Statistical Machine Learning in Population Genetics and Its Application to Infectious Disease Epidemiology

点击翻译按钮获取中文摘要

本研究では，遺伝子の多様性を表す集団遺伝学モデルに感染者数を表す疫学モデルを組み込み，ウイルスの多様性から感染者数や変異ウイルスの割合の時間変動を推定する手法を開発し，実際に観測される遺伝子データと疫学データを統計的機械学習により解析し，データ同化の手法を用いて感染者数や変異株の割合がどのように変化するかをリアルタイムに予測するとともに，予測の精度を検証することを目的としている。2021年度までに変異株の従来株に対する相対実効再生産数を計算し，従来株から変異株への置き換わりを予測する手法を開発した。2022年度は，本手法を英国でのアルファ株からデルタ株への置き換わりのデータに適用し，変異株の流行初期のデータからどの程度正確な予測が可能であるか検証した。その結果，デルタ株の相対頻度が0.15に達した時点で（デルタ株の相対頻度が0.90に達する一カ月前に），アルファ株に対するデルタ株の相対再生産数および相対頻度の時系列推移を正確に予測できることを明らかにした(Viruses, 2022)。また，同手法を相対実効再生産数のみならず相対的な世代時間も推定できるように拡張し，デンマークのデータを用いてオミクロン株の世代時間がデルタ株のそれに比べて0.49 倍(95％信頼区間0.46-0.51倍)であることを明らかにした(Math Biosci Eng, 2022)。これらの結果に基づき，国内における変異株の割合の推移をリアルタイムに予測し，厚生労働省アドバイザリーボードに計9回報告した。