A Novel Sequence-Based Antigenic Distance Measure for H1N1, with Application to Vaccine Effectiveness and the Selection of Vaccine Strains
H1N1流感导致大量季节性疾病，是2009年流感大流行的亚型。精确测量疫苗和流行病毒株之间的抗原距离有助于研究人员设计具有高疫苗有效性的流感疫苗。我们在这里介绍一种基于序列的方法来预测疫苗在人类中的有效性。历史流行病学数据显示，这种基于序列的方法与雪貂动物模型研究的血凝抑制（HI）试验数据一样可预测疫苗有效性。有趣的是，预期的疫苗对H1N1的有效性大于对H3N2的有效性，这表明对H1N1的免疫应答比对H3N2的免疫应答更强。H1N1中血凝素的进化速率也显示出大于H3N2中的血凝素的进化速率，推测是由于更大的免疫选择压力。
2012-04-27 q-bio.PE
Cellular reproduction number, generation time and growth rate differ between human- and avian-adapted influenza strains
在分析体外数据时，流感病毒株的生长动力学通常通过计算其生长速率来进行比较，有时将其用作适应性的代理。然而，类似于机械流行病模型，增长率可以定义为两个参数的函数：基本繁殖数（每个感染细胞感染的平均细胞数）和平均世代时间（复制周期的平均长度）。使用一个机制模型，先前发表的来自人类肺细胞实验的数据和新生成的数据，我们比较了六种甲型流感病毒株的所有三个参数的估计值。利用先前发表的数据，我们发现两种人类适应的毒株（2009年前的季节性H1N1和大流行性H1N1）比两种禽类适应的毒株（H5N1和H7N9）具有更低的基本繁殖数，更短的平均世代时间和更慢的生长速率。然后在新实验的数据中观察到这些相同的差异，其中两种菌株被改造为具有不同的内部蛋白（大流行性H1N1和H5N1），但具有相同的表面蛋白（PR8），这证实了我们的初步发现，并暗示菌株之间的差异是由内部基因驱动的。此外，该模型预测，在病毒载量达到峰值时，适应人类的毒株比适应禽类的毒株经历了更多的复制周期，可能更快地积累突变。这些结果表明，在体外繁殖的数量，世代时间和生长速率之间的人类适应和禽流感病毒株不同，因此可以用来评估宿主适应的内部蛋白质，以告知大流行的风险评估。
2019-03-19 q-bio.CB q-bio.PE
Immunity-induced criticality of the genotype network of influenza A (H3N2) hemagglutinin
季节性流感每年造成数十万人死亡，在任何特定时间都有多种不断变化的毒株在流通。高突变率使流感病毒能够逃避人类免疫系统的识别，包括通过过去的感染和疫苗接种获得的免疫力。在这里，我们捕捉流感病毒株的遗传相似性和它们的演化动力学与基因型网络。我们发现，流感病毒A（H3N2）血凝素的基因型网络的特点是重尾分布的模块大小和连接，这表明临界行为。我们认为：（i）基因型网络由突变和宿主免疫驱动，以探索结构可预测的网络子空间，（ii）基因型网络提供了捕获多菌株流行病模型丰富动态所必需的底层结构。特别是，包括应变超越免疫流行病模型是依赖于一个潜在的基因型网络的结构。这种相互作用表明了一种自组织临界性，其中流感的流行动力学位于其基因型网络的临界区域。我们的结论是，疾病动态和网络结构之间的相互作用可能是未来的网络分析的病原体进化和现实的多菌株流行病模型的关键。
2021-09-25 nlin.AO q-bio.PE
A minimal stochastic model for influenza evolution
我们介绍并讨论了一个最小的基于个人的流感动力学模型。该模型考虑了针对病毒株的特异性免疫的影响，但也感染性的随机性和最近在文献中提出的一个短暂的应变超越免疫力的存在。我们通过模拟表明，由此产生的模型表现出替代的病毒株沿年，但他们的分歧仍然有界。我们还表明，放弃任何这些特征都会导致截然不同的行为，导致疾病的灭绝，病毒株的增殖或它们的分歧。
2005-05-18 cond-mat.dis-nn cond-mat.other q-bio.OT
On the use of multiple compartment epidemiological models to describe the dynamics of influenza in Europe
我们建立了一个多室易感-感染-传播（SIR）模型来分析几种传染病在不同地理区域的传播。此外，我们还提出了一个数据质量敏感的优化框架，用于将该模型拟合到观察到的数据。我们将该模型与欧洲$7$流感季节中六种流感毒株之一感染人数的时间曲线拟合。除了描述流感的时间和空间传播外，该模型还提供了对每个季节每种毒株的国家间和国家内感染率和恢复率的估计。我们发现，疾病参数保持相对稳定，相关性大于$0.5$的季节和污渍。通过推断的疾病参数对流感毒株进行聚类与基因组亚型一致。令人惊讶的是，我们的分析表明，国家间的人员流动在欧洲流感传播中的作用可以忽略不计。最后，我们表明，该模型可以估计疾病负荷的国家与贫困或不存在的数据，在邻近国家的疾病负荷。我们的研究结果揭示了流感传播机制和疾病参数的信息。这些可用于协助疾病监测和控制流感以及异源环境中的其他传染性病原体。
