论文亮点

本研究研发了SIRSVIDE（ Susceptible-Infected-Recovered-Susceptible-Variation-Immune Decay-Immune Escape ）的新型计算模型，用于模拟病毒种群的传播和进化动态（图1）。

文章信息

2024年3月26日，北京大学生命科学学院陆剑研究团队在hLife发表题为“Modeling viral evolution: A novel SIRSVIDE framework with application to SARS-CoV-2 dynamics”的论文，研发了一种名为SIRSVIDE的新型计算模型，用于模拟病毒种群的传播和进化动态。

文章内容

扫码阅读原文

了解病毒（如SARS-CoV-2）的变异和进化趋势对于公共卫生管理和应对至关重要。传统的传染病模型往往假设病毒的传染力和致病性在疾病传播过程中是恒定的，忽视了病毒通过自然选择和随机突变不断进化的真实情况。这种简化的假设限制了模型预测疫情发展的准确性，尤其是在面对具有快速变异能力的病毒时。近年来，随着新冠病毒等病毒疫情的暴发，科学界开始考虑发展病毒变异的模型。然而，这些新模型大多仍存在局限性。一些模型虽然考虑了病毒变异，但没有很好地结合传统传染病模型的精细构架；另一些模型虽然考虑了单一毒株的变异，但没有考虑到多个毒株之间的相互竞争、共存及演化关系。这些局限性使得现有模型难以全面模拟病毒的进化动态和路径。

SIRSVIDE模型不仅融合了传染病学的基本原理，还集成了病毒变异和演化特征。该模型通过模拟易感人群（Susceptible，S），感染者（Infected，I），康复者（Recovered，R）以及重新变为易感人群（Susceptible，S）的动态过程，并引入了病毒变异（Variation，V），免疫衰减（Immune decay，ID），免疫逃逸（Immune escape，IE）等元素；不仅考虑了单个毒株的演化动态，还纳入了不同毒株间的竞争关系。SIRSVIDE模型突破了传统模型的局限，为病毒流行病学和进化动态的研究提供了通用的框架。

模拟结果发现，在大规模宿主人群和高突变率等特定条件下，病毒种群会发生持续的谱系迭代，并朝着传播力增强、免疫逃逸能力增强和致病力降低的方向进化，同时伴随病毒性状的显著短期波动（图2）。该研究发现，大规模宿主人群和高突变率是导致这些独特进化趋势出现的关键因素。

图2 单次模拟中病毒谱系迭代（A）、系统发育树（B）、传播力（C）、致病力（D）、免疫逃逸能力（E）和种群多样性（F）随时间的变化

尽管存在这些长期进化趋势，但病毒进化固有的随机性不可避免地导致病毒性状的短期波动。多种参数下的模拟结果显示，有相当一部分（27.12%~37.59%）的流行毒株相对于其祖先株同时具有更高的传播力和致病力（图3）。这表明在疫情短期内出现的新变异株具有同时增强传播力和致病力的可能性。而且随着感染人数的降低或者突变率的降低，病毒短期内演化方向不确定性进一步增加。

图3 不同参数设置下模拟产生的流行毒株传播力（β）和致病力（α） 相对于其祖先株的变化

Andersen & May于1982年提出假说认为，病毒在进化过程中存在传播性和致病性的权衡（trade-off）。该假说假设了病毒内在传播性与宿主致死性之间存在直接偶联，认为高致病性可以通过增加病毒载量来提高传播性，但代价是宿主死亡率升高而缩短传播时间；反之，低致病性虽然可以延长宿主存活期从而有利于病毒传播，但病毒载量和传播效率可能受限。然而，病毒的传播途径和致病机制千差万别，传播性与致病性并非总是严格偶联。事实上，当前对于病毒种群传播力、免疫逃逸能力和致病力之间的关系以及这些性状的进化趋势仍存在很大争议。SIRSVIDE模型则提供了一个动态的分析框架，通过综合易感—感染—恢复—易感动力学、免疫衰减、免疫逃逸及病毒变异等多方面因素，能够深入解析不同参数变化对病毒进化动态的影响，有助于理解病毒如何在多重选择压力下权衡传播力与致病性，找到最佳的适应策略。

综上所述，本研究研发的SIRSVIDE模型为解析病毒流行病学和进化动态提供了全面框架。模拟结果揭示了在特定条件下病毒种群会朝着传播力增强、免疫逃逸能力增强和致病力降低的方向进化，大规模易感宿主种群和高突变率是导致这一进化趋势的关键因素。同时，病毒进化固有的随机性导致了短期内病毒性状的波动。这些发现与新冠病毒自暴发以来所表现的进化特征基本吻合，也为探索其他病毒的潜在进化规律提供了新思路。

作者简介：

 靳垲淳 博士生

  第一作者

机构：北京大学生命科学学院

研究方向：群体遗传学、进化基因组学和基因表达调控

陆剑 教授

通讯作者

机构：北京大学生命科学学院

研究方向：群体遗传学、进化基因组学和基因表达调控

引用格式：Jin K, Tang X, Qian Z, et,al. Modeling viralevolution: A novel SIRSVIDE framework with application to SARS-CoV-2 dynamics. hLife. 

https://doi.org/10.1016/j.hlife.2024.03.006.

hLife是中国科学院微生物研究所主办，中国生物工程学会，上海市免疫治疗创新研究院，西湖大学医学院和广州霍夫曼免疫研究所联合支持，与国际出版商爱思唯尔合作的的健康科学领域综合性英文期刊。

hLife聚焦健康科学领域的前沿进展，旨在促进基础研究与临床应用的融合发展。期刊发表与医学相关各研究领域最新成果，学科领域包括（但不限于）病原生物学、流行病学、生理学、免疫学、结构生物学、疾病监测、肿瘤、药物、疫苗和健康政策等。

2022年成功入选“中国科技期刊卓越行动计划高起点新刊”。

投稿网址：https://www.editorialmanager.com/hlife