مطالعه اخیر ارسال شده به medRxiv* سرور پیش چاپ یک روش مدل سازی سلسله مراتبی را برای تخمین مزیت و شیوع نوع سندرم تنفسی حاد ویروس کرونا 2 (SARS-CoV-2) توسعه داد.
این رویکرد از یک چارچوب بیزی با اثرات ترکیبی سلسله مراتبی استفاده کرد و مدل دارای دو سطح سلسله مراتبی بود. مزایای تناسب اندام خاص کشور از انواع در سطوح اول به گونه ای ساختار یافته بود که مزیت تناسب اندام گونه در یک جغرافیا از مزیت تناسب اندام مورد انتظار در مکان های دیگر خبر می دهد. میانگین مزایای تناسب اندام انواع شامل یک توزیع نرمال مشترک در سطح دوم است.
ظهور، انتقال و تنوع ویروسی میتواند بر تلاشهای کنترلی و پویایی شیوع بیماری تأثیر بگذارد. استفاده از توالی یابی ژنوم در دهه های گذشته از تحقیقات گذشته نگر به تحقیقات زمان واقعی تغییر کرده است. همانطور که در طول همهگیری بیماری کروناویروس 2019 (COVID-19) مشهود است، توصیف انواع به کمک توالی میتواند عملکرد بهداشت عمومی را اطلاع دهد، پیشبینی بیماری را بهبود بخشد و به توسعه روشهای درمانی، سنجشهای تشخیصی و واکسنها کمک کند.
با استفاده از رویکرد مدلسازی مشخص، محققان نسبتهای گونه SARS-CoV-2 را برای برخی کشورها تخمین زدند. شیوع جهانی SARS-CoV-2 Omicron BA.2 تا جولای 2022 کاهش یافت زیرا انواع BA.4/5 به سرعت موفق شدند. انواع BA.4 و BA.5 پویایی تهاجم ناهمگن را در سراسر کشورها به نمایش گذاشتند. در بنگلادش و اسرائیل، BA.5 نرخ رشد مشاهده شده بالاتری داشت.
با این وجود، هنگامی که واریانت ها در کشورهایی با ظرفیت توالی بالا شناسایی شدند، توالی ها به سرعت جمع آوری شدند و به اکثریت تبدیل شدند. محققان یک روش کلی برای بررسی پویایی انواع رقیب و مزایای تناسب اندام نسبی با ادغام دادهها از کشورهای مختلف طراحی کردند و این روش را برای انواع اضطراری SARS-CoV-2 به کار بردند.
تقریباً 90.3٪ از تمام توالی های SARS-CoV-2 توسط 10٪ کشورها به GISAID ارسال شده است. در مقابل، کشورهای خاورمیانه و آفریقا چند هزار توالی ارائه کردند که کنیا و آفریقای جنوبی را مستثنی کردند. نرخ توالی برای انواع نوظهور در طول زمان تسریع شد.
قابل توجه است که موارد نوع BA.5 در بنگلادش (56.5٪) تا 1 ژوئیه 2022 بیشتر از هند (13.8٪) با وجود نزدیکی جغرافیایی بود. علاوه بر این، محققان ناهمگونی را در مزایای تناسب اندام خاص کشور بر اساس انواع مختلف مشاهده کردند. به عنوان مثال، انواع BA.4 و BA.5 تناسب اندام نسبی بالاتری در ایالات متحده و بریتانیا نسبت به هند یا آفریقای جنوبی داشتند. با این حال، برای نوع BA.2.12.1، تناسب اندام نسبی در ایالات متحده بسیار کمتر از بریتانیا بود.
به طور خلاصه، تیم تحقیقاتی روشی را برای تخمین رشد انواع رقیب در سطح جهانی و محلی تشریح کرد و آن را برای انواع اورژانس SARS-CoV-2 به کار برد، و استحکام مدل را برای انواع با توالیهای محدود و در مناطق با ظرفیت توالییابی محدود برجسته کرد. این رویکرد می تواند برای کشورهای با درآمد کم و متوسط مرتبط باشد و داده ها را برای تصمیمات بهداشت عمومی محلی افزایش دهد و در عین حال ظرفیت برای آینده ایجاد کند.
*اطلاعیه مهم
مطالعه: ارزیابی اولیه خطر ظهور گونه های ژنومی پاتوژن. اعتبار تصویر: NIAID
مطالعه و یافته ها
medRxiv گزارشهای علمی مقدماتی را منتشر میکند که توسط همتایان بررسی نمیشوند و بنابراین، نباید بهعنوان نتیجهگیری، راهنمای عمل بالینی/رفتار مرتبط با سلامت در نظر گرفته شوند، یا به عنوان اطلاعات ثابت تلقی شوند.