2019-06-18 physics.soc-ph q-bio.PE stat.AP
Integrating influenza antigenic dynamics with molecular evolution
流感病毒经历持续的抗原进化，使突变病毒逃避宿主对先前病毒株获得的免疫。抗原表型通常通过使用血凝抑制（HI）测定成对测量流感毒株之间的交叉反应性来评估。在这里，我们扩展了以前的方法，抗原制图，并同时表征抗原和遗传进化的抗原表型的扩散超过一个共享的病毒同源性建模。使用来自流感谱系A/H3N2，A/H1N1，B/Victoria和B/Yamagata的HI数据，我们确定了病毒谱系之间的抗原漂移模式，表明A/H3N2比其他流感谱系进化得更快，并且以更间断的方式进化。我们还表明，逐年抗原漂移似乎驱动每个流感谱系内的发病模式。这项工作使得有可能在调查流感和其他抗原可变病原体的动态提供了一个模型，密切结合分子和抗原进化的实质性未来的进展。
2013-12-20 q-bio.PE q-bio.QM stat.AP
Emergenet: A Digital Twin of Sequence Evolution for Scalable Emergence Risk Assessment of Animal Influenza A Strains
University of Chicago（芝加哥大学）；Pritzker School of Molecular Engineering, University of Chicago（芝加哥大学普利兹克分子工程学院）；Committee on Immunology, University of Chicago（芝加哥大学免疫学委员会）；Committee on Quantitative Methods in Social, Behavioral, and Health Sciences, University of Chicago（芝加哥大学社会、行为与健康科学定量方法委员会）
本研究针对动物甲型流感病毒株出现潜力评估能力有限的问题，提出Emergenet工具，通过序列进化数字孪生预测变异株出现路径，其性能优于现有方法且速度大幅提升，为大流行预防提供新途径。
2024-11-26 cs.LG q-bio.PE stat.ML
Reconstruction of disease transmission rates: applications to measles, dengue, and influenza
传播率是了解传染病传播的关键。使用隔室模型的框架，我们引入了一种简单的方法，使我们能够直接从发病率或疾病相关死亡率数据重建传播率的时间序列。重建利用微分方程，它模拟了感染阶段和菌株的时间演变。由于该方法对初值敏感，因此能得到渐近正确的解。计算速度很快，时间复杂度为二次方。我们将重建应用于麻疹（英格兰和威尔士，1948-67），登革热（泰国，1982-99）和流感（美国，1910- 1927）。麻疹的例子提供了与早期工作的比较。在这里，我们重新调查报告更正，包括和排除人口统计信息。登革热的例子涉及泰国在减少登革出血热方面的病媒控制措施的失败。两个相互竞争的机制负责：应变相互作用和人口转变。我们的重建表明，这两种解释都是可能的，表明DHF病例的增加与减少病媒计数导致的传播率下降一致。流感的例子集中在1918/19年的大流行，研究了入侵菌株的传播率演变。我们的分析表明，大流行毒株可能已经在人群中传播了许多个月，然后才由高度增加的传播事件引发大流行。
2014-08-04 q-bio.PE q-bio.QM
Seasonality in the migration and establishment of H3N2 Influenza lineages with epidemic growth and decline
背景：自1968年以来，甲型H3N2流感一直在人类中传播，造成相当大的发病率和死亡率。虽然H3N2的发病率是高度季节性的，但这种季节性如何影响全球跨地理迁移动态尚未确定。结果：消除季节性变化的迁移率，提高了迁移的建模。在我们的全球模型中，移民增加的窗口映射到流行病传播的季节性时间，而移民增加的窗口映射到流行病下降。季节性模式也与局部谱系灭绝的可能性相关，并且无法对长期病毒进化做出贡献，如通过繁殖的主干所测量的。然而，在每个社区的树干的分数被认为是更好地确定其整体人口规模的结论：季节洄游和快速营业额内的地区是持续入侵的“肥沃的流行病"在年底的老流行病。因此，目前对包括航空旅行在内的连通性的强调，应辅之以对成功建立所需条件和时间的更好理解。考虑到移徙季节性的模型将提高我们对流感季节性驱动因素的理解，加强流行病学预测，并通过识别不仅逃避免疫而且有季节性机会建立和传播的菌株来改善疫苗更新。还需要进一步研究导致流感在人群中持续存在和长期演变的其他条件，例如气候和季节性的空间异质性
