自动调节:选择距离值以推断艾滋病毒传播集群的距离
Steven Weaver1, Vanessa M Dávila Conn2, Daniel Ji3
1Center for Viral Evolution, Temple University, Philadelphia, PA, United States.
Frontiers in bioinformatics
|August 1, 2024
概括
这项研究引入了一种新方法,以优化HIV-1传播网络的遗传距离值. 这种适应性方法通过防止病毒基因组监测过大集群来改善公共卫生问题的识别.
科学领域:
- 流行病学 流行病学
- 基因组学就是基因组学.
- 公共卫生 公共卫生
背景情况:
- 分子监测和基因组数据对于了解病毒病原体传播至关重要,特别是人类免疫缺陷病毒1型 (HIV-1).
- 遗传距离值是推断HIV-1传播网络的关键参数,影响网络属性和可解释性.
- 不适当的门可以导致虚假的链接 (太高) 或错过的见解 (太低),使公共卫生干预复杂化.
研究的目的:
- 开发和介绍一种通用的启发性评分方法,用于在HIV-1传播网络推断中适应调整遗传距离值.
- 通过防止过大集群的形成和最大化识别集群的数量来优化网络属性.
主要方法:
- 开发了一种新的启发式评分方法,优先考虑最大到第二大集群大小的比例,并最大化集群数量.
- 这种适应性值方法应用于具有不同特征的HIV-1疫情,包括区域和时间变化.
- 通过确定具有特定风险因素的集群,证明了建议值的实用性.
主要成果:
- 启发式评分方法成功地确定了针对不同HIV-1流行病特征的最佳遗传距离值.
- 典型的0.015替代/地点的门适用于类似美国的流行病,而像中国CRF07_BC这样的疫情受益于较低的门 (0.005).
- 持续的异性传播环境,例如乌干达维多利亚湖附近的异性传播环境,需要更大的值来捕捉各种风险因素.
结论:
- 使用拟议的启发式评分方法对遗传距离值进行自适应调整,可以提高对相关的HIV-1传播集群的识别.
- 这种方法有助于更细致地了解流行病动态和风险因素的关联.
- 有信息的门选择使得针对HIV-1控制的公共卫生干预更加有针对性和有效.