تخمین دینامیک انواع و مزایای تناسب اندام (الف) مدل پویایی متغیر را در زیر مجموعه ای از کشورها تخمین زد. رنگها انواع را نشان میدهند، و خطوط نشاندهنده تساوی از توزیعهای پسین حاشیهای برآوردهای خاص کشور هستند. پانل بالایی تعداد توالیهای جمعآوریشده در طول زمان را نشان میدهد، همانطور که در دادهها مشاهده میشود، با نوع غالب در آن زمان رنگشده است. (ب) مزایای تناسب اندام خاص کشور برای انواع انتخابی (امتیاز). خط عمودی تخمین جهانی از مزیت تناسب اندام را نشان می دهد. نوارها و باندها 95% فواصل معتبر را نشان می دهند. (C) توزیع مزیت تناسب اندام خلفی جهانی برای انواع انتخاب شده. نقاط نشان دهنده میانه و میله ها 95٪ فواصل معتبر را نشان می دهد.
نتیجه گیری
چشم انداز داده های ژنومی SARS-CoV-2 و دینامیک انواع اولیه. (الف) سایهزنی تعداد تجمعی توالیهای SARS-CoV-2 را در مقیاس log10 نشان میدهد که از 1 ژوئیه 2022 به GISAID ارسال شده است. (درج) نسبت تجمعی همه دنبالهها، با کشورها بر اساس سهم نسبی آنها مرتب شدهاند. آبی روشن نشاندهنده کشورهایی است که در صدک 10 بالای مشارکتها قرار دارند و آبی تیره نشاندهنده کشورهایی است که در صدک 90 پایینی کشورها قرار دارند. (ب) تعداد تجمعی توالی ها در مقابل روزهای پس از ظهور واریانت، با انواع مورد علاقه که پس از ظهور به سرعت رشد کردند و با رنگ برجسته شدند. یک خط افقی خاکستری در 500 دنباله برای برجسته کردن زمان لازم برای رسیدن به این سطح برای انواع کلیدی گنجانده شده است. (C) نسبت توالی های نمونه برداری شده توسط کشورهای با ظرفیت توالی بالا (آبی روشن) در مقابل کشورهای با ظرفیت توالی پایین (آبی تیره) در طول زمان، از پس از ظهور یک نوع شروع می شود.
در ابتدا، تعداد توالی های یک واریانت زمانی که شیوع آن کم بود، به آرامی و به صورت خطی رشد کرد. سپس، با افزایش گردش این نوع، یک موج نمایی در دنباله های آن وجود داشت. مدت کوتاهی پس از ظهور، بیشتر توالیهای نسب SARS-CoV-2 Omicron BA.1، BA.2، یا BA.5 از خارج از کشورهای با ظرفیت بالا بودند.
درک ویژگیهای نوع همراه با تخمینهای دقیق از شیوع منطقهای آن میتواند به اجرا و ارزیابی استراتژیهای بهداشت عمومی برای مهار انتقال کمک کند. با این حال، دادههای محدود و ظرفیت توالییابی/تشخیص ناهمگن در سراسر کشورها، مدلسازی پویایی پیچیده را محدود میکند.
ظهور Omicron BA.5 در پرتغال در این اعتبار سنجی استفاده شد. برآوردهای مدل با دادههای مشاهدهشده در 1 ژوئیه 2022 مقایسه شد. تخمینهای مدل تک کشوری عدم قطعیت گستردهتر و کاهش شدیدتر را در تاریخهای مرجع اولیه نشان دادند. مدل چند کشوری امتیازات بریر کمتری نسبت به مدل تک کشوری برای تاریخهای مرجع اولیه داشت که حاکی از پیشبینی احتمالی دقیقتر است. مزایای تناسب اندام برآورد شده در مدل چند کشوری نسبت به مدل تک کشوری پایدارتر بود.
نویسندگان دریافتند که Omicron BA.5 تناسب اندام بالاتری نسبت به BA.2.12.1 یا BA.4 دارد. انواع BA.2.12.1، BA.4 و BA.5 مناسب تر از نوع BA.2 بودند. در مقایسه، نوع BA.1 تناسب اندام کمتری نسبت به BA.2 داشت. علاوه بر این، تیم تخمین مدل را از پنج تاریخ مرجع متوالی: 30 آوریل، 16 می، 27 می، 4 ژوئن، و 27 ژوئن 2022 به طور گذشته نگر اعتبارسنجی کرد. در نهایت، تخمین های چند کشوری با تخمین های یک کشور مورد مقایسه قرار گرفتند. متناسب (مدل تک کشوری).
مطالعه حاضر یک روش مدلسازی سلسله مراتبی را گزارش کرد که مسیرهای رشد متغیرها را در طول زمان تخمین میزند. بیشتر توالیهای SARS-CoV-2 از ایالات متحده (ایالات متحده) و بریتانیا (بریتانیا) بودند، که تقریباً 55٪ از تمام توالیهای موجود در مخزن ابتکار جهانی برای اشتراکگذاری دادههای آنفلوانزای پرندگان (GISAID) در تاریخ 1 ژوئیه 2022 کمک کردند. .