《新的疾病监测工具有助于检测任何人类病毒》

  • 来源专题:人类遗传资源和特殊生物资源流失
  • 编译者: yanyf@mail.las.ac.cn
  • 发布时间:2019-02-22
  • 2015年至2016年寨卡病毒(Zika)爆发期间,公共卫生官员争相控制疫情,遏制该病原体对孕妇的破坏性影响。与此同时,世界各地的科学家试图了解这种神秘病毒的基因。

    问题是,病人血液中寨卡病毒颗粒并不多。在临床样本中寻找它就像在海洋中捕捉小鱼一样困难。

    由布罗德研究所的科学家开发的一种新的计算方法有助于克服这一障碍。布罗德研究所(Broad Institute)研究人员帕迪斯·萨贝蒂(Pardis Sabeti)的实验室建立了这种“捕捉”方法,可用于设计任何已知感染人类的病毒及其所有已知毒株的分子“诱饵”,包括临床样本中含量较低的病毒,如寨卡病毒。这种方法可以帮助全球范围内的小型测序中心更有效、更经济地开展疾病监测,为控制疫情提供关键信息。

    这项新研究由麻省理工学院研究生海登·梅茨基和博士后凯蒂·西德尔领导,研究结果发表在《自然生物技术》的网站上。

    “基因组测序成为疾病监测的关键部分,捕捉等工具将帮助我们和其他人发现疫情,病原体产生更多的数据可以共享与更广泛的科学和医学研究社区,“基督教Matranga说,这项新研究的文章的第二作者加入了当地的生物技术公司。

    科学家们已经能够通过分析临床样本中的所有遗传物质来检测出一些低丰度的病毒,这种技术被称为“宏基因组测序”(metagenomic sequencing),但这种方法往往会遗漏在大量其他微生物和患者自身DNA中丢失的病毒物质。

    另一种方法是“丰富”针对特定病毒的临床样本。为此,研究人员使用一种遗传“诱饵”固定目标病毒的遗传物质,这样其他遗传物质就可以被冲走。萨比提实验室的科学家们成功地使用了诱饵来分析埃博拉和拉沙病毒的基因组。诱饵是一种分子探针,由短链RNA或DNA与样本中的病毒DNA片段配对而成。然而,这些探针总是针对一种微生物,这意味着它们必须确切地知道自己在寻找什么,而且它们的设计并不严谨、高效。

    他们需要的是一种设计探针的计算方法,这种方法能够提供临床样本中各种微生物含量的全面视图,同时也能对寨卡病毒等低丰度微生物进行富集。

    “我们想重新思考我们实际上是如何设计探测器来进行捕获的,”Metsky说。“我们意识到,我们可以用比以前更少的探针来捕获病毒,包括它们已知的多样性。”为了使其成为一种有效的监测工具,我们决定尝试一次锁定20种病毒,最终我们将已知的356种感染人类的病毒数量扩大到356种。

    CATCH是“用于综合杂交的目标的紧密聚合”的缩写,它允许用户设计定制的探针集来捕获任何微生物物种组合的遗传物质,包括病毒,甚至是已知感染人类的所有病毒的所有形式。

    要真正全面地运行CATCH,用户可以很容易地输入已上传到国家生物技术信息中心GenBank序列数据库的各种形式的所有人类病毒的基因组。该程序根据用户想要恢复的信息来确定最佳探测集,无论这些信息是病毒还是一个子集。探针序列列表可以发送到少数几个合成探针进行研究的公司之一。科学家和临床研究人员希望检测和研究这些微生物,然后可以使用像鱼钩一样的探针来捕获所需的微生物DNA进行测序,从而为感兴趣的微生物富集样本。

    用CATCH设计的探针组测试显示,富集后,病毒含量占测序数据的比例是富集前的18倍,这使得该团队能够组装无法从未富集样本中生成的基因组。他们检测了包含8种病毒的30个已知样本,验证了该方法的有效性。研究人员还表示,2018年尼日利亚拉沙病毒(Lassa)爆发时,如果不进行富集,很难对拉沙病毒样本进行测序,而使用一套由catch设计的针对所有人类病毒的探针,可以“拯救”这些样本。此外,该小组还能够改进对来自患者和蚊子的未知含量样本的病毒检测。

