主机内的所有病毒种群组成主要和次要的基因组变异。虽然大部分的注意力集中在占主导地位的基因组变异(即lineage-defining变化),小主机之间的变异也可以传播和病毒进化做出贡献。这些潜在的宿主中的变异模式可以描述一个详细的流行病学的传播链在小爆发。主要和次要的基因组变异可以分析和用于比较相关的样本使用下一代测序,提供高覆盖率和良好的分辨率。当加上足够的流行病学数据,分析在宿主变量允许研究人员推断出病毒传播的动力学。报告在病毒进化2021年,圣和同事利用生物信息学方法结合基因和流行病学数据检查在宿主多样性及其在严重急性呼吸系统综合症冠状病毒作用2 (SARS-CoV-2)传输动力学。我们选择本文突出关键工作由一个团队在南非COVID-19大流行期间,展示了最佳实践在基因组学研究中,并在本地是做科学的好处,而不是国外发送样品。

SARS-CoV-2大流行期间的焦点一直在跟踪血统出现和抗原的变化SARS-CoV-2基因组指导公共卫生应对激增的情况。这是通常使用共识(占主导地位的变体)序列数据进行的,可在规模和允许实时分析处理。然而,在宿主变异进化的一个重要的角色,如流感病毒。由于巨大的测序工作,有很多研究对于SARS-CoV-2描述相同的。圣和他的同事们重新审视两个南非夸祖鲁-纳塔尔省暴发院内,他们曾以流行病学和系统方法,和re-sequenced样本爆发的时候使用汽车列车扩增子方法Illumina公司测序。作者选择了重新审视这些爆发更好地理解选择压力作用于病毒数量,希望这将有助于防止将来类似的感染激增。

不同于以往的分析这两个暴发,作者排序两个生物复制,评估潜在的偏见测序步骤和测量引入的污染。这种级别的技术严格确保更高层次的确定性的识别较小的变异,通常更敏感的错误比主导变量用于构建系统发育树。作者接下来应用瓶颈分析(估计数量的病毒粒子传输到新的主机)验证数据集描述SARS-CoV-2传输动力学。

他们的分析利用一个数学模型,占变体叫阈值(检测方法)和病毒复制动态的随机性质在源和接收者(被发现)。这被认为是优于更常见的变异数的方法,没有考虑到变量调用错误。作者证实他们的方法改善暴发期间传播事件的跟踪。结合在宿主多样性和瓶颈分析提高主机之间的疫情传播事件的决议,并提供证据表明,较小的变异在SARS-CoV-2很常见的传播。此外,他们的分析揭示传播活动在第二爆发不了系统发育分析。

圣和他的同事开发的方法有明显的优势,但并不是没有警告。限制包括区分的困难小变异和频发突变的传播相同的小变体在独立主机。同时,消除假阳性变异会导致失去真正的变异的数据。

使用新特征在宿主传播事件,作者重建疫情动态,包括先前建立流行病学传输的细节链接所不支持的新的宿主中的变异分析。作者获得更高的分辨率,提供洞察链的感染和传播方向。作者使用了一个小变异最小频率阈值为3%,产生低瓶颈估计符合SARS-CoV-2的生物学特性。作者的方法是支持的其他报告在这一领域的研究(m·a·马丁& k . Koelle。科学。Transl地中海。13eabh1803;2021年),这表明瓶颈估计敏感小变异最小频率阈值用于确定小变异贡献一个传播事件。

总的来说,圣和同事确定SARS-CoV-2突变的有效利用景观,当结合瓶颈分析,可以回顾和跟踪病毒传播链。这个案例研究可能导致改善在宿主的分辨率变化和未来疫情调查。作者很好地使用当地的合作和网络提供一个照明洞察世界各地的传播动力学,可以重复,考虑到资源。