IT|超越Omicron:科学家们将目光投向COVID-19进化的长期“游戏”( 五 )


其中一个例子是基于Lemieux、Fritz Obermeyer和Pardis Sabeti在Broad研究所共同领导的工作的一个模型 。该模型被称为PyR0("py-R-nought"),使用概率编程语言Pyro构建,使用机器学习来分析全世界收集的所有测序数据,以衡量变种在不同地区、不同空间和时间的相对传播性 。
这可以帮助解释病毒是如何随着时间的推移变得系统地更具传播性的 。该模型可以根据一个新品系的突变情况预测其传播速度,并在其出现时确定值得关注的病毒品系,这反过来可以帮助确定哪些突变看起来足够可疑,可以在实验室进行测试,并检查其感染性或致病性的增加 。
这种方法可以产生值得关注的变体的相对排名,这样科学家就可以识别出似乎比其他变体传播更快的新出现的变体和某些可能会消亡的变体 。
然而,最终,科学家将需要开发一个优先系统,以帮助他们区分危险的变体和那些只需要观察的变体 。
Lemieux说:“在某些时候,我们将不得不退缩 。这将必须是一个过渡,测序成为工具箱的一部分,但我们也不会对测序时发现的一切反应过度 。”
如果没有广泛的疫苗接种作为补充,即使最复杂的流行病学跟踪方法也不足以掌握传染情况 。
Luban和Lemieux说,要做到这一点,关键是要确保全球公平地获得疫苗,其方式是允许在短时间内对大片的人类人口进行同步免疫 。
病毒的变体来自于各种情况下的突变,但大量免疫力低下的宿主是病毒的最终乐园和新突变的源泉 。
疫苗能够提高宿主的免疫防御能力,防止或最大限度地减少病毒复制,为剥夺病毒的变异机会提供了一个关键工具 。接种疫苗的人越多,病毒找到和利用无免疫力的宿主为自己服务的机会就越少 。
“没有人知道SARS-CoV-2的走向,”Luban说 。“但是我们肯定的一点是,只要有未接种疫苗的人,具有新的临床特性的变种是可能的,并可能在未来几年内困扰我们 。”