    利用CATCH, Metsky和他的同事们生成了针对寨卡病毒和基孔肯雅病毒的病毒探针子集,基孔肯雅病毒是在同一地理区域发现的另一种蚊媒病毒。除了用其他方法生成的寨卡病毒基因组外,他们使用由catch设计的探针生成的数据,帮助他们发现,在科学家能够检测到寨卡病毒之前,该病毒已经在几个地区传播了数月,这一发现可以为控制未来疫情的努力提供信息。

    为了演示CATCH的其他潜在应用,Siddle使用了一系列不同病毒的样本。Siddle和其他人一直在与西非的科学家合作,建立实验室和工作流程,以便现场分析病原体基因组。西非的病毒爆发和难以诊断的发烧很常见。Siddle说:“我们希望我们在尼日利亚的合作伙伴能够有效地从不同的样本中进行宏基因组测序,而CATCH帮助他们提高对这些病原体的敏感性。”

    这种方法也是一种强大的方法来调查未确诊的发烧与疑似病毒的原因。Siddle说:“我们对使用宏基因组测序来阐明这些病例的潜力感到兴奋,特别是在受影响国家的地方这样做的可能性。”

    CATCH方法的一个优点是它的适应性。随着新的突变被识别,新的序列被添加到GenBank,用户可以快速地重新设计一组具有最新信息的探针。此外,虽然大多数探头的设计都是专有的,但Metsky和Siddle已经公开了他们用CATCH设计的所有探头。用户可以在CATCH中访问实际的探针序列,允许研究人员在合成探针之前探索和定制探针设计。

    Sabeti和其他研究人员对渔获物改善大规模高分辨率微生物群落研究的潜力感到兴奋。他们还希望这种方法有朝一日能在诊断应用中发挥效用,将结果返回给患者,让他们做出临床决定。就目前而言,该技术在改善寨卡病毒和拉沙病毒等病毒暴发的基因组监测,以及其他需要全面了解低水平微生物含量的应用方面的潜力,令他们感到鼓舞。

