SCOTTI：基于结构化合并模型的疫情内传播高效重建
种群与进化
2017-02-08 v1
摘要
利用病原体基因组重建传播是对抗传染病的有力工具。然而，对其的解释依赖于若干简化假设，这些假设经常忽略真实数据的重要复杂性，特别是宿主内进化与未采样患者。在此我们提出一种称为SCOTTI（结构化合并传播树推断，Structured COalescent Transmission Tree Inference）的传播推断新方法。该方法基于一个统计框架，将每个宿主建模为不同的种群，并将宿主间传播视为迁移事件。我们对这一模型的计算高效实现能够在容纳宿主内进化与未采样宿主的同时推断宿主间传播。SCOTTI作为系统发育软件BEAST2的开源包发布。我们表明，SCOTTI通常即使在存在显著宿主内变异的情况下也能推断传播事件，能够考虑与未采样宿主可能存在相关的不确定性，并且能有效利用同一宿主的多个样本数据，尽管当样本在感染时间附近很近采集时准确性有所降低。我们通过研究英格兰口蹄疫病毒（FMDV）兽医疫情和尼泊尔新生儿病房肺炎克雷伯菌疫情中的遗传与流行病学数据来说明我们方法的特征。利用SCOTTI推断的传播历史对于制定预防和阻止传播的有效措施十分重要。
引用
@article{arxiv.1603.01994,
title = {SCOTTI: Efficient Reconstruction of Transmission within Outbreaks with the Structured Coalescent},
author = {Nicola De Maio and Chieh-Hsi Wu and Daniel J Wilson},
journal= {arXiv preprint arXiv:1603.01994},
year = {2017}
}