An exact N-strain epidemic model using bond percolation

Stellen Sie sich eine geschäftige Stadt vor, in der alle durch unsichtbare Fäden miteinander verbunden sind und ein riesiges, verheddertes Netz bilden. In der Welt der Wissenschaft wird dieses Netz als Netzwerk bezeichnet, und die Fäden sind die Verbindungen zwischen Menschen, Computern oder sogar Zellen. Manchmal breitet sich etwas durch dieses Netz aus – wie ein Gerücht, ein Computervirus oder eine Krankheit. Wissenschaftler nutzen einen klugen Trick namens Bindeperkolation (Bond Percolation), um zu untersuchen, wie sich so etwas ausbreitet. Denken Sie an dies wie an ein Spiel „Verbinde die Punkte“, bei dem man eine Linie zwischen zwei Punkten nur dann zeichnen darf, wenn man eine Glückszahl gewürfelt hat. Wenn man oft genug eine hohe Zahl würfelt, verbinden sich die Punkte plötzlich zu einem massiven, stadtweiten Cluster. Wenn man jedoch meist niedrige Zahlen würfelt, entstehen nur winzige, isolierte Inseln von Punkten. Dieses einfache Spiel hilft uns zu verstehen, wann ein kleiner Funke zu einem massiven Feuer wird.

Stellen Sie sich nun vor, dass wir nicht nur ein einziges Feuer haben, sondern eine ganze Serie von Feuern, eines nach dem anderen. Vielleicht ist es eine Grippesaison, die sich jedes Jahr verändert, oder ein neuer Stamm eines Virus, der auftaucht, nachdem der letzte verblasst ist. Die große Frage ist: Wie verändert das erste Feuer die Stadt für das zweite? Hinterlässt es die Stadt in Trümmern, was es für das nächste Feuer schwierig macht, sich auszubreiten? Oder ebnet es irgendwie den Weg? Dies ist das Rätsel, das ein Forscherteam der Universität St Andrews lösen wollte. Sie wollten sehen, was passiert, wenn man dieses „Verbinde die Punkte“-Spiel nicht nur einmal, sondern eine beliebige Anzahl von Malen durchführt und wie sich die Gestalt der Stadt mit jeder neuen Runde verändert.

Das große Spiel: „Wer wird infiziert?“

Das Paper führt zwei sehr unterschiedliche Arten ein, wie diese „saisonalen Krankheiten“ ablaufen können, die die Autoren als kompetitiv (wettbewerbsorientiert) und kollaborativ (kooperativ) bezeichnen. Um dies zu verstehen, stellen wir uns eine riesige Party vor, bei der die Gäste die Knoten (Menschen) und die Händeschüttelungen die Kanten (Verbindungen) sind.

Der kompetitive Verzweigungsprozess: Das „Kreuzimmunitäts“-Spiel

In diesem Szenario stellen wir uns vor, dass eine Gruppe von Partygästen von „Grippe A“ infiziert wird. Sobön sie genesen sind, werden sie immun gegen Grippe A, aber noch wichtiger: Sie sind auch gegen alles andere, was als Nächstes kommt, immun. Sie werden effektiv aus dem Spiel entfernt; sie können sich nicht an der nächsten Keiminfektion beteiligen und sie auch nicht weitergeben.

Die Forscher fanden heraus, dass eine neue Variante (Grippe B), wenn sie eintrifft, sich nur unter den Menschen ausbreiten kann, die nicht Grippe A hatten. Dies hinterlässt eine kleinere, stärker fragmentierte Gruppe von Menschen. Die Autoren nennen dies den Restgraphen (Residual Graph, RG). Es ist, als wäre die Party geräumt worden, sodass nur noch die Menschen übrig sind, die sich in den Ecken aufhalten.