    CATCH软件可以在GitHub上公开访问。在Sabeti和Matranga的监督下,它的开发和验证在《自然生物技术》的网站上进行了描述。

相关报告
  • 《公共卫生监测系统新评估工具概述》

    • 来源专题:生物安全知识资源中心 | 领域情报网
    • 编译者:huangcui
    • 发布时间:2019-09-19
    • 4月11日,英国International Journal of Epidemiology期刊发表了一项题为《利用医疗保健寻求行为估算孟加拉国医院监测系统所遗漏的尼帕疫情国际流行病学期刊爆发数》(Using healthcare-seeking behaviour to estimate the number of Nipah outbreaks missed by hospital-based surveillance in Bangladesh)的研究,以孟加拉国尼帕疫情监测为例探讨了一种估算公共卫生监测系统遗漏数、评估公共卫生监测系统监测效果的可行方法。 现有的监测系统存在遗漏 文章发现,目前孟加拉国的疾病监测系统通常是基于医院的病例监测系统,而由于贫困、受教育程度较低、性别问题、交通基础设施薄弱等种种因素,并非所有患者都会前往医院寻求治疗,这就意味着如果仅依靠医院的监测系统来统计病例数量,很可能会因为遗漏病例而导致低估疫情的规模和影响。这是许多中低收入国家都面临的问题。 1988年,美国疾控中心(CDC)发布了评估公共卫生监测系统的指南,旨在通过对一系列特性的测量来评估公共卫生监测系统,其中包括灵敏度和代表性测量。灵敏度是指监测系统检测到的真实病例比例,代表性则指其对疫情随时间变化的描述以及对地点分布、人群分布的描述。然而,测量系统的灵敏度和代表性仍需要外部数据来比较人群中疾病的真实发生率。此类数据来源可能包括医疗记录和注册管理机构,而这类机构在资源匮乏的国家中少有存在,因此,该文章认为须有其他方法来评估监测系统的特性。 患者于监测医院就诊概率的测量 2007年,孟加拉国国际腹泻病研究中心流行病学、疾病控制研究所(the Institute of Epidemiology, Disease Control and Research, the International Centre for Diarrhoeal Disease Research, Bangladesh . ICDDR,B)与美国疾控中心在朗布尔(Rangpur)、拉杰沙希(Rajshahi)、福里德布尔(Faridpur)地区的三家三级医院建立了尼帕监测哨点,来系统地检测脑炎患者患尼帕病毒的证据。任何经实验室确诊的尼帕病例都会在随后进行疫情调查,以确定社区中的其他病例;每次疫情爆发的索引病例都是第一位到医院就诊的病人。 文章假设病例是否被监控系统识别取决于患者的医疗保健寻求行为,这些行为因患者疾病严重程度和居住地离监测医院的距离远近而异。病例在以下两种情况下可能会被监测系统遗漏:1、患者居住在远离监测医院的地方,于是去其他医院或私营机构就诊。2、患者由于病情过重或经济困难、交通不便等因素无法前去医院就诊。 为了估算患有严重脑炎的人在哨点监测医院就诊的可能性,该文章使用了孟加拉国三地区(Rajshahi、Khulna和Chittagong)医疗利用状况研究的部分数据,即对这三个地区医疗监测医院周边地区家庭调查的数据,并采用逻辑回归模型来估算患者去三级监测医院就诊的概率。由于寻求医疗保健的行为可能因疾病严重程度而有所不同,文章还列出了患者最终死亡与否作为交互项(interaction term): logit(Pr(Yi=1|di,xi))=β0+β1di+β2xi+β3dixi [1] 方程中Y指患者是否于三级监测医院就医,d表示病例与最近的三级监测医院间的欧几里德距离,x表示个体最终结果是死亡还是存活(死亡时编码为1,如存活则编码为0)。 监测系统遗漏的尼帕病例数测量 文章假设孟加拉国境内尼帕病例总数等于距监测医院每段距离的索引病例总数,且还将死亡和幸存的索引病例进行了分开考量: Ntot=∑d,x(ntot(d,x=0)+ntot(d,x=1)), [2] 其中ntot(d,x)是距离监测医院距离为d结果为x的尼帕索引病例总数,包括检测到的病例数和未检测到的病例数: ntot(d,x)=nobs(d,x)+nunobs(d,x). 假设被检测到的概率取决于到医院的距离,该文章将方程重写为: E(ntot(d,x))=nobs(d,x)+(1−Pobs(d,x))⋅ntot(d,x), 其中Pobs表示距离为d、结果为x的尼帕索引病例被检测到的概率(即在三级监测医院就诊的概率),它可以用公式1估算。因此,距离为d、结果为x的索引病例的总数为: ntot(d,x)=(n_obs (d,x))/(P_obs (d,x) ) . 为了估算尼帕疫情爆发总数,文章首先计算了在2007年至2014年间被医院监测体系检测到的所有索引病例距最近的监测医院的欧几里德距离,并确定患者最终存活与否。文章估计了nobs(d,x),即每公里可能观测到尼帕病例的概率(见图1),d的取值范围在距监测医院0到120km之间,且将存活的病例与死亡的病例分别进行了测量。随后通过公式2计算了尼帕索引病例总数,使用的最大距离仍是120公里,因为只有这个距离内的社区被纳入了医疗利用状况研究中。在研究期间,检测到的尼帕病例中也仅有一个超过了此距离,这表明被检测到的尼帕病例来自更远距离的概率很低。 该评估方法的可行性证明 从2007年到2014年,孟加拉国共检测到62次尼帕病毒爆发、145例尼帕病例。大多数疫情的爆发(72%)都包含一个被检测到的病例。索引病例聚集在孟加拉国的中部和西北部地区;未去监测医院就诊的病例大都分散在同一个地区,如图1A所示。监测医院检测到了55次疫情爆发(占所有爆发的89%)和110例病例(占所有病例的76%),其余病例均通过媒体报道等其他方式被检测到。大多数检测到的疫情位于距监测医院30公里范围内(图1B)。在医院检出的索引病例中,有89%(49/55)的患者最终死亡,而非索引病例的死亡率为76%(68/90),(p = 0.054)。 就尼帕索引病例而言,进入监测医院最终死亡(即病情较重)的患者是存活患者数的3.2倍(95% CI:1.6,6.6)。然而,进入监测医院的概率也随着距医院的距离而变化,死亡病例进入监测医院的概率从距医院10公里处的82%(95% CI:58,94)降至距离50公里的54%(95% CI:38,69);幸存病例进入监测医院寻求治疗的可能性从10公里的36%(95% CI:24,51)降至50公里的25%(95% CI:18,34)。 文章估算2007年至2014年间共爆发了119次尼帕疫情(95% CI:103,140)(图1D),每个尼帕疫情高发季平均爆发15次,其中被检测到的次数有62次。这意味着基于医院的监测系统仅有46%的几率检测到尼帕疫情(95% CI:39,53),其他监测方式检测到的概率为52%(95% CI:44,60)。 图1 (A)2007-2014孟加拉国尼帕病毒患者索引病例分布地图,包括去过和没有去过监测医院的病例。(B)存活和死亡的病例、距监测医院的距离和尼帕疫情爆发数的分布直方图。(C)rho(d)预测和模型拟合有95%置信区间。(D)2007-2014年孟加拉国监测到的和估计未监测到的尼帕疫情累计爆发数。 假设每次疫情爆发的平均尼帕病例数为2.3(与研究期间每次观察到的平均病例数一致),则估测在2007年至2014年期间共有274例病例,平均每个高发季节有34例。通过模拟,文章证实了其方法可以测量疫情爆发的真实数量(984,95% CI:914,1061;真实数量为1000),如图2所示。 图2 模拟结果图 (A)模拟100×100-km区域疫情爆发的位置,具有空间异质性风险(通过Matern集群过程产生)。(B)检测到疫情爆发的可能性取决于爆发地距医院[(A)和(C)中的三角形标志]的距离。此外,在外围象限中没有检测到疫情的爆发[(A)和(C)中的条纹阴影区域表示在外围爆发]。(C)检测到的疫情。(D)超过100次模拟估计的疫情爆发数(不包括条纹阴影区域)直方图。每次真正的爆发次数是1000次。 结论及公共卫生监测系统评估建议 文章利用患者的医疗保健寻求行为估测自2007年到2014年,孟加拉国爆发了119次尼帕疫情,共274起病例,比医院监测系统检测到的疫情数量多一倍有余。媒体和临时监测仅检测到了七次未被医院监测系统发现的疫情,因此这些系统也只能弥补小部分的不足。 文章认为当没有其他外部数据存在时,这种利用医疗保健寻求行为数据来估计遗漏病例数的方法是评估医院监测系统的有效策略。尽管孟加拉国已经建立了尼帕病毒爆发监测系统,但由于医疗护理获取渠道不足,孟加拉国的疾病监测能力仍存在差距,许多中低收入国家都面临着这一问题。医院监测系统遗漏的病例反映了这类人群获得高等医疗护理的机会十分有限;如要改善监测系统,文章认为必须与除医院外的其他医疗机构合作。 文章还进一步建议将跨部门医疗保健利用状况调研纳入CDC监测评估指南中,用作评估系统敏感度和代表性的辅助工具。其他致力于了解其监测系统局限性的国家也可效仿孟加拉国,资助医疗保健利用状况调查,以更好地评估公共卫生监测系统的监测效果并加以改进。
  • 《2012年至2017年菲律宾手足口病监测病例肠道病毒的分子检测》

