[发明专利]基于CovMutt框架检测与遗传性增加相关的突变的方法

说明书

本发明属于病毒等传播预测技术领域，公开了病毒传播时变异流行率的变化情况评估方法，包括下述步骤：获取病毒在人群中突变流行率：将携带特定突变的病毒基因组组件的数量除以给定地理区域内可用的组件总数；基于Balding‑Nichols模型，获取参数F：针对任一组Pa和Pb值，根据式I中公式，对Fab每次进行迭代增加i，最终选择等位基因频率大于预设值的突变的联合概率密度分布最大化时的Fab作为参数F，其中，0≤F＜1，Pa和Pb为连续两个时间区间的突变频率，argmax是一个查找F参数的操作，该参数给出目标的最大值，dbeta是beta分布的概率密度函数；利用式II，获取β分布下任一突变位点的遗传漂变p值。本发明提供了一种新的病毒、疾病传播预测方法，并且提高了预测精度。

技术领域

本发明属于病毒等传播预测技术领域，尤其涉及基于CovMutt框架检测与遗传性增加相关的突变的方法。

背景技术

2019冠状病毒疾病由SARSCOV-21-3引起。世界卫生组织于2020年1月宣布疫情为国际关注的突发公共卫生事件，并于2020年3月宣布疫情为大流行。到目前为止，这场持续的流行病使全球累计报告病例数超过2.37亿，死亡人数近480万。

SARS-CoV-2是冠状病毒家族的成员，冠状病毒家族是一个高度多样化的包膜阳性单链RNA病毒家族。其序列与SARS冠状病毒有79.6％的同源性，SARS冠状病毒是一种传染性病毒，导致了2003年SARS的流行。另一种著名的冠状病毒是MERS-CoV，它在2012年导致了中东呼吸综合征(MERS)的流行。然而，同样明显的是，SARS-CoV-2比SARS-CoV和MERS-CoV7更具传染性。

SARS-CoV-2基因组大小约为30kb，其基因组结构符合已知冠状病毒的特定基因特征。基因组中超过三分之二的5'由ORF1ab编码的ORF1ab多蛋白组成，而3'的三分之一由编码结构蛋白的基因组成，包括表面蛋白(S)、包膜蛋白(E)、膜蛋白(M)和核衣壳蛋白(N)。此外，SARS-CoV-2包含6种辅助蛋白，由ORF3a、ORF6、ORF7a、ORF7b和ORF8基因编码。

在2019冠状病毒疾病基因的遗传贡献中，全球遗传社区一直在积极调查，成千上万的SARSCOV-2样本已经被测序并每月上传到GISAID[图1中A]。监测病毒传播率潜在增加的最大挑战是确定突变患病率的增加是否具有统计学意义，还是仅仅由于随机漂移。已经发现一些突变在某些地区的流行程度累积到相对较高的水平，但观察结果并不总是在其他地区重现。也有一些突变，其频率在达到相对较高的水平后下降，没有出现更具传染性的竞争变体。在这些情况下，突变不能被认为与遗传性增加有关。为了消除这些干扰，引入了covmuti框架。在特定地区传播的多个相互竞争的SARS-CoV-2变种暴露在极其相似的外部环境中，传播速度越快的变种越能适应自然选择的压力，并在人群中获得更高的频率，最终实现固定。首先，突变患病率变化的总结模式描述了一个确定的模型，即新出现的突变患病率增加并发生固定。然而，在现实中，任何特定谱系的流行率都会随着时间的推移而波动，中性和有害突变也可能在有限的人群中达到固定。这些波动，即“遗传漂变”，很可能导致有益谱系在流行率较低时灭绝，需要随机治疗。在这种情况下，Balding-Nichols模型被用来检验遗传漂变的显著性，并且经历极强漂变以获得频率增加的变异可以被认为是正选择的。此外，如果类似情况在多个地区重复出现，我们更有信心，增加的频率不是偶然的。这些证据共同有助于确定冠状病毒的一种变体是否能更有效地在人与人之间传播。

发明内容

针对上述问题，本发明提供基于CovMutt框架检测与遗传性增加相关的突变的方法，主要解决了现有技术对一些病毒等传播过程中的变异、传播规律预测精度差等问题。

为了解决上述问题，本发明采用如下技术方案：

病毒传播时变异流行率的变化情况评估方法，包括下述步骤：

获取病毒在人群中突变患病率：