使用物理来解释不同的传播影响SARS-CoV-2突变

SARS-CoV-2大流行期间,多个新的和更强的传染性病毒的变种已经出现。了解特定的突变影响SARS-CoV-2传播可以帮助我们更好地理解病毒的生物学和控制疫情。

然而,这是一项具有挑战性的任务,约翰·巴顿说的物理与天文学助理教授在加州大学河滨分校,展示他的研究结果题为“推断的影响从基因组突变SARS-CoV-2传输监测数据”的3月美国物理学会的会议。

“现有的计算方法研究这个问题往往是很难适用于大量数据或依赖于非常严格的假设,”巴顿说。“实验还可以提供优秀的信息不同的变异如何影响病毒,但是他们不能直接用于研究SARS-CoV-2传输在人类身上。”

巴顿和他的同事们开发了一种新的计算方法来解决这个问题通过应用技术统计物理学在流行病学数学模型。他们的方法能让他们看看基因组监视data-SARS-CoV-2序列来自感染在时间和在全世界许多地区,并找出不同的突变的影响SARS-CoV-2传播最好的解释观察到的整个大流行性流感病毒的进化历史。

“几个小说特征的方法,它可以占感染者的旅游区域之间,大多数其他模型无法做的,和我们使用的基于物理的方法让我们写下一个精确的数学表达式的传播效果不同的突变,而不是依赖数值模拟估计这些参数,”巴顿说。

在模拟验证他们的方法之后,巴顿和他的同事应用它超过160万SARS-CoV-2序列从GISAID数据库,收集从87年地理区域。

“许多研究都集中在突变的蛋白质SARS-CoV-2,和我们的分析支持这种强调飙升的主要推动力SARS-CoV-2传播,”巴顿说。“大约一半的最有效的突变,我们发现在上升,包括四大的三个突变。然而,我们还发现多个突变之外的飙升,似乎强烈增加病毒的传播。其中一些可能会让好的目标为未来实验来了解不同的突变影响SARS-CoV-2功能。”

巴顿解释说,他们的方法也是敏感到足以揭示好处SARS-CoV-2传输以前认为是中性的突变。他的团队也能够发现一些增加传输等主要的新变种α和三角洲非常快,一个星期内出现的区域数据。数据集时团队考虑写论文不包括从ο变异序列,因为只有收集的数据直到2021年8月。

“然而,即使没有观察任何买卖序列数据,我们将已经估计ο比α只是基于传输更容易突变股票与其他SARS-CoV-2变异,”巴顿说。“虽然我们特别关注SARS-CoV-2在我们的分析中,我们的方法很一般,可以应用于研究其他病原体的传播,如流感。”