新出现的SARS-CoV-2变种的无监督检测和适应性估计:应用于废水样本 (ANRS0160)
Alexandra Lefebvre1,2, Vincent Maréchal3, Arnaud Gloaguen4
1Sorbonne Université, Université Paris Cité, CNRS, Laboratoire Jacques-Louis Lions, LJLL, Paris, France.
PLoS computational biology
|December 3, 2025
概括
这项研究引入了一种无监督的方法来分析废水中的SARS-CoV-2基因组数据. 它随着时间的推移聚集突变,早期识别像阿尔法这样的变体,并且在没有先前的血统分类的情况下估计适应性.
科学领域:
- 基因组流行病学基因组流行病学
- 病毒的进化是病毒的进化.
- 统计生物信息学 统计生物信息学
背景情况:
- 在SARS-CoV-2大流行需要纵向基因组监测跟踪新兴变种.
- 现有的谱系追踪方法通常依赖于先前的分类,引入延迟和偏见.
- 分析聚合的废水数据为变种检测带来了独特的统计挑战.
研究的目的:
- 开发一种无监督的统计方法,以根据它们的时间频率对突变进行聚类.
- 从汇总的突变流行数据的时间序列中估计小组适应性.
- 将该方法应用于SARS-CoV-2废水数据,用于早期变种检测和适应性估计.
主要方法:
- 一种新的无监督方法,使用观察计数数据和潜伏组分配的混合模型.
- 预期最大化算法的应用,用于模型选择和参数估计.
- 来自法国废水处理厂的SARS-CoV-2纵向测序数据的分析 (2020年10月至2021年4月).
主要成果:
- 该方法成功地聚集了突变,与已知的SARS-CoV-2血统 (B.1.160,Alpha,B.1.177,Beta) 保持一致.
- 每组估计的选择系数与法国报告的病毒动态一致.
- 无监督方法在没有先前的突变信息的情况下,就像监督方法一样,很早就检测到了阿尔法变异的威胁.
结论:
- 拟议的无监督方法为分析废水中聚合的基因组数据提供了一种有效的方法.
- 它可以早期检测威胁SARS-CoV-2变种,并估计它们的适应性.
- 这种方法通过避免血统分类偏差,增强了基因组监测能力,特别是在聚合样本方面.
更多相关视频
09:26Quantification and Whole Genome Characterization of SARS-CoV-2 RNA in Wastewater and Air Samples
Published on: June 30, 2023
1.5K
10:53Concentration of Virus Particles from Environmental Water and Wastewater Samples Using Skimmed Milk Flocculation and Ultrafiltration
Published on: March 17, 2023
2.2K
