研究人员用统计物理学来解释不同COVID-19变种的传播效率

然而，这是一项具有挑战性的任务，加州大学河滨分校物理学和天文学助理教授约翰·巴顿说，他正在美国物理学会三月会议上展示他题为"从基因组监测数据推断突变对SARS-CoV-2传播的影响"的研究结果。

"现有的研究这个问题的计算方法往往要么难以应用于大量的数据，要么依赖于非常限制性的假设，"巴顿说。"实验也可以提供关于不同突变如何影响病毒的极好信息，但它们不能用于直接研究SARS-CoV-2在人类中的传播。"

巴顿和他的同事开发了一种新的计算方法，通过应用流行病学中的统计物理学数学模型技术来解决这个问题。他们的方法使他们能够审视基因组监测数据--从感染者身上收集的SARS-CoV-2序列--随着时间的推移和世界各地的许多地区，并找到不同的突变对SARS-CoV-2传播的影响，最好地解释整个大流行中观察到的病毒的进化史。

巴顿说："我们的方法的几个新特点是，它可以解释感染者在区域之间的旅行，这是大多数其他模型无法做到的，而且我们使用的基于物理学的方法使我们能够写下不同突变的传播效果的精确数学表达式，而不是依靠数字模拟来估计这些参数。"

在模拟验证了他们的方法之后，Barton和他的同事将其应用于GISAID数据库中的160多万条SARS-CoV-2序列，这些序列是从87个地理区域收集的。

巴顿说："许多研究都集中在SARS-CoV-2的Spike蛋白的突变上，我们的分析支持对尖峰蛋白作为SARS-CoV-2传播的主要驱动力的这种结论。我们发现的最有影响的突变中约有一半是在尖峰蛋白中，包括前四个突变中的三个。然而，我们也发现了尖峰蛋白之外的多个突变，它们似乎强烈地增加了病毒的传播。其中一些可能成为未来实验的良好目标，以了解不同的突变如何影响SARS-CoV-2的功能"。

巴顿解释说，他们的方法也足够敏感，能够揭示出以前被认为是中性的突变对SARS-CoV-2传播的好处。团队还能够非常迅速地检测到一些主要的新变种，如Alpha和Delta的传播增加，在它们出现在区域数据的一周内。该团队在撰写论文时考虑的数据集并不包括Omicron变种的序列，因为数据只收集到2021年8月为止。

"然而，即使在数据中没有观察到任何Omicron序列，我们已经估计Omicron会比Alpha更容易传播，只是基于它与其他SARS-CoV-2变种共享的突变，虽然我们在分析中特别关注SARS-CoV-2，但我们的方法非常普遍，可以应用于研究其他病原体的传播，如流感。"

这项研究由巴顿实验室的研究生Brian Lee和Elizabeth Finney领导，合作者包括香港科技大学的Muhammad Sohail、Syed Ahmed和Ahmed Quadeer；以及澳大利亚墨尔本大学的Matthew McKay。