💻 bioinformatics

A Bayesian modelling framework for inference of latent infection risk patterns from virus neutralisation assay titration data

本文介绍了一个两部分的贝叶斯框架，该框架通过对抗体浓度进行建模并将不确定性传播到年龄结构化的血清催化混合模型中，直接从原始病毒中和抗体滴定数据中推断潜在的感染风险模式，从而克服了传统二分法的局限性，并揭示了英格兰境内肠道病毒 A71、D68 和柯萨奇病毒 A6 截然不同的感染动态。

原作者： Alrefae, T. A., Pons-Salort, M., Donnelly, C. A., Lambert, B., Kamau, E.

发布于 2026-09-22

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Alrefae, T. A., Pons-Salort, M., Donnelly, C. A., Lambert, B., Kamau, E.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

为了了解病毒如何在人群中传播，科学家经常寻找它留下的无形足迹。当一个人被感染时，其免疫系统会产生被称为抗体的蛋白质来对抗入侵者。即使在感染消除后，这些抗体仍能在血液中停留很长时间，作为暴露于病毒的历史记录。通过检测许多人的血液样本，研究人员可以绘制出谁曾被感染以及何时被感染，从而揭示出症状报告往往会遗漏的隐藏传播模式。衡量这些抗体的一种常用方法是病毒中和实验，这是一种实验室测试，通过逐步稀释血清并将其与病毒混合，观察需要稀释到什么程度后病毒仍能感染细胞。传统上，科学家将这种复杂的、分步的数据简化为一个单一的数字——“效价”（titer），它仅仅标记了保护作用停止的点。然而，这种方法丢弃了大量关于实际免疫反应强度的信息，也无法衡量该单一数字的不确定性。

一组研究人员开发了一种观察这些数据的新方法，这种方法不将原始结果视为简单的“通过”或“失败”，而是将其视为一个关于免疫强度的连续故事。他们没有丢弃稀释步骤的细节，而是构建了一个统计框架，用以重建每个人血液中实际的抗体浓度，并附带一个衡量该估计值确定程度的指标。随后，他们将重建的抗体水平输入到一个追踪感染风险如何随年龄变化的模型中。这种方法使他们能够推断出三种特定肠道病毒（EV-A71、EV-D68 和 CVA6）的动态变化，这些病毒已知会导致严重的呼吸道疾病和手足口病。通过分析来自英格兰三个不同年份、近 1,600 人的血液样本，研究人员揭示了这些病毒在社区中移动的更清晰图景，发现感染风险和免疫持续时间在这几种密切相关的病毒之间存在显著差异。

研究人员将他们的新方法应用于三种不同的病毒，以观察它们的免疫足迹有何不同。对于其中两种病毒（EV-A71 和 CVA6），结果证实了一种熟悉的模式：感染在幼儿时期最为常见。模型估计，CVA6 在五岁时的近期感染比例峰值约为 40%，而 EV-A71 在七岁时为 32%。在这些早期高峰之后，新感染率大幅下降，且人群中对这些病毒的易感比例保持在较高水平，超过一半 40 岁及以上的成年人并未显示出近期或既往感染的迹象。这表明，虽然这些病毒在幼儿中广泛循环，但它们并不会感染每一个人，从而在成年人群体中留下了大量易受攻击的群体。

与之形成鲜明对比的是第三种病毒 EV-D68，它讲述了一个不同的故事。研究人员发现，接触这种病毒的情况更为普遍且持久。他们的模型显示，感染过 EV-D68 的人群比例在 13 岁时超过 50%，并持续攀升，到 65 岁时接近 90%。与另外两种病毒不同（另外两种病毒的抗体水平往往随时间减弱），模型表明 EV-D68 的抗体浓度在 person 一生中都保持在较高水平。这意味着人们可能会反复暴露于该病毒之下，或者初始感染引发了非常长久的免疫反应。此外，EV-D68 的感染强度随年龄增长下降的速度也比另外两种病毒更为缓慢，这表明病毒传播在成年期仍在继续。

