研究人员说,基因组数据可以改进大流行建模
西蒙弗雷泽大学的研究人员主张将基因组数据纳入预测模型,以便更好地了解传染病的传播。研究人员说,将这些数据纳入预测模型可以为监测、协调提供信息,并帮助确定何处需要资源。
在本周发表的一篇论文中微生物学性质SFU的数学研究人员Caroline Colijn, Pengyu Liu和Jessica Stockdale指出,基因组测序技术已经改进到可以随着时间的推移持续采样来了解病原体是如何突变和进化出新的变种或菌株的。
他们说,随着技术的进步,将病毒和其他病原体的基因组数据整合到预测感染传播的数学模型中变得更加可行。模型可以包括病原体的多样性、传播率和干预措施,如接种抗生素治疗。
“基因组数据可以用于更准确地预测免疫逃避的风险抗菌素耐药性(对抗生素或其他的耐药性治疗方案),可以帮助减轻这些风险,”Colijn说,他是加拿大150进化、感染和公共卫生数学研究主席。她还监督加拿大传染病建模网络(CANMOD),并是总部设在旧金山州立大学的太平洋病原体、流行病和社会研究所(PIPPS)的科学联合主任。
此前的研究使用了过去20年收集的基因组数据来回顾分析疾病的进化和传播。该团队认为,将基因组数据纳入预测模型可以更准确地预测未来的病原体行为。基因组数据将与流行病学、临床和监测系统数据等其他资料来源结合起来。
该团队补充说,在使用时可能需要考虑到伦理方面的考虑基因数据以及在开发建模、预测和基因组学相结合的方法中需要克服的挑战。
这组科学家强调了精确建模的重要性,以预测未来可能的疾病负担,了解病原体可能的进化和多样性模式,并为有关传染病控制的决策提供信息。
了解病毒的行为方式还可以为宣传活动提供信息,为公众提供减少感染风险的行动建议。世界卫生组织也依靠模型来估计疾病负担、作出预测并为政策提供信息。
进一步探索