[论文解读] Endogenous viral mutations, evolutionary selection, and containment policy design

Patrick Mellacher|arXiv (Cornell University)|Jul 9, 2021

COVID-19 epidemiological studies参考文献 62被引用 6

一句话总结

本文开发了一种基于宿主的进化动态模型，用于研究防控政策如何影响SARS-CoV-2的演化，结果表明，仅针对有症状个体的政策会无意中促进潜伏期更长、无症状传播率更高的变异株。关键的是，短期内减少感染的成效可能掩盖因病毒进化适应而导致的长期持续传播风险。

ABSTRACT

How will the novel coronavirus evolve? I study a simple epidemiological model, in which mutations may change the properties of the virus and its associated disease stochastically and antigenic drifts allow new variants to partially evade immunity. I show analytically that variants with higher infectiousness, longer disease duration, and shorter latent period prove to be fitter. "Smart" containment policies targeting symptomatic individuals may redirect the evolution of the virus, as they give an edge to variants with a longer incubation period and a higher share of asymptomatic infections. Reduced mortality, on the other hand, does not per se prove to be an evolutionary advantage. I then implement this model as an agent-based simulation model in order to explore its aggregate dynamics. Monte Carlo simulations show that a) containment policy design has an impact on both speed and direction of viral evolution, b) the virus may circulate in the population indefinitely, provided that containment efforts are too relaxed and the propensity of the virus to escape immunity is high enough, and crucially c) that it may not be possible to distinguish between a slowly and a rapidly evolving virus by looking only at short-term epidemiological outcomes. Thus, what looks like a successful mitigation strategy in the short run, may prove to have devastating long-run effects. These results suggest that optimal containment policy must take the propensity of the virus to mutate and escape immunity into account, strengthening the case for genetic and antigenic surveillance even in the early stages of an epidemic.

研究动机与目标

• 研究不同防控政策如何影响SARS-CoV-2的演化轨迹，特别是传播能力、潜伏期和免疫逃逸能力。
• 评估短期内通过减少感染实现的公共卫生成效是否可能因病毒的进化适应而导致长期病毒持续存在。
• 评估政策设计对病毒演化速度和方向的影响，尤其是在不同水平的交叉免疫力条件下。
• 探讨早期流行病学结果在多大程度上能可靠地区分病毒的短暂流行与长期流行（地方性）情景。
• 倡导在早期大流行应对策略中整合基因组和抗原性监测，以预见长期演化风险。

提出的方法

• 开发一种简化的基于个体的模型，模拟具有动态感染状态（易感、潜伏、传染、康复）的人群。
• 引入随机突变，以改变病毒的关键特征：传播能力、疾病持续时间、潜伏期和潜伏时间。
• 将抗原漂变建模为一种过程，使新变异株能够部分逃避免疫记忆，其适应度由传播优势决定。
• 构建一个适应度景观，其中传播能力更强、潜伏期更短、疾病持续时间更长的变异株在进化上更具优势。
• 模拟多种防控政策情景，包括仅隔离有症状者，并通过系统发育距离和抗原距离指标追踪病毒演化。
• 使用蒙特卡洛模拟在500个时间步长内分析总体动态，包括再感染率和病毒谱系的持续存在。

实验结果

研究问题

• RQ1 防控政策的设计在多大程度上影响SARS-CoV-2演化的速度和方向？
• RQ2 在不同政策制度下，特别是仅针对有症状个体的政策下，哪些病毒特征在进化上更具优势？
• RQ3 如果病毒演化加速，短期内感染减少是否可能成为长期疫情控制的误导性指标？
• RQ4 在何种条件下，病毒可能在持续防控努力下仍长期存在于人群中？
• RQ5 早期流行病学结果在多大程度上能可靠预测病毒是否会演变为地方性流行？

主要发现

• 传播能力更强、疾病持续时间更长、潜伏期更短的变异株在进化上更具适应性，能取代其他毒株。
• 仅隔离有症状个体的防控政策会间接促进潜伏期更长、无症状传播率更高的变异株。
• 死亡率降低并不直接赋予进化优势，因为适应度主要由传播动力学决定。
• 蒙特卡洛模拟显示，过度宽松的防控措施与高免疫逃逸潜力相结合，可能导致病毒在人群中无限期持续传播。
• 仅凭短期流行病学数据，往往难以区分缓慢演化与快速演化的病毒。
• 短期缓解成效可能带来长期进化后果，从而削弱公共卫生成效，凸显了早期基因组和抗原性监测的必要性。