Hier liegt die Wendung: Während immer mehr Varianten eintreffen, wird die „Party“ kleiner und zerstückelter. Die Autoren entdeckten, dass eine neue Variante, um einen großen Ausbruch zu verursachen, ansteckender sein muss als die vorangegangene. Warum? Weil die leicht erreichbaren Menschen (diejenigen mit vielen Freunden) wahrscheinlich schon von den ersten paar Varianten „genommen“ wurden. Die verbleibenden Menschen sind diejenigen mit weniger Verbindungen, was es schwieriger macht, dass der Virus von Person zu Person springt.

In ihren Simulationen zeigten sie, dass, wenn die erste Variante zu stark ist, sie die Party für alle anderen tatsächlich „töten“ könnte. Sie zerstört das Netzwerk so stark, dass selbst eine superansteckende Variante später nicht genug Menschen findet, um sich zu verbinden und einen großen Ausbruch zu starten. Es ist, als ob das erste Feuer alle Brücken niederbrennt; das zweite Feuer kann, egal wie heiß es ist, den Fluss nicht überqueren.

Der kollaborative Verzweigungsprozess: Das „Koinfektions“-Spiel

Nun drehen wir das Blatt. In dieser Version stellen wir uns vor, dass man, um „Grippe B“ zu bekommen, bereits „Grippe A“ gehabt haben muss. Man kann die neue Krankheit nicht bekommen, wenn man nicht bereits von der alten infiziert war. Das ist wie in einem Videospiel, bei dem man Level 1 erst bestehen muss, um Level 2 freizuschalten.

Dies erzeugt eine ganz andere Art des Schrumpfens. Anstatt Menschen zu entfernen, wird der Virus gezwungen, nur durch die Menschen zu reisen, die bereits durch die vorangegangenen Runden infiziert wurden. Die Autoren nennen dies die riesige zusammenhängende Komponente (Giant Connected Component, GCC). Es ist, als wäre der Virus in einer schrumpfenden Blase gefangen.

Die Forscher fanden heraus, dass die Blase mit jeder neuen Variante kleiner und kleiner wird. Das Netzwerk der Menschen, die alle vorangegangenen Stämme durchlaufen haben, wird zu einer winzigen, fragmentierten Insel. Selbst wenn die neue Variante superansteckend ist, kann sie sich nicht weit verbreiten, weil es in der „Blase“ einfach nicht genug Menschen gibt, um sie weiterzugeben. Die Autoren zeigten, dass die Ausbruchsgröße für jede neue Variante immer kleiner ist als die vorangegangene. Es ist ein Spiel mit abnehmendem Ertrag, bei dem der Virus schließlich seinen Brennstoff aufgebraucht hat.

Was haben sie eigentlich herausgefunden?

Das Team nutzte ein mächtiges mathematisches Werkzeug namens Erzeugungsfunktionen (denken Sie an einen superfortgeschrittenen Taschenrechner, der unendlich viele Möglichkeiten gleichzeitig verarbeiten kann), um genau vorherzusagen, wie groß diese Ausbrüche sein würden. Sie haben nicht nur geraten; sie führten tausende Computersimulationen auf Netzwerken durch, die wie zufällige soziale Geflechte aussahen (genannt Erdős-Rényi-Graphen), und verglichen ihre Mathematik mit den Simulationsergebnissen. Die Mathematik und die Simulationen stimmten perfekt überein.

Hier sind die wichtigsten Erkenntnisse ihrer Arbeit:

