从病毒深序列数据推断艾滋病毒传播模式,通过潜伏类型点过程
Fan Bu1,2, Joseph Kagaayi3, Mary Kate Grabowski4
1Department of Biostatistics, University of California - Los Angeles, Los Angeles, CA 90024, United States.
Biometrics
|February 19, 2024
概括
这项研究引入了一种新的空间模型,用于使用深度测序数据分析人类免疫缺陷病毒 (HIV) 传播模式. 该方法在概率上推断出传播链接和方向,提供了对疾病传播的更全面的了解.
科学领域:
- 流行病学 流行病学
- 计算生物学 计算生物学
- 统计建模 统计建模
背景情况:
- 病毒深度测序提供了比桑格测序更高的分辨率,以了解疾病传播.
- 病毒序列的遗传学分析提供了传播的证据,但具有固有的不确定性.
- 现有的方法通常需要对传输状态进行预分类,从而限制了它们的灵活性.
研究的目的:
- 开发一种新的空间Poisson过程模型,用于推断人类免疫缺陷病毒 (HIV) 传播流动模式.
- 从深度测序数据中共同推断潜在传输状态和传输表面.
- 为分析艾滋病毒传播网络提供一个概率和计算上有利的框架.
主要方法:
- 使用空间Poisson过程模型,将个人表示为具有共变量 (例如年龄,性别) 的类型点.
- 纳入了来自深度序列遗传学分析的得分,作为传输链接和方向的证据.
- 采用完全贝叶斯推理方案,在没有预分类的情况下概率地学习传输状态和表面.
- 模拟连续的空间过程,以提高计算效率,与离散的共变空间方法相比.
主要成果:
- 成功推断了隐性传输状态和传输流量表面.
- 证明了捕捉艾滋病毒传播中的高分辨率年龄结构的能力.
- 在使用乌干达南部深度测序数据的案例研究中展示了框架的有效性.
结论:
- 拟议的空间Poisson过程模型为分析艾滋病毒传播动态提供了强大的和计算效率高的方法.
- 这种概率框架增强了深度测序数据的利用,以了解人口层面的疾病传播.
- 该方法为影响艾滋病毒传播的因素提供了宝贵的见解,例如年龄结构.
