[论文解读] Genotyping coronavirus SARS-CoV-2: methods and implications

Changchuan Yin|arXiv (Cornell University)|Mar 24, 2020

SARS-CoV-2 and COVID-19 ResearchMedicine参考文献 34被引用 18

一句话总结

本文提出一种基于完整基因组多重序列比对（MSA）和基于Jaccard距离的SNP分析方法，用于SARS-CoV-2基因分型，以追踪病毒进化与传播。该方法识别出刺突蛋白（S蛋白）、RNA聚合酶、RNA引物酶及核蛋白中频繁出现的突变，凸显了其在疫苗研发与疫情监测中的关键靶点作用。

ABSTRACT

The emerging global infectious COVID-19 coronavirus disease by novel Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) presents critical threats to global public health and the economy since it was identified in late December 2019 in China. The virus has gone through various pathways of evolution. For understanding the evolution and transmission of SARS-CoV-2, genotyping of virus isolates is of great importance. We present an accurate method for effectively genotyping SARS-CoV-2 viruses using complete genomes. The method employs the multiple sequence alignments of the genome isolates with the SARS-CoV-2 reference genome. The SNP genotypes are then measured by Jaccard distances to track the relationship of virus isolates. The genotyping analysis of SARS-CoV-2 isolates from the globe reveals that specific multiple mutations are the predominated mutation type during the current epidemic. Our method serves a promising tool for monitoring and tracking the epidemic of pathogenic viruses in their gradual and local genetic variations. The genotyping analysis shows that the genes encoding the S proteins and RNA polymerase, RNA primase, and nucleoprotein, undergo frequent mutations. These mutations are critical for vaccine development in disease control.

研究动机与目标

• 开发一种基于完整病毒基因组序列的准确且可扩展的SARS-CoV-2基因分型方法。
• 通过基于SNP的基因分型，追踪SARS-CoV-2在全球范围内的传播与进化动态。
• 识别与传播力和致病性相关的关键病毒蛋白中反复出现且普遍存在的突变。
• 通过实现实时病毒遗传变异监测，支持快速监测与响应。
• 通过精确定位关键病毒蛋白中保守与可变区域，为疫苗与治疗药物设计提供依据。

提出的方法

• 对558个SARS-CoV-2完整基因组与参考基因组进行多重序列比对（MSA）。
• 从比对后的基因组中计算单核苷酸多态性（SNP）谱，以识别变异位点。
• 应用有向Jaccard距离量化遗传相似性，并推断不同毒株间的系统发育关系。
• 利用完整基因组数据确保高分辨率SNP检测，最大限度减少假阳性结果。
• 在2019年12月至2020年3月期间的全球毒株上验证该方法，覆盖14代传播。
• 同时考虑SNPs与罕见的插入/缺失事件，但因插入/缺失传播数据有限，其影响尚不明确。

实验结果

研究问题

• RQ1 在疫情早期阶段，SARS-CoV-2基因组的哪些区域突变频率最高？
• RQ2 如何利用完整基因组序列实现对全球人群SARS-CoV-2毒株的准确基因分型与追踪？
• RQ3 特定SNP谱与感染的地理或时间聚类之间存在何种关系？
• RQ4 哪些病毒蛋白最易发生突变，这些突变可能如何影响病毒适应力或免疫逃逸？
• RQ5 基于Jaccard距离分析获得的SNP特征是否能可靠预测传播模式与谱系扩散？

主要发现

• 该方法成功对截至2020年3月23日来自147个国家的558个SARS-CoV-2毒株完成基因分型，实现了全球监测。
• 频繁共现突变（241C→T、3037C→T、23403A→G）主要见于欧洲毒株，与高传播力及严重临床结局相关。
• S蛋白、RNA聚合酶（nsp12）、RNA引物酶（nsp8）和核蛋白（N）是突变频率最高的基因。
• 估计每代病毒平均发生1次突变，单个谱系在3.5个月内（2019年12月至2020年3月）最多观察到14次突变，表明约14代传播。
• 美国伊利诺伊州一例病例显示，两次密切间隔感染间仅存在1个突变（28854C→Y），证实该方法在传播链追踪中具备高分辨率。
• 插入与缺失突变虽罕见但被观察到；由于基因组数据有限，其传播潜力尚不明确。