利用序列数据研究驱动高致病性禽流感在英国传播的相互作用空间尺度
种群与进化
2024-11-18 v1
摘要
H5N1 高致病性禽流感（HPAI）近期以此前未见的模式流行。由于潜在原因不确定，我们需要更好地了解病毒传播的驱动因素，因为它们支撑着传播过程，并能为 HPAI 的影响提供信息。我们结合感染数据和鸟类种群数据，利用随机森林模型量化可能感染风险因素的空间聚合值与 HPAI 爆发的病毒系统发育数据之间的关系，以界定影响病毒传播的相互作用尺度。由于遗传邻近性与传播邻近性相关，序列的遗传关系和相关变量指示了驱动传播的相互作用的尺度和分辨率。我们使用了来自英国的 H5N1 序列，分为两个时期：2020 年 12 月至 2022 年 5 月，以及 2022 年 6 月至 10 月。最终选定空间尺度的模型显示，第一时期野禽数量和地理距离是遗传距离的最强预测因子；第二时期则是地理距离、采集日期和农场数量。与感染相关的变量在分析时期具有不同的空间尺度，而描述环境的变量具有更一致的尺度。不同时期预测因子的差异值得进一步研究，但可能与病毒差异、传播区域或季节因素有关。这是首个表明野禽在 HPAI 传播中可能发挥作用的系统发育研究，支持实验研究，但必须谨慎看待，因为我们的研究不表明直接因果关系。我们表明空间聚合的尺度依赖于变量，并反映了潜在过程的尺度。未来我们的发现可用于研究 HPAI 动态并设计针对性的监测和干预策略。
引用
@article{arxiv.2411.10424,
title = {Using sequence data to study spatial scales of interactions driving spread of Highly Pathogenic Avian Influenza in Great Britain},
author = {Anna Gamża and Sam Lycett and Aeron Sanchez and Rowland Kao},
journal= {arXiv preprint arXiv:2411.10424},
year = {2024}
}