در مطالعه اخیر ارسال شده به bioRxiv*، محققان ناهمگونی را در سرعت، بزرگی و زمان 13 انتقال/امواج نوع سندرم حاد تنفسی کرونا 2 (SARS-CoV-2) مشخص کردند.
زمینه
SARS-CoV-2 به تکامل خود ادامه می دهد و انتقال جهانی به انواع تازه در حال ظهور می تواند باعث ایجاد امواج انتقال جدید شود. مزیت انتخابی انواع جدید نسبت به انواع موجود می تواند ناشی از افزایش عفونت (از طریق افزایش اتصال به گیرنده سلول میزبان) و مقاومت در برابر آنتی بادی های خنثی کننده باشد.
عفونت های قبلی با انواع مختلف SARS-CoV-2 می تواند سطوح مختلفی از محافظت را در برابر انواع جدید ایجاد کند. نویسندگان حدس می زنند که سابقه ابتلا به انواع مختلف و نرخ واکسیناسیون ممکن است بر میزانی تأثیر بگذارد که در آن یک نوع جدید می تواند از انواع موجود پیشی گرفته و به نوع غالب تبدیل شود.
در مورد مطالعه
در مطالعه حاضر، محققان فرضیه مشخص شده را آزمایش کردند و تفاوت‌ها را در زمان‌بندی جهانی، بزرگی و سرعت انتقال متغیرها مشخص کردند. آنها یک تجزیه و تحلیل گذشته نگر از توالی ژنوم SARS-CoV-2 انجام دادند که بین اکتبر 2020 و اکتبر 2022 به پایگاه داده ابتکار جهانی برای به اشتراک گذاری همه داده های آنفلوانزا (GISAID) ارسال شده بود.
داده های بیش از 12.8 میلیون توالی ژنوم SARS-CoV-2 از مخزن GISAID از طریق خط لوله تجزیه و تحلیل ژنوم ویروسی بیماری کروناویروس 2019 (COVID-19) به دست آمد. توالی ها با توجه به نامگذاری Pango بر اساس نوع طبقه بندی شدند. اطلاعات مربوط به موارد تایید شده روزانه کووید-19 و مرگ و میر از مرکز علوم و مهندسی سیستم جانز هاپکینز به دست آمده است.
سن، تراکم جمعیت، و اطلاعات برای هر مکان (کشور) از WorldPop قابل دسترسی است. محققان مدلی را برای نسبت‌های متغیر در طول زمان برای هر مکان پیشنهاد کردند، که چندین گونه رقیب را در نظر می‌گیرد، زیرا مناظر متغیر در یک جمعیت معین پویا باقی می‌مانند. برای تجزیه و تحلیل اولیه، حداکثر 13 دسته دودمان پانگو برای هر یک از 215 مکان جغرافیایی (کشورها و مناطق فرعی) در نظر گرفته شد.
تجزیه و تحلیل اولیه به دلیل داده‌های ناکافی، گروه‌بندی دودمان Omicron Pango را در نظر نگرفت. در یک تجزیه و تحلیل فرعی از انواع اضطراری خاص، محققان داده‌های موجود برای انواع SARS-CoV-2 Omicron BA.2.75، BQ.1 و XBB/XBB.1 را مشخص کردند. تجزیه و تحلیل خوشه‌بندی سلسله مراتبی برای توصیف شباهت‌های مکان در امواج Omicron فقط برای 155 مکان انجام شد.
هنگامی که نسبت توالی های یک نوع معین برای اولین بار در هر مکان به 5 درصد رسید، محققان ویژگی های مکان مانند جمعیت شناسی، مناظر بالینی COVID-19 و خط مشی عمومی مرتبط را به دست آوردند. هنگامی که یک نوع جدید در هر مکان ظاهر شد، دو عامل برای رقابت انواع شناسایی کردند: 1) تعداد واریانت هایی که با حداقل شیوع 5٪ در گردش هستند و 2) نسبت رقابت، حداکثر درصد افزایش در شیوع انواع موجود.
