IF58.7｜塞拉利昂2025年猴痘疫情的基因组流行病学

G.1谱系在塞拉利昂隐秘传播约3个月，实际感染规模接近官方报告的两倍。

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

猴痘是由猴痘病毒（MPXV）引起的人畜共患疾病，近年来在多个国家引发疫情。MPXV分为I和II两个主要分支，其中IIb/sh2017谱系自2014年在尼日利亚出现后，已导致2022年全球多国暴发。该谱系表现出强烈的APOBEC3突变富集，这是持续人际传播的分子特征。2025年1月，塞拉利昂报告了8年来首例猴痘病例，随后疫情迅速扩散，截至8月全国累计超过5000例确诊，成为非洲大陆疫情的中心。然而，此次疫情的起源、传入时间和传播驱动因素尚不清楚。

科学问题

卡在哪里： 此前塞拉利昂及周边国家缺乏足够的MPXV全基因组数据，导致G.1谱系的起源、传入时间、传播路径以及实际感染规模等关键问题无法回答。

本文要回答： 利用338个MPXV基因组，解析塞拉利昂2025年猴痘疫情的起源、时空动态和传播驱动因素。

技术路线

作者主要用了：全基因组测序、系统发育分析、贝叶斯系统动力学、系统地理学、JUNIPER传播网络重建。

作者收集了2025年1月10日至8月3日期间塞拉利昂14个地区的338个高质量MPXV基因组，覆盖约6.9%的PCR确诊病例。首先构建clade IIb系统发育树，确定疫情谱系为G.1（A.2.2.1），并重建祖先SNP以评估APOBEC3突变富集。随后利用BEAST贝叶斯系统动力学估计G.1谱系的起源时间和增长速率，结合JUNIPER推断传播网络和实际疫情规模。最后通过离散和连续系统地理学分析，重建病毒在地区间的传播路径，并量化各地区的引入和输出事件。

图 1　Fig. 1。图1a显示2025年塞拉利昂猴痘发病率随时间变化，柱状图为本研究测序率，折线为时变再生数Rt（早期约4.4），标注了疫苗接种启动时间。图1b展示各地区病例数，WAU和WAR占约80%。图1c的clade IIb系统发育树中，339个塞拉利昂序列形成单系群G.1，与A.2.2谱系相关，分支上标注了APOBEC3突变（黄色）和其他突变（灰色），显示G.1茎支上APOBEC3突变富集。

核心亮点

亮点 1｜G.1谱系源自尼日利亚A.2.2

339个基因组聚集在clade IIb/sh2017谱系内，形成单系群G.1（A.2.2.1），与尼日利亚流行的A.2.2谱系关系最近。G.1与最接近的A.2.2.1序列（来自多哥）之间的茎支包含9个APOBEC3样突变和2个非APOBEC3突变，根据APOBEC3突变速率（约6个/年）推算，该谱系约在18个月前从A.2.2分化。此外，美国2024-2025年采样的11个A.2.2基因组与G.1同源，提示A.2.2谱系从尼日利亚多次外溢。

图 2　Fig. 2。图2展示新发现的clade IIa序列（红色）与几内亚近期序列聚集，并与历史Rotterdam动物园或猩猩谱系形成姐妹群。祖先状态重建显示该分支上APOBEC3突变极少（≤2个/基因组），与G.1的强APOBEC3富集形成鲜明对比，支持该病例为独立的动物溢出而非持续人际传播。

亮点 2｜APOBEC3突变富集支持持续人际传播

在G.1谱系中，约85%（90/106）的重建SNP符合APOBEC3编辑特征（TC→TT或GA→AA），远高于偶然预期，强烈支持该谱系通过持续人际传播而非反复动物溢出产生。相比之下，同期发现的clade IIa序列（与几内亚2024年序列聚集）中APOBEC3突变极少（≤2个/基因组），提示其为独立的动物溢出事件。

图 3　Fig. 3。图3a的贝叶斯最大分支可信树显示G.1谱系在塞拉利昂建立的时间，x轴分布为三个时间估计的95% HPD区间：G.1与最近A.2.2.1的tMRCA（灰色，2023年8月9日）、G.1的tMRCA（蓝色，2024年9月27日）和JUNIPER推断的疫情起始日期（红色，2024年9月11日）。图3b显示G.1有效种群大小在2025年4-7月快速上升。图3c为倍增时间后验分布（约3周）。图3d比较推断总感染人数（约10,400）与官方确诊数（5,096）。

亮点 3｜G.1于2024年9月底在塞拉利昂建立

BEAST估计G.1谱系的tMRCA为2024年9月27日（95% HPD: 8月12日至11月11日），表明该谱系在2025年1月首例确诊前已隐秘传播约3个月（95% HPD: 2-5个月）。JUNIPER推断疫情起始日期为2024年9月11日，与BEAST结果一致。G.1的倍增时间约3周（95% HPD: 2.4-3.9周），与2025年4-5月病例激增相符。

图 4　Fig. 4。图4a的离散系统地理学重建显示G.1在塞拉利昂的时空传播，分支颜色代表来源地区，WAU为根，早期传播至Kenema、Bo、Port Loko等。图4b显示各地区每月平均引入次数，WAU是主要输出源。图4c展示随时间变化的输出模式，早期以WAU为主，后期Kenema贡献增加。图4d的连续系统地理学分析支持G.1首先在WAU建立，然后向WAR、Kenema和Bonthe扩散。

亮点 4｜西部城区是传播枢纽

离散系统地理学分析显示，G.1在西部城区（WAU）建立的概率为0.995。WAU是病毒向全国扩散的主要来源，估计产生71次地区间输出（95% HPD: 56-88），相当于每百万居民117次输出，远超其他地区。早期输出主要流向Kenema、Bo、Port Loko、WAR和Bonthe。Kenema后期成为次级枢纽，贡献约10次输出。

图 5　Fig. 5。图5a展示各地区传播链的持续时间和时间分布，每条彩色带代表一个传播链，圆圈大小代表后代数量。WAU的传播链从疫情开始持续存在，其他地区多为短命链，由WAU反复引入。红色虚线标记首例报告日期（1月10日）。图5b显示传播链持续时间与疫情阶段呈强负相关（Pearson's r = -0.93），反映干预措施（如疫苗接种和强制隔离）的效果。

亮点 5｜实际感染规模约为官方报告的两倍

JUNIPER估计采样比例为3.3%（95% HPD: 2.3-4.8%），对应总感染人数约10,400例（95% HPD: 7,000-15,200），而同期官方确诊仅5,096例，提示约一半病例未被监测系统捕获。此外，基于相同序列聚类的负二项模型估计有效再生数为1.2（95% CI: 1.1-1.3），过度离散参数为0.4（95% CI: 0.2-1.0），与既往猴痘传播特征一致。

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： 全基因组测序、系统发育分析、贝叶斯系统动力学、系统地理学、JUNIPER传播网络重建
• 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： 从事病原体基因组流行病学、系统动力学和疫情应对的生信与公卫研究者。

带走一句

基因组监测能揭示隐秘传播和真实疫情规模，但采样偏差需通过区域聚合和模型校正来缓解。