这项工作的关键发现是，新方法得出的结果与使用旧的、简化的“基于固定阈值将人简单归类为‘阳性’或‘阴性’”的方法进行分析时得出的结果不同。当研究人员将他们的估计值与之前使用这种旧方法的研究所得结果进行比较时，发现他们的新方法估计的幼儿感染率较低。这种差异源于新模型能够区分出：一个人是由于近期感染导致的高水平抗体，还是由于多年前的感染导致的适中水平抗体。传统方法通过将每个阳性样本强制归入单一类别，无法做出这种区分，因此经常高估了极近期感染的人数。此外，新的框架提供了一种量化这些估计值不确定性的方法，而旧方法则无法做到这一点。

研究人员还测试了如果假设人们最终会失去所有免疫力并重新变得易感（这一过程被称为血清转化），其发现是否依然成立。对于 EV-A71 和 CVA6 病毒，数据并不支持免疫力完全消失的观点；模型表明，如果确实发生这种情况，其过程需要数十年，免疫半衰期以数十年计。对于 EV-D68，数据非常强有力，以至于模型基本上收敛到了一个一旦感染，人便终身免疫的情景。虽然研究并未发现免疫力快速丧失的证据，但作者指出，他们的模型假设了感染风险随年龄变化的特定形状，这可能会略微限制对最年幼儿童数据的解析度。

最终，这项工作证明了病毒中和实验中的原始数据包含了大量在科学家将其总结为单一数字时往往会丢失的信息。通过使用一个两部分的统计框架（首先估计实际抗体浓度，然后利用这些估计值来模拟感染史），研究人员能够在不依赖人为设定阈值的情况下，推断出特定年龄的感染风险。这种方法揭示了 EV-D68 在人群中可能比此前认为的更常见且更持久，而 EV-A71 和 CVA6 则留下了大量的易感成年人群体。这些直接源自原始实验室测量值的见解，为公共卫生官员提供了更细致的视角，有助于他们更好地理解未来疫情爆发的风险以及疫苗接种策略的潜在需求。

技术摘要：一种用于从病毒中和抗体滴定数据中推断潜在感染风险模式的贝叶斯建模框架

问题陈述
血清学检测，特别是病毒中和抗体测定（VNA），是估计累积病原体发病率和监测人群免疫力的标准方法。然而，传统的 VNA 数据分析依赖于一种拥有一个世纪历史的插值法（例如 Reed-Menuch）来确定“终点滴度”。这种方法丢弃了原始稀释系列数据中固有的重要信息，将检测视为确定性过程（尽管实验本身存在固有缺陷），并且仅产生点估计值而缺乏不确定性度量。此外，传统的流行病学分析通常根据人为设定的阈值将这些滴度二分化为二元的血清阳性/血清阴性类别，这掩盖了抗体水平的连续变化，并限制了人群层面定量分析的分辨率。

方法论
作者提出了一个由两部分组成的贝叶斯框架，旨在直接从原始滴定数据中推断潜在的感染风险模式，而不进行二分化处理。

第一阶段：用于抗体浓度的机械性 Probit 模型
第一阶段将 VNA 过程建模为一个剂量-反应实验。该模型不再通过插值确定单一终点，而是使用机械性 probit 函数对给定血清稀释度 $d$ 下细胞存活的概率进行建模。

公式化： 模型假设每个个体存在一个潜在的底层中和抗体浓度 ( $\phi$ )。细胞存活概率 $\pi(d)$ 被建模为 $\Phi(k_1(\log \phi - \log d))$ ，其中 $\Phi$ 是标准正态累积分布函数， $k_1$ 控制剂量-反应曲线的陡峭程度。
推断： 通过使用每个稀释步骤中重复结果的二项采样模型，该框架估计了潜在抗体浓度 $\phi$ 的后验分布和斜率参数 $k_1$ 。这一阶段量化了每个样本在抗体浓度上的不确定性，传播了检测层面的噪声，而非将其压缩为点估计值。