2015-02-05 q-bio.PE
Concepts and methods for predicting viral evolution
针对季节性人流感病毒快速进化问题，提出整合序列、流行病学、抗原特征及病毒表型数据的预测流程，可估计毒株相对适应性、预测分支频率并评估候选疫苗株保护力，相关预测可通过指定网站获取。
2024-11-27 q-bio.PE
An epidemic model for an evolving pathogen with strain-dependent immunity
在两次大流行之间，流感病毒通过一种称为抗原漂移的过程表现出渐进进化的时期。这一过程产生了一系列病原体菌株，这些菌株不断被更新的菌株所取代，从而阻止了宿主群体中免疫力的建立。在本文中，一个吝啬的流行病模型的定义，试图捕捉动态的不断变化的菌株在一个主机人口。“进化毒株”流行病模型具有许多介于易感-感染-易感和易感-感染-消除流行病模型之间的性质，因为个体只能被每种毒株感染一次，但仍然容易被新出现的毒株再次感染。耦合结果用于识别关键属性，如灭绝时间。一系列的繁殖数进行了探讨，以表征该模型，包括一个新的准稳态繁殖数，可用于描述重新出现的病原体进入人口的“平均”水平的应变免疫力，类似于冬季流感高峰的开始。最后，通过模拟探讨了演化应变模型的准平稳分布。
2020-08-17 q-bio.PE stat.AP
Dimensionality reduction for k-means clustering of large-scale influenza mutation datasets
本研究整合基因组分析、聚类与PCA、t-SNE、UMAP三种降维方法，分析疫情前后流感数据集，揭示了COVID-19期间选择压力对流感遗传多样性的影响，为公共卫生干预提供关键见解。
2025-04-04 q-bio.GN q-bio.PE
Quantifying Selection and Diversity in Viruses by Entropy Methods, with Application to the Hemagglutinin of H3N2 Influenza
许多病毒进化得很快。例如，H3 N2甲型流感病毒的血凝素进化为逃避抗体结合。H3 N2病毒的这种进化意味着以前接触过流感病毒株的人可能会被新出现的病毒感染。本文利用Shannon熵和相对熵对1992-1993年和2009-2010年两季H3血凝素各氨基酸位点的多样性和抗体的选择压力进行了测度。香农熵和相对熵是两个独立的状态变量，我们用来表征H3 N2的演变。熵方法估计未来H3 N2的演变和迁移使用目前可用的H3血凝素序列。首先，我们表明，在当前季节的病毒多样性的进化速度增加。当前季节序列的香农熵预测当前季节序列与下一季节序列之间的相对熵。其次，通过比较在中国、日本、美国和欧洲采样的序列的相对熵流，组装了H3 N2的全球迁移模式。我们通过描述历史H3 N2演变的两个方面来验证这种熵方法。首先，我们确定了血凝素中的54个氨基酸位点，这些位点在过去已经进化为逃避免疫系统。第二，熵方法显示，血凝素顶部的表位A和B进化最剧烈，以逃避抗体结合。我们的工作提供了一种新的基于熵的方法来预测和量化未来的H3 N2进化，并描述H3 N2的进化历史。
2012-04-26 q-bio.PE
Seasonal transmission potential and activity peaks of the new influenza A(H1N1): a Monte Carlo likelihood analysis based on human mobility
6月11日，世界卫生组织正式将大流行病警戒级别（针对新的H1N1流感毒株）提高到6级。我们使用一个全球结构化集合种群模型，整合了全球范围内的流动性和运输数据，以估计传播潜力和相关的模型参数，我们使用的是2009年新型甲型流感（H1N1）的年表数据。该方法是基于最大似然分析的到达时间分布模型在12个国家播种墨西哥使用1 M计算模拟流行病。一个扩展的年表，包括全球93个国家在6月18日之前播种，用于确定季节性影响。我们发现基本生殖数的最佳估计值R 0 = 1.75（95%CI 1.64至1.88）。相关性分析允许根据观察到的模式选择最可能的季节性行为，从而确定未来大流行演变的合理情景，并估计不同半球的大流行活动高峰。我们提供了下一波的住院人数和发病率的估计，以及对疾病参数值的广泛敏感性分析。我们还研究了抗病毒药物的系统治疗使用对流行时间轴的影响。分析显示，北半球可能在10月/11月出现早期流行高峰，可能在大规模疫苗接种运动之前。我们认为，计划额外的缓解政策，如系统的抗病毒治疗可能是延迟活动高峰的关键，以恢复疫苗接种计划的有效性。
2009-09-14 cond-mat.stat-mech physics.soc-ph q-bio.PE
