New Phylogenetic Models Incorporating Interval-Specific Dispersal Dynamics Improve Inference of Disease Spread.
New Phylogenetic Models Incorporating Interval-Specific Dispersal Dynamics Improve Inference of Disease Spread.
复制标题
新的系统发育模型结合了特定区间的传播动力学，改进了疾病传播的推断。
DOI：
10.1093/molbev/msac159
复制
发表时间：
2022-08-03
影响因子：
10.7
通讯作者：
Moore, Brian R.
中科院分区：
文献类型：
--
作者：
Gao, Jiansi;May, Michael R.;Rannala, Bruce;Moore, Brian R.
系统动力学方法揭示了病毒地理传播的空间和时间动态，并在COVID-19大流行研究中发挥了重要作用。事实上，所有这类研究都是基于一个假设--尽管有直接和令人信服的相反证据--病毒地理传播的速度是恒定的。在这里，我们：（1）扩展病毒传播动态模型，使病毒传播的平均速率和相对速率在预先指定的时间间隔之间独立变化;（2）实施方法来推断区域之间病毒传播事件的数量和时间;（3）开发统计数据，以评估离散地理病毒传播动态模型与经验数据集的绝对拟合。我们首先使用模拟来验证我们的新方法，然后将它们应用于COVID-19大流行早期的SARS-CoV-2数据集。我们表明：（1）在模拟过程中，如果不考虑研究数据中的区间变异，将严重影响参数估计;（2）在实际应用中，我们的区间离散地理分布动态模型可以显著提高对经验数据的相对和绝对拟合;及（3）我们的特定区间模型的现实性增强，为COVID-19大流行的关键方面提供了质的不同推断-揭示了全球病毒传播率、病毒传播途径和地区间病毒传播事件数量的显著时间变化，并改变了对缓解大流行的干预措施效力的解释。
Phylodynamic methods reveal the spatial and temporal dynamics of viral geographic spread, and have featured prominently in studies of the COVID-19 pandemic. Virtually all such studies are based on phylodynamic models that assume—despite direct and compelling evidence to the contrary—that rates of viral geographic dispersal are constant through time. Here, we: (1) extend phylodynamic models to allow both the average and relative rates of viral dispersal to vary independently between pre-specified time intervals; (2) implement methods to infer the number and timing of viral dispersal events between areas; and (3) develop statistics to assess the absolute fit of discrete-geographic phylodynamic models to empirical datasets. We first validate our new methods using simulations, and then apply them to a SARS-CoV-2 dataset from the early phase of the COVID-19 pandemic. We show that: (1) under simulation, failure to accommodate interval-specific variation in the study data will severely bias parameter estimates; (2) in practice, our interval-specific discrete-geographic phylodynamic models can significantly improve the relative and absolute fit to empirical data; and (3) the increased realism of our interval-specific models provides qualitatively different inferences regarding key aspects of the COVID-19 pandemic—revealing significant temporal variation in global viral dispersal rates, viral dispersal routes, and the number of viral dispersal events between areas—and alters interpretations regarding the efficacy of intervention measures to mitigate the pandemic.
登录
查看更多内容
影响因子：
64.5
作者：
Fauver, Joseph R.;Petrone, Mary E.;Grubaugh, Nathan D.
通讯作者：
Grubaugh, Nathan D.
DOI：
10.1016/j.cub.2011.05.058
发表时间：
2011-08-09
期刊：
Current biology : CB
影响因子：
--
作者：
Edwards CJ;Suchard MA;Lemey P;Welch JJ;Barnes I;Fulton TL;Barnett R;O'Connell TC;Coxon P;Monaghan N;Valdiosera CE;Lorenzen ED;Willerslev E;Baryshnikov GF;Rambaut A;Thomas MG;Bradley DG;Shapiro B
通讯作者：
Shapiro B
SARS-COV-2血统的估计可传播和影响B.1.1.7在英国。
DOI：
10.1126/science.abg3055
发表时间：
2021-04-09
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Davies NG;Abbott S;Barnard RC;Jarvis CI;Kucharski AJ;Munday JD;Pearson CAB;Russell TW;Tully DC;Washburne AD;Wenseleers T;Gimma A;Waites W;Wong KLM;van Zandvoort K;Silverman JD;CMMID COVID-19 Working Group;COVID-19 Genomics UK (COG-UK) Consortium;Diaz-Ordaz K;Keogh R;Eggo RM;Funk S;Jit M;Atkins KE;Edmunds WJ
通讯作者：
Edmunds WJ
影响因子：
5.3
作者：
Douglas J;Mendes FK;Bouckaert R;Xie D;Jiménez-Silva CL;Swanepoel C;de Ligt J;Ren X;Storey M;Hadfield J;Simpson CR;Geoghegan JL;Drummond AJ;Welch D
通讯作者：
Welch D
影响因子：
10.7
作者：
Kühnert D;Stadler T;Vaughan TG;Drummond AJ
通讯作者：
Drummond AJ