📄 public and global health

Leveraging the U.S. blood supply to detect emerging viral threats

本文建议将宏基因组测序整合到美国血液供应系统中，作为一种主动且具有成本效益的监测工具，旨在于新兴病毒威胁引发广泛临床疾病之前对其进行检测。

原作者： Justen, L. J., Bhasin, H., Whittaker, C., Cunningham-Bryant, D., Lanteri, M., Busch, M. P., Esvelt, K. M., Sabeti, P. C.

发布于 2026-06-21

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Justen, L. J., Bhasin, H., Whittaker, C., Cunningham-Bryant, D., Lanteri, M., Busch, M. P., Esvelt, K. M., Sabeti, P. C.

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

想象一下，美国拥有一个庞大的、全国性的血液捐献中心网络。每年，数百万人走进中心进行献血或捐献血浆。目前，当这些捐献品送达时，实验室会进行一项非常特定的“安全检查”：他们使用一份清单，寻找大约十几类已知的“坏蛋”，比如艾滋病毒（HIV）、乙型肝炎（Hepatitis B）和丙型肝炎（Hepatitis C）。如果一份捐献通过了清单检查，它就会进入供应库；如果失败，则会被丢弃。

这篇论文建议在这一安全检查中加入一种新的、强大的工具：宏基因组测序（Metagenomic Sequencing, MGS）。

以下是作者建议内容的简单拆解，使用了日常类比：

1. 问题所在：“已知坏蛋”名单

目前的血液供应就像是一个俱乐部的保安，他只根据一份已知的 12 名麻烦制造者名单来检查身份证。如果出现了一个新的、未知的麻烦制造者并乔装打扮（一种新型病毒），因为保安的名单上没有这个人的名字，所以他就会被放进来。

历史证明这是危险的。像艾滋病毒和丙型肝炎这样的病毒曾在血液供应中循环多年，才被人们意识到它们的存在，因为当时的“保安”并没有在寻找它们。

2. 解决方案：“渔网”方法

作者建议用一个巨大的、高科技的“渔网”取代特定的清单。与其寻找特定的名字，不如用这张网捕捉样本中的一切。

运作方式： 他们利用那些已经在进行已知病毒检测的剩余血液样本（“残留”部分）。与其在测试后将它们扔掉，不如运行一台机器来读取其中存在的所有病毒的遗传密码。
优势： 如果血液中存在一种全新的、从未见过的病毒，这张网能立即捕捉到它。它不需要知道病毒的名字，就能知道它的存在。

3. 样本来源

论文研究了两个主要来源，它们就像两种不同类型的血液捐献：

全血（社区捐赠者）： 指的是那些为输血捐献血液的人（如红十字会）。这些样本通常会被混合成小的“微型池”（就像把 10 杯水混合在一起）来进行已知病毒的测试。作者建议对这些微型池进行测序。
来源血浆（付费捐赠者）： 指的是专门为制造药物而捐献血浆的人。这个行业规模巨大，且采集样本的频率更高。他们也同样会对样本进行混合成池，有时甚至规模更大。

作者认为，使用这些现有的“剩余”样本就像是发现了一份免费的、预包装好的午餐。你不需要中断捐献过程，也不需要要求捐赠者提供额外的血液；你只需要利用已经在实验室里的样本即可。

4. 成本：极小的代价换取巨大的安全

作者对这项工作的成本进行了计算。

估算： 他们计算出，美国每年运行这样一个全国性监测系统的费用约为 550 万美元。
类比： 把这想象成为一个大型城市购买几辆新消防车的成本。作为回报，国家获得了一个预警系统，可以在病毒传播到哪怕仅 0.01% 的人口（约 34,000 人）之前就发现它。
目标： 该系统的设计初衷是捕捉病毒的“早期阶段”，理想情况下是在其演变成一场全面流行病之前。

5. 它能捕捉什么，不能捕捉什么

论文非常明确地说明了这个“网”能捕捉什么，以及不能捕捉什么：

擅长领域： 那些在血液中潜伏而不立即导致捐赠者生病的病毒。想想像艾滋病毒或肝炎这类病毒，或者寨卡病毒等蚊媒病毒。这些病毒可以在人体内存在很长时间，而此时人并无异样。
不擅长领域： 生活在肺部或胃部的病毒，比如流感或普通感冒。除非人病得很重，否则这些病毒通常不会出现在血液中（而病得很重的人通常不会捐血）。论文指出，该系统应该与其他系统（如检测废水或病患）形成“互补”，而不是取代它们。

