PNAS:病原体突变或信息被修改,传播该如何预测?

卡内基梅隆大学的研究人员提出了一种新的数学理论,并指出了现有的经典流行病模型未涉及进化的缺点

通常,为了预测病原体在人群中的传播速度,科学家需要使用复杂的数学模型,先研究传播对象的初始步骤,然后用该比率来预测传播的范围。但现实生活中,病原体在传播中通常会因环境和医疗干预而进化,且信息被修改,那么其传播速度会怎样变化?卡内基梅隆大学的研究人员在《Proceedings of the National Academy of Sciences》对该问题展开研究。

DOI: 10.1073/pnas.1918529117

研究者将病原体的进化适应对流行病传播的影响考虑在内,提出了一种新的数学理论,并指出了现有的经典流行病模型未涉及进化的缺点。通过对出现概率的一个下界进行推导,来进一步了解突变的影响,设定菌株1不可逆地变异为传播性高的菌株2的概率为µ(1−µ),而菌株2不会突变为菌株1,结果表明µ是预测发生概率的重要因素,且揭示了µ和底层网络的关键联系。

µ对Pµ的影响

然后分别从Twitter中收集1,000个用户以及他们的朋友之间的联系网络,还通过观察,收集了美国一所高中典型上课日的联系网络,用现实生活中成千上万个计算机模拟流行病来测试该理论。

现实生活的两个联系网络

本研究的第一作者Rashad Eletreby表示,实验证明了我们提出的理论适用于现实世界的网络,同时强调,不考虑进化适应性的传统模型无法预测流行病的发生概率。该结果为经典的网络流行病理论提供了实质性的发展,并为进一步探究铺平了道路。接下来,课题组将扩展该理论,探究感染和突变的影响。

参考资料:

1. predict an epidemic, evolution can’t be ignored

2. The effects of evolutionary adaptations on spreading processes in complex networks

 

转载文章是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益,请作者持权属证明与本网站(公众号)联系,我们将及时更正、删除,谢谢。来源:生物探索