加州大學河畔分校領導的團隊開發了新的計算方法，將統計學物理學數學模型的技術應用于流行病學。在SARS-CoV-2大流行期間，出現了多種新的和更具傳播性的病毒變種。了解特定的突變如何影響SARS-CoV-2的傳播，可以幫助我們更好地了解該病毒的生物學特性并控制爆發。

訪問：

微軟Surface精選機型特惠6.3折起 翻新機滿100減100

然而，這是一項具有挑戰性的任務，加州大學河濱分校物理學和天文學助理教授約翰·巴頓說，他正在美國物理學會三月會議上展示他題為"從基因組監測數據推斷突變對SARS-CoV-2傳播的影響"的研究結果。

"現有的研究這個問題的計算方法往往要么難以應用于大量的數據，要么依賴于非常限制性的假設，"巴頓說。"實驗也可以提供關于不同突變如何影響病毒的極好信息，但它們不能用于直接研究SARS-CoV-2在人類中的傳播。"

巴頓和他的同事開發了一種新的計算方法，通過應用流行病學中的統計物理學數學模型技術來解決這個問題。他們的方法使他們能夠審視基因組監測數據--從感染者身上收集的SARS-CoV-2序列--隨著時間的推移和世界各地的許多地區，并找到不同的突變對SARS-CoV-2傳播的影響，最好地解釋整個大流行中觀察到的病毒的進化史。

巴頓說："我們的方法的幾個新特點是，它可以解釋感染者在區域之間的旅行，這是大多數其他模型無法做到的，而且我們使用的基于物理學的方法使我們能夠寫下不同突變的傳播效果的精確數學表達式，而不是依靠數字模擬來估計這些參數。"

在模擬驗證了他們的方法之后，Barton和他的同事將其應用于GISAID數據庫中的160多萬條SARS-CoV-2序列，這些序列是從87個地理區域收集的。

巴頓說："許多研究都集中在SARS-CoV-2的Spike蛋白的突變上，我們的分析支持對尖峰蛋白作為SARS-CoV-2傳播的主要驅動力的這種結論。我們發現的最有影響的突變中約有一半是在尖峰蛋白中，包括前四個突變中的三個。然而，我們也發現了尖峰蛋白之外的多個突變，它們似乎強烈地增加了病毒的傳播。其中一些可能成為未來實驗的良好目標，以了解不同的突變如何影響SARS-CoV-2的功能"。

巴頓解釋說，他們的方法也足夠敏感，能夠揭示出以前被認為是中性的突變對SARS-CoV-2傳播的好處。團隊還能夠非常迅速地檢測到一些主要的新變種，如Alpha和Delta的傳播增加，在它們出現在區域數據的一周內。該團隊在撰寫論文時考慮的數據集并不包括Omicron變種的序列，因為數據只收集到2021年8月為止。

"然而，即使在數據中沒有觀察到任何Omicron序列，我們已經估計Omicron會比Alpha更容易傳播，只是基于它與其他SARS-CoV-2變種共享的突變，雖然我們在分析中特別關注SARS-CoV-2，但我們的方法非常普遍，可以應用于研究其他病原體的傳播，如流感。"

這項研究由巴頓實驗室的研究生Brian Lee和Elizabeth Finney領導，合作者包括香港科技大學的Muhammad Sohail、Syed Ahmed和Ahmed Quadeer；以及澳大利亞墨爾本大學的Matthew McKay。

關鍵詞： IT 與健康 研究人員用統計物理學來解釋不同COVID-19變種