[论文解读] Antigenic waves of virus-immune co-evolution

Jacopo Marchi, Michael Lässig+2 more|arXiv (Cornell University)|Feb 20, 2021

Evolution and Genetic Dynamics参考文献 29被引用 1

一句话总结

本文提出了一套关于有限维抗原空间中病毒-免疫共同进化的数学理论，建模了交叉反应性免疫如何驱动抗原波的传播。该理论通过解析推导，揭示了波的传播速度、形状及横向扩散特性，发现了一种新的涌现时间尺度——波方向的持续时间，其长度超过控制季节性流感可预测性的病毒共祖时间。

ABSTRACT

The evolution of many microbes and pathogens, including circulating viruses such as seasonal influenza, is driven by immune pressure from the host population. In turn, the immune systems of infected populations get updated, chasing viruses even further away. Quantitatively understanding how these dynamics result in observed patterns of rapid pathogen and immune adaptation is instrumental to epidemiological and evolutionary forecasting. Here we present a mathematical theory of co-evolution between immune systems and viruses in a finite-dimensional antigenic space, which describes the cross-reactivity of viral strains and immune systems primed by previous infections. We show the emergence of an antigenic wave that is pushed forward and canalized by cross-reactivity. We obtain analytical results for shape, speed, and angular diffusion of the wave. In particular, we show that viral-immune co-evolution generates a new emergent timescale, the persistence time of the wave's direction in antigenic space, which can be much longer than the coalescence time of the viral population. We compare these dynamics to the observed antigenic turnover of influenza strains, and we discuss how the dimensionality of antigenic space impacts on the predictability of the evolutionary dynamics. Our results provide a concrete and tractable framework to describe pathogen-host co-evolution.

研究动机与目标

• 理解在宿主免疫压力下，导致季节性流感等病原体快速抗原进化之定量机制。
• 在共同的抗原空间中，对病毒株与宿主免疫记忆的联合动力学进行建模，考虑交叉反应性。
• 识别由协同进化反馈所引发的涌现动力学特征，如波的传播与横向扩散。
• 量化抗原空间维度对抗病毒进化可预测性与物种形成的影响。
• 为预测病原体进化并指导疫苗株选择，提供一种可处理的、解析的理论框架。

提出的方法

• 通过病毒密度 n(x,t) 与免疫记忆密度 h(x,t) 的联合随机微分方程，在 d 维抗原空间中构建粗粒化模型。
• 利用核函数 H(x−x′)=exp(−|x−x′|/r) 建模免疫交叉反应性，其中 r 为交叉反应范围。
• 通过分析病毒增殖与免疫介导的适应度下降之间的非线性耦合，推导出 d 维抗原波解。
• 使用解析近似与模拟研究波的运动、形状与稳定性，包括垂直于波传播方向的横向扩散。
• 应用拉普拉斯方法（鞍点近似）估算罕见事件（如因横向发散导致的病毒物种形成）的概率。
• 通过数值模拟验证结果，计算效率通过快速傅里叶变换与空间近似方法实现优化。

实验结果

研究问题

• RQ1 交叉反应性免疫如何将病毒进化引导为传播的抗原波？
• RQ2 在高维抗原空间中，抗原波的速度、形状及横向扩散由什么决定？
• RQ3 波的方向持续时间为何？其与病毒共祖时间相比如何？
• RQ4 抗原空间的维度 d 如何影响病毒进化轨迹的可预测性？
• RQ5 病毒群体中物种形成（分裂）事件的发生率是多少？其如何依赖于免疫交叉反应性与波动力学？

主要发现

• 抗原波的传播速度与病毒突变率及基本再生数的平方根成正比，波的形状由突变与免疫选择之间的平衡决定。
• 波在垂直于其传播方向上表现出横向扩散，其均方位移 ⟨x⊥²⟩ ∝ t³，由免疫记忆分布的随机涨落驱动。
• 一种新的涌现时间尺度——波方向的持续时间——被识别出来，其长度可远超病毒共祖时间，从而增强病毒进化的可预测性。
• 物种形成（分裂）事件的发生率满足 ksplit ≈ (3/8)·(v²/4D)·exp[−(2⁹s³R₀^(-2/M))/(9(d−1)D²Δx₀²r²v⁵)]^(1/4)，其依赖于交叉反应范围 r 与维度 d。
• 该理论预测，更高的抗原维度（d）会抑制横向扩散并提升可预测性，因为高维空间中抗原分化受到抑制。
• 该模型成功再现了流感抗原进化的关键特征，包括弹道波运动与罕见分裂事件，与经验数据一致。