第二阶段：年龄结构化血清催化混合模型
第二阶段将来自第一阶段的不确定性整合到流行病学模型中以推断感染动态。

整合： 该框架并非进行联合拟合，而是采用“切割式”（cut）推断方法：它通过对第一阶段生成的个体抗体浓度 ( $\phi$ ) 的后验抽样进行积分，来评估第二阶段的似然函数。
模型结构： 作者采用了血清催化模型来描述血清状态随年龄的变化：
- SII 模型（易感、近期感染、既往感染）： 用于肠道病毒 A71 (EV-A71) 和柯萨奇病毒 A6 (CVA6)。该模型包含一个衰减率 ( $\psi$ )，允许从高浓度状态 ( $I^{++}$ ) 向较低的持久状态 ( $I^+$ ) 转变，但不包括完全的血清复归 ( $I^+ \to S$ )。
- SI 模型（易感、感染）： 用于肠道病毒 D68 (EV-D68)，假设不存在衰减 ( $\psi=0$ )，并将感染视为吸收态，反映了极高的终身血清流行率。
似然函数： 个体的似然函数是对应于不同血清状态的对数正态分布的混合，其权重由由常微分方程（ODE）系统导出的年龄依赖型状态概率决定。

核心贡献

直接从原始数据进行推断： 该框架绕过了对预设血清阳性阈值的需求，直接从滴定检测的原始孔级结果中推断感染率和抗体浓度。
不确定性传播： 这是首个将检测层面不确定性（来自稀释系列）传播到流行病学参数估计（感染力、衰减率）中，从而为所有估计值提供置信区间的方案。
机械性联系： 它弥合了检测层面统计模型（估计滴度）与流行病学模型（估计传播）之间的鸿沟，实现了对潜在血清状态成员身份、感染力 ( $\lambda$ ) 和血清衰减率的联合推断。
细致的血清动力学： 通过将抗体浓度建模为连续的潜在变量，该框架能够区分近期感染者 ( $I^{++}$ ) 和既往感染者 ( $I^+$ )，从而提供比二元分类更细致的免疫图谱视角。

结果
该框架被应用于针对英国人群（2006、2011、2017 年）关于 EV-A71、EV-D68 和 CVA6 的三次横断面血清调查。

抗体浓度： EV-D68 显示出比 EV-A71 和 CVA6 更高且更持久的终身抗体浓度。对于 EV-A71 和 CVA6，抗体浓度在童年时期达到峰值后下降，而 EV-D68 的浓度在成年期仍保持在高水平。
血清状态动态：
- EV-A71 与 CVA6： 近期感染者 ( $I^{++}$ ) 的比例在 EV-A71（约 32%，7 岁）和 CVA6（约 40%，5 岁）中达到峰值，并随年龄增长而下降。很大一部分成年人口（约 50-60%）仍处于易感状态 ( $S$ )，表明仍存在残留易感性。
- EV-D68： 既往感染者的比例在 13 岁时超过 50%，并在 65 岁时接近 90%。成年人的易感比例很低（<10%）。
感染力 (FOI)：
- 对于 EV-A71 和 CVA6，FOI 在幼儿时期较高，随后迅速下降，到 10 岁时趋于零。
- 对于 EV-D68，FOI 随年龄增长下降较为缓慢。作者指出，跨调查年份（2006–2017）的数据汇总可能会平均化不断变化的传播机制，特别是考虑到 2014 年全球性的 EV-D68 疫情。
与以往方法的比较： 与之前的分析使用二分化数据（“旧”方法）相比，新框架（“新”方法）估计出的感染力较低，特别是在 1–10 岁的年龄组中。作者将其归因于混合模型能够对中间抗体水平进行概率性分配给不同的血清状态，以及显式建模衰减的过程，这使得可以在不将所有年龄相关的下降都强制归于传播率的情况下，来估计 FOI。

意义与主张
作者声称，他们的框架揭示了传统终点滴度法往往会掩盖的广泛抗体水平变化。通过避免在固定阈值处进行二分化处理，该方法提供了更清晰的血清转化动态图景，并改进了对病毒传播和人群易感性的估计。该方法被呈现为一种原则性的手段，用于直接从血清学数据中估计累积发病率并追踪免疫动态。作者指出，虽然该方法在肠道病毒上得到了验证，但它对于任何适用于 SI 或 SII 模型的抗体滴定系统都是具有普适性的。他们承认存在局限性，例如在主要分析中使用了年龄依赖型（而非随时间变化型）的 FOI 假设，以及由于可识别性问题而未在主要模型中包含血清复归，不过研究中也进行了必要的敏感性分析。

类似论文