全球科研团队通过实验和数据分析等方法，建立了一系列新冠病毒模型并获得预测结果，相关科研成果也在预印本、期刊等平台上发布，我们总结和梳理了有关新冠病毒模型与预测结果的国际学术研究。另外还有一些数模爱好者或流行病学的专业人员在论坛、网页或公众号中发布新冠病毒的相关数学模型，本文暂未做盘点。

根据条件"主题 = Novel Coronavirus or 2019-nCoV"在Web of Science数据库进行搜索，获得文献48篇，经人工判断与新冠病毒模型相关3篇。同时，根据条件"term = 2019-nCov"在预发布平台BioRxiv上进行搜索，获得文献33篇，与新冠病毒模型相关9篇（检索时间为2020年2月5日）。

主要研究成果梳理如下：

1. Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus-Infected Pneumonia

作者：中国疾病预防控制中心Li, Qun等

发表时间：2020.01.29

出版物：《The New England Journal of Medicine》

主要内容：研究人员收集2020年1月22日之前报告的NCIP实验室确诊病例的人口统计学特征、接触史和疾病时间表，描述和总结病例的特点，认为新冠肺炎的平均潜伏期为5.2天。同时研究人员估计在指数增长初期，病毒的流行倍增时间为7.4天，基本繁殖数为2.2左右。

2. Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study

作者：Joseph T Wu等

发表时间：2020.01.31

出版物：《Lancet》

主要内容：研究人员基于官方公布的2019-nCoV病例数据和国内外的客运数据，同时纳入2020年1月起实施的各种公共卫生干预措施的潜在影响（包括使用口罩和强调个人卫生，以及在1月23日起在武汉施行的封城等措施），建立数学模型估算了此次疫情的规模，模拟了疫情在中国和国际上未来可能的传播趋势。认为，截至2020年1月25日，中国武汉市可能有75800人感染了新型冠状病毒

3. A mathematical model for simulating the transmission of Wuhan novel Coronavirus

作者：厦门大学公共卫生学院陈田木团队

发表时间：2020.01.19

主要内容：研究人员建立了一个Bats-Hosts-Reservoir-People传播数学模型，以模拟从感染源(可能是蝙蝠)到人类感染的潜在传播，根据模型计算基本复制数，以评估2019-nCoV的传导性

4. Preliminary estimation of the basic reproduction number of novel coronavirus (2019-nCoV) in China, from 2019 to 2020: A data-driven analysis in the early phase of the outbreak

作者：香港中文大学Shi, Zhao等

发表时间：2020.01.23

出版物：《International Journal of Infectious Diseases》

主要内容：通过指数增长，模拟了中国大陆在2020年1月10日至1月24日期间2019-nCoV病例时间序列的流行曲线，认为2019-nCoV的基本繁殖数平均值在2.24到3.58之间，明显大于1，表明2019-nCoV有可能导致疫情爆发。

5.Host and infectivity prediction of Wuhan 2019 novel coronavirus using deep learning algorithm

作者：北京大学Qian, Guo等

发表时间：2020.01.21

主要内容：利用深度学习算法，分析2019-nCoV病毒的宿主和传染性。预测表明2019-nCoV与其他人类冠状病毒具有密切的传染性，尤其是严重急性呼吸综合征冠状病毒(SARS-CoV)、蝙蝠sars样冠状病毒和中东呼吸综合征冠状病毒(MERS-CoV)。同时，感染性模式分析的结果表明，蝙蝠和水貂可能是2019-nCov的两个候选宿主。

6.Predicting commercially available antiviral drugs that may act on the novel coronavirus (2019-nCoV), Wuhan, China through a drug-target interaction deep learning model

作者：Bo Ram Beck等

发表时间：2020.01.31

主要内容：研究人员使用预先训练的基于深度学习的药物-靶标相互作用模型(称为分子转换-药物靶标相互作用(MT-DTI))来识别可以作用于2019-nCoV病毒蛋白的商业可用药物。认为,atazanavir抗逆转录病毒药物用于治疗和预防人类免疫缺陷病毒(HIV),是最好的化合物。

7.MRCA time and epidemic dynamics of the 2019 novel coronavirus

作者：中国科学院Chi, Zhang等

发表时间：2020.01.25

主要内容：使用贝叶斯框架，从GISAID提供的33个基因组序列中，推断出以有效繁殖数随时间变化所代表的时间校准的系统发育和流行动态。

8.Breaking down of healthcare system: Mathematical modelling for controlling the novel coronavirus (2019-nCoV) outbreak in Wuhan, China

作者：暨南大学医学院Wai-kit Ming等人

发表时间：2020.01.27

主要内容：应用改良的SIR模型来预测实际感染病例数和隔离病房和重症监护病房(ICU)的具体负担。研究者估计,如果没有公共卫生干预措施实施,感染病例的实际数字可能远高于报道,大约88075例(截至2020年1月31日),预计负担隔离病房和重症监护病房将分别为34786人和9346人。

9.Beware of asymptomatic transmission: Study on 2019-nCoV prevention and control measures based on extended SEIR model

作者：Peng, Shao等

发表时间：2020.01.28

主要内容：建立考虑人口跨地区流动的SEIRD模型，揭示控制疫情传播的三种措施的效果，并基于MATLAB R2017a，对防疫控制措施进行仿真计算实验。研究结果表明，我国现行的防治措施是十分必要的，进一步证实了国际和国内专家对无症状传播(E-status)的关注。

10. Modelling the epidemic trend of the 2019 novel coronavirus outbreak in China

作者：西安交通大学Mingwang, Shen等

发表时间：2020.01.23

主要内容：模拟2019年中国新冠状病毒爆发的流行趋势，根据2019-nCov的传播能力与致死率，评估处于初始阶段的中国2019-nCov疫情，研究显示快速诊断病例隔离和综合干预措施将对其未来趋势产生重大影响。

11.Pattern of early human-to-human transmission of Wuhan 2019-nCoV

作者：瑞士伯尔尼大学社会与预防医学研究所Julien Riou等人

发表时间：2020.01.23

主要内容：研究人员对疫情早期暴发轨迹进行随机模拟，发现新冠病毒存在持续的人传人的潜力，且传播特征与严重急性呼吸道综合征相关的冠状病毒(SARS-CoV)和1918年大流行性流感具有类似程度。

12.Machine learning-based analysis of genomes suggests associations between Wuhan 2019-nCoV and bat Betacoronaviruses

作者：Gurjit S Randhawa等

发表时间：2020.02.03

主要内容：使用MLDSP和MLDSP-GUI对2019-nCoV进行分类，这是一种使用机器学习(ML)和数字信号处理(DSP)进行基因组分析的无校准方法。将基因组序列经过一系列变换作为监督机器学习算法的输入，利用训练好的分类器模型对29条2019-nCoV序列的标签进行预测。该分类策略使用了5000多个基因组，并在物种的分类水平上测试了它们之间的关联。结果证实了目前关于蝙蝠起源的假设，并将2019-nCoV归类为沙贝病毒，属于轮状病毒。