یافته ها
انواع SARS-CoV-2 بتا، اپسیلون، آیوتا، گاما و مو با شیوع و سرعت انتقال کمتر همراه بودند، به جز انتقال بتا در آفریقای جنوبی و انتقال گاما در آمریکای جنوبی. انواع دلتا و Omicron (BA.1، BA.1.1، BA.2، و BA.5) انتقال سریع داشتند، البته تنوع در شیوع و سرعت انتقال Omicron BA.1 و BA.1.1 در سراسر جهان.
نوع آلفا در آمریکای جنوبی و آفریقای جنوبی به دلیل رقابت انواع، انتقال کوچک و کندی داشت. نوع Omicron BA.1.1 حضور قدرتمندی در قاره آمریکا به دست آورد. در مقابل، ناهمگونی کمی در شیوع و سرعت انتقال برای SARS-CoV-2 Delta وجود داشت، که انتقال کامل و سریع را در اکثر مکان‌ها نشان داد.
انواع Omicron BA.4 و BA.5 مسیرهای متفاوتی از نظر حداکثر شیب انتقال، زمان نسبی تا انتقال، و حداکثر شیوع داشتند که نشان‌دهنده برتری انتخابی نوع BA.5 نسبت به BA.4 است. شیب‌های انتقالی زیرشاخه‌های جدید Omicron (BA.2.75، BQ.1، و XBB/XBB.1) همتراز با زیرشاخه‌های Omicron قبلی بود.
تجزیه و تحلیل خوشه‌بندی سلسله مراتبی هفت خوشه را به دست آورد و نشان داد که انتقال‌های نوع SARS-CoV-2 Omicron احتمالاً بین برخی از جفت‌های موقعیت جغرافیایی شبیه‌تر از سایرین است، که نشان‌دهنده ارتباط بین پویایی انتقال و ویژگی‌های موقعیت جغرافیایی است. محققان ارتباط بین تعداد واریانت‌های هم‌گردش (زمانی که هر گونه شیوع 5 درصدی داشت) و حداکثر شیب انتقال را بررسی کردند.
ارتباط معنی‌داری بین تعداد بیشتر انواع هم‌گردش و سرعت انتقال کمتر برای بسیاری از انواع SARS-CoV-2، از جمله اپسیلون، گاما، دلتا، و اومیکرون (BA.1، BA.2، و BA.5) وجود داشت. ) انواع. نرخ های واکسیناسیون بالاتر با گسترش جهانی آهسته تر و دیرتر واریته ها قبل از ظهور انواع دلتا و مو همراه بود. با این حال، ارتباط ضعیفی بین نرخ واکسیناسیون و سرعت / زمان انتقال برای نوع Omicron وجود دارد.
نرخ واکسیناسیون به طور قابل توجهی با پویایی انتقال متغیر قبل از ظهور دلتا/مو همراه بود، حتی پس از تنظیم ویژگی‌های مکان و آزمایش‌های متعدد. زمان کوتاه‌تر از آخرین اوج موج، نرخ بالاتر ابتلای قبلی به کووید-19 و تراکم جمعیت کمتر با انتقال‌های بعدی مرتبط بود. مناطقی که تعداد افراد بالای 65 سال در آن ها بیشتر است، احتمالاً شیوع واریانت اوج بالاتری دارند.
نتیجه گیری
به طور خلاصه، محققان ارتباط رفتار یک نوع SARS-CoV-2 اضطراری را با تعداد گونه‌های در گردش، نرخ ابتلای قبلی به کووید-19 و نرخ واکسیناسیون نشان دادند. قبل از انتقال نوع دلتا/مو، ارتباط قوی بین نرخ واکسیناسیون بالاتر و پویایی انتقال متغیر وجود داشت.
به طور کلی، یافته‌ها نشان‌دهنده ناهمگونی قابل‌توجهی در نحوه رقابت یک نوع با انواع هم‌گردش در سراسر مکان‌های جغرافیایی است، که نشان می‌دهد چشم‌انداز ایمونولوژیک معاصر یک مکان ممکن است به این تعاملات کمک کند. این داده‌ها در مورد ناهمگونی و انتقال انواع تاریخی ممکن است در کارهای آینده برای پیش‌بینی رفتار انواع نوظهور مورد استفاده قرار گیرند.
*تذکر مهم
bioRxiv 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.