2020年12月，MDPI期刊Entropy (ISSN 1099-4300, IF 2.494) 被PubMed数据库收录。在本期刊上发表的论文现已被编入索引，目前可以在PubMed检索到自第20卷开始的全部文章，这些论文的全文本均会被存档在PubMed Central中。在此，Entropy向为期刊发展作出巨大贡献的主编、编委、客座编辑、审稿专家和作者表示衷心的感谢，向长期关注期刊发展的读者致以最真诚的谢意！

 

期刊介绍

 

Entropy 作为开放获取型国际期刊，主要发表熵和信息论的相关论文。其所涵盖的学科领域有：热力学、统计力学、信息论、生物物理学、天体物理学及宇宙学、量子信息和复杂体系等。Entropy采取单盲同行评审，一审平均周期约为17天，文章从接收到发表上线仅需3天 (来自2020年上半年期刊统计数据)。除PubMed之外，目前Entropy还被Science Citation Index Expanded (SCIE) , MathSciNet (AMS), Scopus，Inspec (IET)等重要数据库收录。

 

主编介绍

​

Prof. Dr. Kevin H. Knuth

奥尔巴尼大学物理系教授

 

研究领域：熵；概率论；贝叶斯；基础问题；晶格理论；数据分析；机器学习；机器人学；信息论；基于熵的实验设计

 

Section介绍

 

基于目前生物领域内的研究热点，Entropy邀请Prof. Dr. William B. Sherwin作为Section主编创建了“熵与生物”Section，旨在展示生物学方向的重大新进展。欢迎相关领域的学者提交实验论文、通讯和综述类文章于“熵与生物”Section。

 

Section主编：Prof. Dr. William B. Sherwin

新南威尔士大学生物地球与环境科学学院进化与生态学研究中心

 

研究领域：分子生态学；进化遗传学；生物多样性；基因组学，转录组学；预测和测量生物多样性数学；保护遗传学和人口学；濒危物种保护；亲缘关系和群体形成的进化生态学

访问后方链接，进入Section主页：https://www.mdpi.com/journal/entropy/sections/entropy_biology

 

佳文荐读

 

1. Entropy, or Information, Unifies Ecology and Evolution and Beyond

熵或信息统一了生态学，进化论及其他学科

William Bruce Sherwin

https://doi.org/10.3390/e20100727

DNA和量子计算的相似性

 

宏观生态学家研究不同物种的组合，而微观进化生物学家研究物种内可遗传信息的变体，如DNA和表观遗传修饰。这两种不同的变化模式都是由相同的四个基本过程驱动的，但是对这些过程的处理方法有时会有很大的不同。进化生物学家在推导和测试数学遗传预测方面有着悠久的研究历史。宏观生态学称之为基尼-辛普森，并借用了基因预测的方法，但有时这种方法也会存在缺陷。因此，基于香农熵和互信息的分子多样性预测方程的推导尤为重要。本文讨论了熵/信息方法如何适用于分析和预测创新、传播、运动和适应四个过程，这四个过程是生态学和进化的共同基础，因此，我们现在可以预测所有主要类型的熵/信息，为生态学和进化中的四个基本过程创建一个通用的预测方法。此外，这些方法的使用将与其他研究 (如物理环境) 无缝贴合，甚至可以扩展到辅助进化算法的领域中。

 

2. Information-Geometric Optimization with Natural Selection

基于自然选择的信息几何优化

Jakub Otwinowski et al.

https://doi.org/10.3390/e22090967

(A) 二次适应度景观 (蓝色轮廓) 上二维表型空间中100个变体的例子。(B) 根据方程，频率随时间变化，t=0.2 (红色)，t=1 (绿色)，t=5 (蓝色)

 

寻找高维函数的最优参数是许多领域的一个普遍问题。本文详细阐述了经典数量性状群体遗传学与进化优化的关系，并提出了一种新的进化算法。连续目标函数的优化类似于在适应度景观上寻找高适应度表型。本研究描述了自然选择是如何沿着种群在适应度景观 (自然梯度) 上诱导的非欧几里德梯度移动种群的，并展示了在二次适应度景观下，选择与牛顿优化方法的关系，以及选择如何以减少多样性为代价增加适应度。本文还描述了新表型的产生，并引入了一个算子来重组整个群体以产生变体。最后文章还介绍了一种结合自然选择的原理证明算法。研究者通过重组算子以及增加选择来寻找最优的自适应方法。该算法易于实现，无需矩阵求逆或分解，也无需存储协方差矩阵，即可以形成基于模型的自然梯度优化算法的基础。

 

3. Optimal Microbiome Networks: Macroecology and Criticality

最佳微生物群网络：宏观生态学和临界性

Jie Li et al.

https://doi.org/10.3390/e21050506

网络熵模式和推断的最佳微生物群网络

 

由于菌种类数量、相互作用及其在空间和时间上的可变性，人类微生物群落是一个极其复杂的生态系统。本文基于一种新的信息论网络推理模型，检测到健康个体和不健康个体在功能和结构上存在差异的潜在物种相互作用网络，以及物种总输出信息流、节点交互作用的意义和物种相对丰度 (Relative Species Abundance, RSA) 之间存在反比例关系。这些研究结果支持了关于网络中心的作用正在减弱的观点，以及应该如何定义这些网络中心，而不是考虑节点的整体传出信息流。从宏观生态学角度看，健康微生物群落的帕累托总物种多样性增长率最高，物种更替率最低，RSA变异最小。此外，本文还展示了短暂微生物群的不稳定性，并发现微生物组的临界性不一定处于健康和不健康状态之间的相变阶段。微生物群落的宏观生态学特征有助于公共卫生、疾病诊断和病原学研究，而物种特异性分析则可检测到有益物种，从而实现预处理和益生菌治疗以及微生物工程的个性化设计。

 

4. Entropy and Information within Intrinsically Disordered Protein Regions

内在无序蛋白质区中的熵与信息

Iva Pritišanac et al.

https://doi.org/10.3390/e21070662

影响IDR构型和构象熵的功能相关过程的说明

 

在目前对内在无序蛋白质和区域 (Intrinsically Disordered Regions, IDR) 的生物信息学和生物物理研究中我们可以发现，各个序列位置和溶液中采样的构象具有很高的熵。这阻碍了标准序列结构函数范式在IDR中的应用，并推动了从IDR序列中提取信息的新方法的发展。本文认为IDR序列中的信息不能通过位置守恒得到充分的揭示，位置守恒在很大程度上衡量了稳定的结构接触和相互作用模体。相反，考虑分子特征的进化守恒可以揭示IDR中的全部信息。IDRs的大构象熵的实验量化具有挑战性，但可以通过结合NMR波谱和低分辨率结构生物学技术测量的构象采样范围进行近似，这可以通过模拟进一步解释。构象熵和其他生物物理特征可以通过翻译后修饰进行调节，这些修饰通过调节IDR的能量分布来实现多种功能的相互作用，这一调节模式为IDR提供了功能优势。IDRs功能状态的多样性镶嵌及其在复合物中的构象特征要求新的信息度量，反映IDRs复杂的序列-构象-系综-功能关系。

 

版权声明：

文案作者：Entropy Editorial Office

本文内容由MDPI中国办公室编辑负责撰写，一切内容请以英文原版为准。如需转载，请邮件联系：mdpicnmarketing@mdpi.com