通往未知之路分享 http://blog.sciencenet.cn/u/Aduli 学物理的搞生物一切都是为什么

博文

季节性流感流行强度预测【传染病计算系统生物学系列介绍】 精选

已有 7763 次阅读 2018-1-24 23:42 |个人分类:科研|系统分类:论文交流| 流感, 美国, 预测, 系统生物学, 感染

传染病计算系统生物学之

季节性流感流行强度预测

重要信息的放在前面,最近国内流感肆虐,其实大家也不要怕,流感年年有,只是今年多。该打疫苗的时候打疫苗,流感季注意调整好身体(什么时候都是),多喝水,得了感冒也不用消极低沉,相信身体机能,自身免疫辅助药物打败流感不是问题。需要特别注意的是老弱病残群体,因为身体机能较低,需要特别呵护,防治感冒造成严重的并发后果。

回到本文话题,季节性流感流行强度预测是否有意义?如果我们在流行季开始之前能大体上知道接下来流行季将要流行什么流感病毒,并能知道大体的流行强度,是不是就能更充分地准备,采用更有针对性的疫苗,如果预计会是大量流行,可以提前做好社会宣传,让大家有能力在家或就近治愈,医院也可以提前做好资源调配,从而更从容应对,不至于透支儿科或传染病科的大夫们,造成不必要的恐慌和经济损失。

通过上面的介绍,大家能够体会季节性流感流行强度的提前预测的重大意义,但对于国内,因为情况的复杂性(气候、人群以及病毒),还需要很多深入研究,还不能做到对未来流行季流行强度预测。但针对规律相对比较简单的美国,我们已经能够大体上在季节性流感流行季开始之前知道接下来将要流行的流感亚型,以及可能的流行强度即感染人数。(具体技术细节参见我们去年发表的Science Translational Medicine文章

那过去在这个方向我们能做到什么,不能做什么,我们现在又为什么能做到?季节性流感防控的难点在于流感病毒不断的变,快速的变,即使人群因为过去流感感染而产生抗体能识别并对付病毒,但因为它的不断变化,使人体又很快不能识别它(已经不是原来的病毒,面目全非了),所以会不断地造成感染。在我们的工作之前,大家可以通过序列分析捕捉不同病毒流行传播优势不同,并据此预测接下来的流行季会流行的病毒,但这些方法还不能预测其绝对的流行强度;但与此同时,大家可以根据理论模型模拟人群中免疫状态的变化(抗体产生与消失规律),来预测未来短期内季节性流感的流行强度(类似于天气预报,根据当前状况推测未来可能走势)。概括起来讲,就是在我们研究之前,还没有方法能做到对流行强度的长期预测,现在我们做到了,为什么呢?原理很简单,把上面提到相对独立的各方面进展融合起来,借鉴利用两者优势,就能做到既长期预测,又预测绝对流行强度!用一个简图来说明就是把病毒演化信息(能够做到长期谁将流行的预测)融合到目前已经比较成熟的群体免疫模型(理论生态学,这里加上包含环境因素,用于短期绝对流行强度的预测)。科学问题可以变得简单,也应该简单。

在这个工作中,我们综合运用数据分析与理论建模,把影响季节性流感流行规律的众多因素考虑进来,解决以前不容易解决,需要从系统角度解答的问题(传染病计算系统生物学的定位)。通过这个工作,我们定量揭示了抗原变化在季节性流感流行传播中的决定性因素及其机制,也通过定量模拟,指出季节性流感中部分亚型的主导地位,使得我们能够对未来流行季将要流行那个亚型的流感,将会造成多少感染有了更清晰的认识,为更好的预防提供帮助。

这个工作还只是针对美国,也还有很多需要改进的地方,但基于现在的结果来看,效果还不错,说明我们扑捉到了季节性流感流行传播中的一些本质规律。我们在去年六月份过后就预测现在流行季会是H3N2流行,且会是高于平均的流行强度,从现在的监测数据看来,我们的预测还是比较准确的,有兴趣的可以查看我们刚发表的文章(美国2017-2018年季节性流感流行强度预测)。令人高兴的是,我们已经连续两年准确预测美国的流感流行强度了。

接下来,我们会努力揭示中国季节性流感的精细演化与传播规律,希望能做到对中国季节性流感流行强度的预测,有效辅助指导国内季节性流感防控。我也希望能通过这些工作,把传染病计算系统生物学框架完善起来,协助我们增强对其它传染病的了解以及有效防控。

(我在中山大学公共卫生学院(深圳)的实验室刚刚组建,急需各种人才,非常期待有志之士的加盟,详细的招聘信息见我的招聘链接:计算系统生物学实验室招聘启事




https://blog.sciencenet.cn/blog-286438-1096649.html

上一篇:传染病系统生物学-流感为例
下一篇:我所怀念的芝加哥大学
收藏 IP: 218.19.145.*| 热度|

2 黄永义 彭友松

该博文允许注册用户评论 请点击登录 评论 (3 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-28 19:15

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部