    • 来源专题:新发突发疾病(新型冠状病毒肺炎)
    • 编译者:张玢
    • 发布时间:2019-02-15
    • 2012年在菲律宾开始进行手足口病(HFMD)监测,国家脊髓灰质炎和其他肠道病毒实验室为监测提供实验室支持。卫生部将手足口病定义为任何个体,患有急性发热性疾病,手掌和足底出现丘疹或斑丘疹,口腔内有或没有水疱病变。关于手足病毒71(EV71)在手足口病中的流行病学知识很多,但菲律宾的数据尚未确定。此前该国的肠道病毒研究仅针对急性弛缓性麻痹(AFP)和环境样本。从2012年到2017年,使用常规的半巢式平板肠道病毒RT-PCR对来自菲律宾17个地区的3,021个样本进行了测试,目标是5'非翻译区(5'UTR),以筛选是否存在肠道病毒并随后测试针对VP1区域的EV71。 2014年,包括针对VP1区域的柯萨奇病毒A6(CA6)和柯萨奇病毒A16(CA16)。为了确定2012 - 2013年流行的CA6和CA16的存在,对具有代表性的样本进行了回顾性筛选。对EV71阳性的所有样品进行测序,跨越完整的VP1序列(981bp)并进行系统发育分析以鉴定亚基因组。大多数转诊样本检测为肠道病毒阳性,占74%(2232/3021)。其中,76.7%被确定为CA6(1101/1436),8.9%为CA16(128/1436),3%为EV71(62/2232)。 CA6的增长趋势已从2012年的62%上升至2017年的88%,而CA16则逐渐下降,从2012年的15%降至2017年的0.9%。CA6是2012年至2017年菲律宾最常见的导致手足口病的肠道病毒。