

情况1:假设使用的是饱受争议的美国CDC的核酸RT-PCR检测试剂盒。这个试剂盒一共测三个新冠基因片段,其中两个是新冠特异的基因片段,第三个是所有类似于SARS的冠状病毒都有的基因片段。除此以外,还包括一个控制探针
(control probe)针对人的RNase P基因。这个探针的目的是用来保障取样足够和RNA提纯过程没有出错。

如果取样不够,或者RNA纯化出错导致RNA降解,探针就读不出数值,检测结果就是“无效(invalid)”,还需要重新再测。

如果有位阳性感染者,在鼻咽拭子取样的时候,样本量取得不够。如果对这个样本用美国CDC的核酸试剂盒进行单独的核酸检测,虽然新冠基因是阴性,RNase
P控制探针的结果也是阴性,最终结果就显示“无效(invalid)”,还需要重新再测。

然而,如果把这个人的样本和其他4个人混合在一起,进行混合核酸测试——其他4位都是核酸阴性,且取到了足够的样本。这时,用美国CDC的核酸试剂盒去检测5个人的混合样本,测出新冠基因是阴性,RNase
P的控制探针是阳性(表明样本取样提纯没有出错),因此得出结论:这5位都是核酸阴性。那位阳性感染者得到的就是一个“假阴性”结果。

情况2:不同核酸检测的设计不同,导致试剂盒的敏感度和特异性也不同。假设所用核酸试剂盒的敏感度是500个新冠RNA/毫升。有一位阳性感染者取样,提纯样本里面的RNA以后,用1µg总RNA量来做RT-PCR,里面包含了500个新冠RNA/毫升,那么检测结果是阳性。可是如果他的样本和其他4个人混在一起检测,还是用1µg总RNA量来做RT-PCR,假设是等量混合,那么他的RNA实际只占~20%。1µg总混合RNA里面大约只有100个新冠RNA/毫升。受试剂盒敏感度的限制,结果会是假阴性。

但这不是说混检就不能实行,而是有一定的限制:

1.每个样本的采集量要足,否则会出现稀释后出现假阴性的问题

2.只对低风险地区实行混检

混检的算法

下面用算法简单模拟采样数量和检测数量,其实也不是什么算法,就是两个数学公式:

total_pop = 1400000000  #总人口
rate = 0.00001  #感染率
group_size = 10  #每组人数

check_num = 0
caiyang_num = 0

#计算采用数量:总人数 + 要重复采样的数量
caiyang_num = total_pop + (total_pop * rate) * group_size
#计算检测次数:人数除以10 + 重复检测数
check_num = total_pop / group_size + (total_pop * rate) * group_size

print(f'采用数:{caiyang_num:,}, 检测数量:{check_num:,}')

运行结果:采用数:1,400,140,000.0, 检测数量:140,140,000.0

假设感染率为10万分之一的情况下,要采样14亿零14万次;要检测1亿4千万零14万次。

如果调整每100人一组检测:采用数:1,401,400,000.0, 检测数量:15,400,000.0

采用数增加了100多万次,而检测次数减少了1亿2千多万次。也就是说分组能极大的减少检测次数。

但是受制于准确度的影响,我们这里只是探讨一下算法。这些算法在计算机的数据处理上,确实起到了把效率提高几万,甚至几十几百万次的效果。

用二分查找混检

如果用二分查找法,可以进一步减少检测次数减少到23万次。

这里仍然假设10万人有一个感染,也就是10万个人里面找一个人出来。用二分法需要找约17次,那么总的检测次数就是:

group_size = 100000  #10万人一组
group_num = 1400000000 / 100000 # 共1400组
from math import log
# 用2分法每10万人只需要log(10w,2),大约16次检测
check_num = round(log(group_size, 2) * group_num)
print(f'检测数量:{check_num:,}')

计算结果:检测数量:232,535

虽然由于检测准确度的问题,二分法不能实施,但算法的世界真的很奥妙。大家都应该学点编程,学点算法。

在这里插入图片描述

下面是二分查找法的Python非递归实现:

#二分查找法,非递归实现
def binary_search(arr, x): 
    low = 0
    high = len(arr) - 1
    mid = 0
  
    while low <= high: 
        mid = (high + low) // 2
        if arr[mid] < x: 
            low = mid + 1 
        elif arr[mid] > x: 
            high = mid - 1
        else: 
            return mid 
    return -1
  
  
arr = [ 2, 3, 4, 10, 40 ] 
x = 10
result = binary_search(arr, x) 

下面是递归实现:

def binary_search(arr, low, high, x): 
      if high >= low: 
        mid = (high + low) // 2
        if arr[mid] == x: 
            return mid 
        elif arr[mid] > x: 
            return binary_search(arr, low, mid - 1, x) 
        else: 
            return binary_search(arr, mid + 1, high, x) 
    else: 
        return -1
  
arr = [ 2, 3, 4, 10, 40 ] 
x = 10
result = binary_search(arr, 0, len(arr)-1, x) 

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。

四、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

五、面试资料

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。


这份完整版的Python全套学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

在这里插入图片描述

这篇关于你们做核算检测了吗?一个算法让核算检测成本降低到千分之一?的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!