[論文レビュー] The seasonal flight of influenza: a unified framework for spatiotemporal hypothesis testing

Philippe Lemey, Andrew Rambaut+9 more|arXiv (Cornell University)|Oct 22, 2012

COVID-19 epidemiological studies参考文献 1被引用数 8

ひとこと要約

本研究では、インフルエンザA(H3N2)の拡散における時空間的要因を検証するため、ウイルス遺伝データと複数の移動予測要因を統合する統一的系統地理的フレームワークを提示する。空港輸送、人口統計、疫学的監視、サンプリングデータを用いた拡散モデルにより、H3N2の世界的な拡散において空港輸送が主要な駆動要因であることが判明した。一方、地域的移動（例えば通勤）は、地理的距離と人口密度の影響を通じて推定された。

ABSTRACT

Global mobility flow data are at the heart of spatial epidemiological models used to predict infectious disease behavior but this wealth of data on human mobility has been largely neglected by reconstructions of pathogen evolutionary dynamics using viral genetic data. Although stochastic models of viral evolution may potentially be informed by such data, a major challenge lies in deciding which mobility processes are critical and to what extent they contribute to shaping contemporaneous distributions of pathogen diversity. Here, we develop a framework to integrate predictors of viral diffusion with phylogeographic inference and estimate human influenza H3N2 migration history while simultaneously testing and quantifying the factors that underly it. We provide evidence for air travel governing the global dynamics of human influenza whereas other processes act at a more local scale.

研究の動機と目的

• 複数の移動予測要因の寄与を検証しつつ、インフルエンザA(H3N2)の時空間的歴史を統合的に再構築するモデルの開発を目的とする。
• 空港輸送と地域的通勤のどちらが季節的インフルエンザ拡散を支配するかという矛盾する証拠を、ウイルス遺伝データを実証的根拠として解消することを目的とする。
• 空港輸送、地理的距離、人口密度、サンプリングバイアスの相対的な重要性が、世界的なH3N2拡散パターンに与える影響を定量化することを目的とする。
• 遺伝データを用いて生態的および人口統計的予測要因を系統地理学的推論で統合的にテストする、スケーラブルで統計的に厳密な手法を提供することを目的とする。
• 疫学的監視データに依存せず、ウイルス配列から直接的に伝播駆動要因を推論可能にする。

提案手法

• 複数の予測要因の包含インジケータをパrameter化した離散的拡散プロセスを用いたベイジアン系統地理的モデルを用いる。
• 各予測要因がウイルス移動率に与える条件付き効果サイズを推定するため、一般化線形モデル（GLM）フレームワークを適用する。
• 各予測要因の包含確率を表すインジケータ変数（δ）を用い、事後期待値E[δ]でモデルの支持度を定量化する。
• 各予測要因の包含に関する証拠を評価し、モデル適合度を比較するためにベイズ因子を組み込む。
• 2つの空間的分割を分析する：14の空港コミュニティ（空港輸送ネットワークに基づく）と15/26の地理的・行政的地域。
• サンプリングサイズを予測要因として明示的に組み込み、配列データにおける潜在的なサンプリングバイアスを補正する。

実験結果

リサーチクエスチョン

• RQ1 どの人間の移動プロセスがインフルエンザA(H3N2)の世界的な空間的拡散を最も強く駆動するか？
• RQ2 空港輸送は、世界的な地域間におけるH3N2の遺伝的多様性と移動パターンをどの程度説明できるか？
• RQ3 地域的移動要因（例えば通勤、地理的距離、人口密度）は、地域的スケールでのH3N2拡散にどのように寄与するか？
• RQ4 ウイルス遺伝データを用いて、移動ネットワークに基づく病原体拡散モデルを実証的に検証または反証できるか？
• RQ5 系統地理的推論と予測要因のテストを統合することで、病原体進化ダイナミクスの解釈をどのように改善できるか？

主な発見

• 空港輸送（地点間の乗客輸送量）は、事後的サポートが著しく高く（E[δ] ≈ 1）、対数スケールでの条件付き効果サイズが1に近いことから、世界的なH3N2拡散の主要な駆動要因であることが示された。
• 14の空港コミュニティに分けた解析では、地理的接近度、緯度、人口規模、抗原的乖離、H3感染率に有意な寄与は認められず、空港輸送の優位性が強調された。
• 15/26の地理的・行政的地域に分けた解析では、地理的距離が有意に負の寄与を示し、地域的移動（例えば通勤）が地域スケールでの拡散に重要な役割を果たしていることが示された。
• 人口密度は負の回帰係数を示し、人口が密集した地域への移動率が低いか、移動性・伝播効率が低下している可能性を示唆した。
• サンプリングサイズは有意な予測要因であり、その組み込みによりモデルの信頼性が向上し、潜在的なサンプリングバイアスの影響を吸収した。
• モデルは、空港輸送が長距離H3N2伝播を支配している強力な証拠を提供したが、通勤などの他の移動プロセスは地域的スケールでより重要であると考えられる。