计算机建模洞察COVID-19鼻腔样本数据中极端异质性的洞察力
Leyi Zhang1, Han Cao1, Karen Medlin1
1Department of Mathematics and Carolina Center for Interdisciplinary Applied Mathematics, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599, USA.
Viruses
|January 23, 2024
概括
像COVID-19这样的鼻腔感染中的病毒载荷异质性主要是由受感染细胞开始释放病毒RNA所需的时间驱动的. 测试时间也显著影响观察到的病毒标位.
科学领域:
- 计算生物学是一种计算生物学.
- 病毒学 病毒学
- 传染病建模传染病模型
背景情况:
- 随着COVID-19大流行,大量的鼻抽样数据产生,揭示了个体间病毒载荷的显著异质性.
- 了解这种异质性的驱动因素对于理解病毒性呼吸道感染至关重要.
研究的目的:
- 调查导致在早期鼻腔感染中观察到的病毒载荷广泛变化的因素.
- 为了确定宿主生理学,病毒动力学和测试时间对感染动态的影响.
主要方法:
- 发展一个生理忠实,空间解析,鼻道感染的随机计算模型.
- "虚拟人口"的模拟,其中存在宿主因素 (粘液厚度,清除) 和病毒动态的变化.
- 应用全局数据分析来隔离感染结果对个别模型参数的敏感性.
主要成果:
- 模型模拟成功地重现了病毒标位中观察到的六次数异质性.
- 感染细胞的潜伏时间 (病毒RNA脱落的时间) 被确定为人口异质性的主导指数驱动因素.
- 病毒RNA脱落率和鼻检测的时间也是异质性的重要贡献者.
结论:
- 早期的鼻腔感染动态和人口异质性最强烈地受到从初始感染到病毒RNA分泌的时间的影响.
- 主体特异性因素和病毒特征起着作用,但采样时间是观察到的病毒载荷的关键决定因素.
- 这些发现提供了SARS-CoV-2感染动态对其他病毒性呼吸道感染的概括性的见解.


