Using multiple sampling strategies to estimate SARS-CoV-2 epidemiological parameters from genomic sequencing data.
Using multiple sampling strategies to estimate SARS-CoV-2 epidemiological parameters from genomic sequencing data.
复制标题
DOI：
10.1038/s41467-022-32812-0
复制
发表时间：
2022-09-23
影响因子：
16.6
通讯作者：
中科院分区：
文献类型：
--
作者：
在遗传和流行病学分析中使用的病毒序列的选择很重要，因为它可能会引起偏差，从而降低这些丰富数据集的价值。这就提出了如何选择一组序列进行分析的问题。我们利用来自中国香港和巴西亚马逊州的SARS-CoV-2基因组序列，对这些基本上未被充分研究的问题提供了见解。我们考虑了多种采样方案，用于估计Rt和Rt以及相关的R0和起源日期参数。我们发现，Rt和Rt都对采样变化敏感，而R0和起源日期相对稳健。此外，我们发现，使用非抽样数据集进行分析，对香港和亚马逊的案例研究都产生了最偏倚的Rt和Rt估计。我们强调采样策略的选择可能是测序分析管道中一个有影响力但被忽视的组成部分。SARS-CoV-2基因组测序数据可用于推断流行病学参数，但很少考虑用于选择样本的策略对这些估计值的影响。在这里，作者使用不同的抽样策略进行估计，并将结果与基于病例报告数据的结果进行比较。
The choice of viral sequences used in genetic and epidemiological analysis is important as it can induce biases that detract from the value of these rich datasets. This raises questions about how a set of sequences should be chosen for analysis. We provide insights on these largely understudied problems using SARS-CoV-2 genomic sequences from Hong Kong, China, and the Amazonas State, Brazil. We consider multiple sampling schemes which were used to estimate Rt and rt as well as related R0 and date of origin parameters. We find that both Rt and rt are sensitive to changes in sampling whilst R0 and the date of origin are relatively robust. Moreover, we find that analysis using unsampled datasets result in the most biased Rt and rt estimates for both our Hong Kong and Amazonas case studies. We highlight that sampling strategy choices may be an influential yet neglected component of sequencing analysis pipelines. SARS-CoV-2 genome sequencing data can be used to infer epidemiological parameters, but the impact of the strategy used to select samples on these estimates is rarely considered. Here, the authors produce estimates using different sampling strategies and compare results to those based on case reporting data.
登录
查看更多内容
影响因子：
6.5
作者：
Anisimova M;Gil M;Dufayard JF;Dessimoz C;Gascuel O
通讯作者：
Gascuel O
影响因子：
3.8
作者：
Frost, Simon D. W.;Pybus, Oliver G.;Bedford, Trevor
通讯作者：
Bedford, Trevor
影响因子：
28.3
作者：
Gorbalenya, Alexander E.;Baker, Susan C.;Ziebuhr, John
通讯作者：
Ziebuhr, John
影响因子：
82.9
作者：
Adam, Dillon C.;Wu, Peng;Cowling, Benjamin J.
通讯作者：
Cowling, Benjamin J.
影响因子：
5.3
作者：
Duchene, Sebastian;Featherstone, Leo;Baele, Guy
通讯作者：
Baele, Guy