IF50.5｜从系统发育树学习病原体适合度动态

phylowave 无需预定义谱系，即可从进化树中自动识别具有适合度优势的新兴谱系。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

病原体的遗传多样性动态，特别是具有更高适合度的谱系出现，是疾病生态学的基础概念，对公共卫生有重要影响。然而，识别这些谱系并估计其适合度一直具有挑战性，且很少在密集采样系统之外进行。现有方法通常依赖预先定义的谱系或分支，如 SARS-CoV-2 的 Pango 谱系或流感病毒的全球分支，这些定义往往基于共识和任意阈值，与适合度差异无关。基于系统发育树的方法，如多类型出生-死亡模型，可以推断谱系适合度，但计算量大且易受采样偏差影响。因此，需要一种可扩展的、不依赖预定义谱系的方法来监测病原体适合度动态。

科学问题

卡在哪里： 现有谱系定义通常基于共识和任意阈值，与适合度差异无关，导致无法可靠捕捉具有更高适合度的新兴谱系。基于系统发育树的方法虽然能推断适合度，但计算量大且易受采样偏差影响，难以应用于大规模数据。

本文要回答： 开发一种可扩展的方法，从系统发育树中自动检测基于适合度差异的谱系，并量化其适合度，同时关联到特定的基因组变化。

技术路线

作者主要用了：时间分辨系统发育树、遗传距离指数、广义加性模型、多项逻辑斯蒂模型。

作者开发了 phylowave，首先基于遗传距离计算每个节点的指数，该指数衡量节点在种群中的流行成功度，通过核函数加权短距离来动态追踪谱系出现。然后，利用广义加性模型对指数动态进行建模，自动划分出最能解释指数动态的谱系集合。最后，使用多项逻辑斯蒂模型拟合各谱系随时间变化的频率，估计其相对适合度。该方法在模拟数据上验证后，应用于四种病原体：SARS-CoV-2、H3N2、百日咳杆菌和结核分枝杆菌。

图 1　Fig. 1。图1展示了 phylowave 的核心原理。a 部分通过示意图说明指数计算：从终端节点 A 或 B 到种群中其他节点的成对距离分布，蓝色虚线表示几何加权，右侧显示预期的指数动态。b–e 分别展示了 SARS-CoV-2、H3N2、百日咳杆菌和结核分枝杆菌的指数动态，不同颜色代表检测到的谱系，清晰显示各谱系具有不同的指数轨迹，表明存在适合度差异。

核心亮点

亮点 1｜phylowave 准确恢复已知谱系

在四种病原体中，phylowave 识别的谱系与已知谱系高度一致（调整兰德指数 ARI 范围 0.62–0.94）。例如，SARS-CoV-2 的关切变异株 Alpha、Beta、Gamma、Delta 和 Omicron 均被准确识别；H3N2 的全球分支如 3C.3a、3C.2a3 等也匹配良好。对于百日咳杆菌，phylowave 不仅识别了已知的 ptxP 和 fim3 等位基因定义的谱系，还发现了三个此前未报道的共流行谱系，它们具有明显的指数动态差异。

图 2　Fig. 2。图2比较了 phylowave 识别的谱系与已知谱系。a–d 分别对应四种病原体，左侧为 phylowave 自动划分的谱系，右侧为先前定义的谱系，热图颜色深浅表示一致性程度。结果显示高度一致，例如 SARS-CoV-2 的关切变异株与 phylowave 谱系匹配良好，百日咳杆菌中发现了三个新谱系（粉色、红色和紫色），这些谱系在先前分类中不存在。

亮点 2｜适合度估计揭示新兴谱系优势

通过多项逻辑斯蒂模型，phylowave 估计了各谱系的相对适合度。在 SARS-CoV-2 中，Omicron XBB1.5 谱系具有最高的实时适合度，其次是 BA.5 和 BA.1。H3N2 谱系适合度较为均一，平均持续约 3.9 年。百日咳杆菌在 1998 年法国引入无细胞疫苗后，出现了三个高适合度谱系，提示疫苗免疫压力驱动了谱系更替。结核分枝杆菌的适合度最为稳定，但近期出现的两个谱系正在快速上升，相对适合度分别为 1.0057 和 1.00087。

图 3　Fig. 3。图3展示了适合度模型拟合结果。a–d 为每种病原体五个最流行谱系的模型拟合，彩色点表示数据，线表示后验中位数，阴影为 95% 可信区间。e–h 为各谱系随时间变化的实时适合度，交叉标记谱系的最近共同祖先时间。SARS-CoV-2 中 XBB1.5 谱系实时适合度最高，百日咳杆菌中三个新谱系在疫苗引入后适合度上升，结核分枝杆菌中两个新谱系适合度快速增加。

亮点 3｜谱系定义突变富集于关键功能区

通过比较谱系间序列差异，phylowave 识别了谱系定义突变。在 SARS-CoV-2 中，这些突变主要富集在刺突蛋白的受体结合域，且与先前大规模分析中估计的高适合度突变高度重叠（恢复了前 55 个最适突变中的全部，前 100 个中的 86%）。在 H3N2 中，突变主要位于 HA1 结构域，尤其是在 Koel 抗原位点，86% 的 Koel 位点被恢复。百日咳杆菌的谱系定义突变富集于毒力相关基因，包括 sphB1 中的两个独立非同义突变，提示趋同进化。结核分枝杆菌的突变则富集于抗微生物药物耐药相关基因。

图 4　Fig. 4。图4总结了谱系的遗传进化。a–d 为谱系树，展示谱系间的谱系关系，关键分支被突出显示。e–h 为谱系定义突变沿基因组的密度分布：SARS-CoV-2 中突变主要位于刺突蛋白受体结合域，H3N2 中位于 HA1 结构域，百日咳杆菌和结核分枝杆菌中突变富集于特定功能类别。i–l 进一步展示了突变与已知功能位点的重叠，如 SARS-CoV-2 中恢复了所有前 55 个最适突变，H3N2 中 Koel 位点 86% 被恢复。

亮点 4｜对采样偏差稳健且可实时追踪

通过下采样分析，phylowave 在仅保留 150 条序列（均匀或时间不均匀采样）时仍能检测到几乎所有谱系（平均 ARI=0.90）。在时间截断实验中，phylowave 能在谱系出现后中位延迟 2.2 个月、仅需 10 条序列时即可检测到新兴谱系。这表明该方法对采样强度和采样时间偏差具有稳健性，可用于实时监测。

图 5　Fig. 5。图5展示了 phylowave 对采样偏差的稳健性和实时检测能力。a 和 b 分别展示了均匀采样和时间不均匀采样下，仅保留 150 条序列时的指数动态和谱系检测结果，与全数据集相比一致性高（平均 ARI=0.90）。c 展示了时间截断实验中，phylowave 检测到新兴谱系所需的时间延迟和序列数量，中位延迟 2.2 个月，仅需 10 条序列。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 时间分辨系统发育树、遗传距离指数、广义加性模型、多项逻辑斯蒂模型
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事病原体进化、系统发育学、公共卫生监测和生物信息学研究的科研人员。

带走一句

phylowave 提供了一种不依赖预定义谱系、可扩展且稳健的方法，能从系统发育树中自动识别具有适合度优势的谱系，并关联基因组变化，为病原体监测和公共卫生干预提供了新工具。