科学家开发了一款网页应用程序,用于可视化新冠病毒的局部变异和临床数据

科学家开发了一款网页应用程序,用于可视化新冠病毒的局部变异和临床数据
该仪表板允许流行病学家和公共卫生官员通过用户友好的应用程序访问关于马萨诸塞州中部COVID-19大流行的复杂和多样的数据集。图片来源:马萨诸塞大学医学院

遗传学家道尔·沃德博士和马萨诸塞大学陈医学院的同事开发了一个web应用程序,使流行病学家、公共卫生官员和其他科学家能够访问来自马萨诸塞州中部的SARS-CoV-2病毒的遗传信息。这项研究发表在JMIR造型的研究

这款名为MAGGI(麻省大学地理信息图形用户界面)的应用程序是由马萨诸塞州陈分校临床和转化科学中心的数据科学家施启明博士开发的,它借鉴了与健康相关的社交信息以及从马萨诸塞州中部的6000多例SARS-CoV-2病例中收集的病毒基因组数据。通过将时间、空间、人口统计和去识别的临床数据与COVID-19基因变异联系起来,地方流行病学家和公共卫生官员现在有了另一个工具来监测和预测COVID-19大流行的进展,并可能跟踪干预措施的影响。

“该仪表板允许流行病学家和公共卫生官员在一个用户友好的应用程序中访问关于马萨诸塞州中部COVID-19大流行的一组复杂而多样的数据,”Ward博士说,他是马萨诸塞大学陈分校微生物学和生理系统副教授兼微生物组研究中心运营主任。“有了这个工具,研究人员可以以一种有意义的方式图形化地查看数据,让他们了解基本数据是什么以及如何应用它。”

构成MAGGI主干的数据来自多个公共来源,包括马萨诸塞州公共卫生部的地方疫苗接种率和疾病控制与预防中心的社会脆弱性指标。此外,邮政编码级别的人口数据来自邮政编码制表区域和2018年美国社区调查。

沃德和他的同事与马萨诸塞州立大学纪念卫生中心合作,获取并存档了收集到的残留的SARS-CoV-2阳性样本.他们使用深度测序技术重建单个病毒基因组,并识别每个COVID-19样本的变体。

最后,从陈麻省理工大学维护的临床数据研究仓库中导入去识别的临床数据,这些数据与数千个COVID-19样本中的每一个都有关联。这些数据结合了马萨诸塞州立大学纪念医院电子医疗系统的信息这可以用来确定被移走的人的身份。

结果是一张马萨诸塞州中部的地图,上面有数千例COVID-19病例,用编码为基因亚型的彩色圆点表示,并按邮政编码绘制了整个地区。

沃德说:“我们认为这是马萨诸塞州中部独有的现象。”“没有人拥有如此详细的COVID-19信息。”

MAGGI不仅仅是一张简单的地图;它还覆盖了社会和临床数据,研究人员可以利用这些数据发现模式并应对大流行。除了遗传、地理和时间信息外,用户还可以访问有关疫苗接种率、社会脆弱性、年龄、性别、贫困率、样本采集日期、潜在共病、住院情况、临床结果等信息。

有了这些数据,几乎可以实时观察到大流行的进展情况。例如,随着疫情的演变,卫生官员可能会制定新的应对措施和干预措施,以降低感染率或为大量住院患者做好准备。此外,科学家还可以研究这些数据,以获得对这种病毒的新见解,比如它如何影响当地人口。

“我们可以使用MAGGI来衡量COVID-19感染的时间和地点,并可视化疫苗接种率和街头社会脆弱性之间的关联和模式,”晨边生物医学学院的博士生、该研究的合著者卡莉·赫伯特说。“你可以想象,从临床角度来看,这些数据是多么有用。我们可以用它来跟踪新出现的变种,评估干预措施,并确定变种是否有不同的行为,传播更快或导致更多的住院治疗。”

沃德说,MAGGI及其背后的复杂数据集将允许研究人员几乎实时地识别和观察模式,并找到这些模式的根本原因。“从我们收到样品到收到样品大约需要一个月的时间并将相应的数据写入MAGGI。我们希望这些信息可以用来对新兴趋势或模式做出反应。”

因为MAGGI是建立在几个公开可用的数据集上的,所以它也可能被复制到其他地方。要获得相同水平的特异性,需要高通量测序技术以及去识别技术

伍斯特生物医学研究基金会主席、微生物学和生理系统教授兼副主席、微生物组研究中心创始主任Beth a .ob欧宝直播nba McCormick表示,在所有这些数据之下,是马萨诸塞大学陈分校和马萨诸塞大学纪念学院之间独特的合作。

麦考密克博士说:“由于陈马萨诸塞州立大学的研究人员与马萨诸塞州立大学纪念医院的临床合作伙伴密切合作,他们是马萨诸塞州中部地区医疗保健的主要提供者,我们有一个独特的机会在MAGGI等公共卫生项目上合作。”“在我们看来,这项研究的真正优势在于,我们如何能够在保护患者隐私的同时获得如此惊人的细节水平。如果没有科学家和卫生服务提供者之间的密切合作,这是不可能实现的。”

沃德和他的同事们继续对从诊所送来的新病毒样本进行测序。随着收集协议的改进和精简,我们希望将测序时间缩短到几周或几天,以便更好地为公共卫生决策提供信息。


进一步探索

新冠病毒雷达:基因测序可以帮助预测下一个变种的严重程度

更多信息:施启明等,马萨诸塞州中部COVID-19变异监测和社会决定因素:发展研究,JMIR造型的研究(2022)。DOI: 10.2196/37858
引用:科学家开发web应用程序,用于可视化COVID变体的地方性,2022年10月17日从//www.puressens.com/news/2022-09-scientists-web-app-visualizing-locality.html检索的临床数据(2022年,9月8日)
本文件受版权保护。除用于个人学习或研究的公平交易外,未经书面许可,不得转载任何部分。内容仅供参考之用。
14股票

反馈给编辑