1. Die Regel „Schwerer erreichbar“: Im kompetitiven Spiel steht jede neue Variante vor einer höheren Eintrittsbarriere. Wenn die erste Variante 50 % des Netzwerks infiziert, muss die zweite Variante deutlich ansteckender sein, um die gleiche Anzahl an Menschen zu infizieren. Die Autoren bewiesen, dass die „kritische Schwelle“ (die Mindestansteckungskraft, die nötig ist, um einen großen Ausbruch zu starten) mit jeder Generation ansteigt.
2. Die Überraschung der „Gesamtinfektion“: Man könnte denken, dass fünf verschiedene Krankheiten schließlich jeden infizieren würden. Aber die Autoren fanden etwas Kontraintuitives heraus: Wenn die erste Krankheit zu stark ist, könnte sie langfristig die Gesamtzahl der Infizierten sogar verringern. Dies geschieht, weil die erste Krankheit die „hoch vernetzten“ Menschen (die sozialen Schmetterlinge) ausbrennt und so ein Netzwerk von isolierten Menschen zurücklässt, die die späteren Krankheiten nicht erreichen können. Die Gesamtzahl der Infizierten kann tatsächlich sinken, bevor sie wieder steigt.
3. Das Limit der „Koexistenz“: Es gibt einen optimalen Bereich (Sweet Spot), in dem mehrere Stämme koexistieren können. Wenn der erste Stamm zu schwach ist, übernimmt der zweite leicht. Wenn er zu stark ist, zerstört er das Netzwerk für alle anderen. Aber es gibt einen Mittelweg, in dem das Netzwerk gerade so stark fragmentiert ist, dass der nächste Stamm hineinkommt, aber nicht so kaputt, dass er das Spiel komplett stoppt. Die Autoren haben genau kartiert, wo diese Linie verläuft.
4. Die „schrumpfende Blase“ in der Kollaboration: Im Koinfektionsspiel zeigten die Autoren, dass das Netzwerk der potenziellen Wirte exponentiell schrumpft. Je mehr Stämme man hinzufügt, desto kleiner wird die Gruppe der Menschen, die alle diese Stämme durchlaufen haben. Schließlich wird das Netzwerk so fragmentiert, dass der Virus sich überhaupt nicht mehr ausbreiten kann, egal wie ansteckend er ist.

Warum sollte uns das interessieren?

Obwohl dieses Paper über Mathematik und abstrakte Netzwerke handelt, ist die Geschichte, die es erzählt, sehr real. Es hilft uns zu verstehen, wie Krankheiten evolvieren. Wenn ein Virus mutiert und zu einem neuen Stamm wird, muss es dann superansteckend werden, um zu überleben? Die Antwort hängt davon ab, wie die vorangegangenen Stämme die Bevölkerung verändert haben.

Die Autoren legen nahe, dass wir in einer Welt saisonaler Krankheiten nicht nur darauf schauen sollten, wie ansteckend ein neues Virus ist. Wir müssen auch sehen, wie die vorherigen Viren das soziale Gefüge verändert haben. Hat die letzte Grippesaison uns eine Bevölkerung hinterlassen, die schwer zu erreichen ist? Oder hat sie eine Bevölkerung hinterlassen, die leicht zu infizieren ist?

Das Paper behauptet nicht, ein Heilmittel für die Grippe zu haben, noch sagt es die nächste Pandemie voraus. Stattdessen bietet es uns eine neue Art, das unsichtbare Netz der Verbindungen zu betrachten, das unsere Gesellschaft zusammenhält. Es zeigt uns, dass die Geschichte eines Ausbruchs genauso wichtig ist wie der Virus selbst. Ob die nächste Welle der Krankheit eine massive Welle oder nur ein kleines Kräuseln wird, kann ganz davon abhängen, wie die Wellen davor das Ufer umgestaltet haben.

Am Ende haben die Autoren eine präzise Karte erstellt, wie diese „saisonalen“ Krankheiten mit der Struktur unserer Welt interagieren. Sie haben gezeigt, dass im Spiel der Infektion das Spielfeld mit jedem Zug verändert wird und die Regeln für den Sieg mit jeder Runde schwieriger werden. Ob das Spiel ein Wettbewerb um Wirte oder eine Kollaboration von Infektionen ist, das Ergebnis bleibt dasselbe: Das Netzwerk ist ein lebendiges, atmendes Ding, das sich an jeden Schritt der Reise erinnert.