6. 隐私：保持捐赠者的匿名性

一个主要的担忧是隐私问题：“如果你对血液进行测序，你会发现捐赠者的身份吗？”
作者解释说，该系统在设计上是安全的：

“奶昔”类比： 他们测试的是“微型池”（将许多捐赠者的样本混合在一起）。这就像制作一杯由 10 种不同水果组成的奶昔；你可以尝出水果的味道，但你无法分辨出哪颗特定的苹果来自哪棵特定的树。
去标识化： 在样本到达测序实验室之前，所有的捐赠者姓名和个人信息都会被剥离。
现有规则： 这遵循了疫情期间疾控中心（CDC）检测血液捐赠者是否感染 SARS-CoV-2 时所使用的现有隐私规则。

总结

论文认为，美国的血液供应是发现新疾病的一个被低估的宝库。通过在现有的血液检测流程中加入一个“读取一切”的遗传扫描仪，国家可以在比我们现在更早、甚至早几年的时候，就察觉到危险的新型病毒。这是一个低成本、高科技的升级，旨在强化我们的国家免疫系统，并且使用的是已经被收集并进行过测试的样本。

技术摘要：利用美国血液供应进行新兴病毒威胁检测

问题陈述
目前的传染病监测系统主要以反应性为主，依赖于对临床疾病或已知病原体的检测。这种方法在识别新型威胁方面存在显著滞后，特别是对于具有长潜伏期或无症状传播特征的病原体，正如 HIV、乙型肝炎（HBV）和丙型肝炎（HCV）在早期识别中的延迟所证明的那样。虽然美国的血液供应代表了一个规模巨大、人口多样化且地理分布广泛的资源（每年约有 1200 万份全血和 4000 万份血浆捐献），但目前在主动病原体监测方面的利用率仍然较低。现有的血液筛查依赖于针对特定已知病原体的靶向核酸和抗体检测，这使得系统在面对循环传播的潜在或未知病原体时处于盲区。

方法论
本文建议将宏基因组测序（MGS）整合到现有的血液采集和检测工作流中，以创建一个病原体不可知（pathogen-agnostic）的预警系统。该方法侧重于利用在常规输血相关感染（TTI）检测过程中产生的剩余样本，具体包括：

全血部门： 来自个体捐献的剩余样本以及用于常规核酸扩增技术（NAT）检测的“小池”（mini-pools, MP，由 4–24 份捐献组成）。
血浆部门： 剩余的小池样本（50–1,000 份）以及（由于库存限制，用于早期预警的作用较小）大规模制造池样本（1,000–60,000 份）。

提议的工作流程是将这些去标识化的剩余样本发送至指定的实验室进行 MGS 分析。生物信息学分析将识别已知和新型病原体，一旦检测到令人担忧的信号，将通过现有的溯源基础设施触发针对性的确认检测。作者强调，该系统旨在作为当前靶向 TTI 检测的补充，而非替代。

为了评估可行性，作者开发了一个借鉴自先前疫情动态模型的成本建模框架。该模型计算了检测出一种新型病原体所需的年度投资，前提是该病原体在超过特定的累计发病率目标（例如，人口的 0.01%）之前被发现。该模型纳入了以下参数：

疫情动态： （例如，一种具有 43 周倍增时间的类 HIV 病原体）。
病原体特征： （例如，基于急性 HIV 数据，设定受感染个体中病原体平均相对丰度为 $\mu=1.26\times10^{-5}$ ）。
测序参数： （例如，检测阈值为 100 个 reads）。
运营成本： （样本获取、测序、人工、处理和数据管理）。

核心贡献与结果

运营可行性： 本文表明，通过血液采集机构（如美国红十字会、Vitalant）与公共卫生机构之间建立的合作伙伴关系（如在 COVID-19 RESPONSE 研究及其他监测计划中所确立的关系），已经具备了大规模、去标识化样本获取的基础设施。
成本效益分析： 模型显示，每年约 550 万美元（范围为 350 万至 2620 万美元）的投资即可支持一项基于 MGS 的国家级监测计划。该系统能够在一种类 HIV 病原体感染美国人口达到 0.01%（约 34,000 例感染）之前对其进行检测。
- 该目标需要每周对 10,000 名个体进行采样，并对每周约 170 亿个 reads 进行测序。
- 成本细分表明，样本获取（47.4%）和测序（40.2%）是主要的成本驱动因素。
- 模型显示，通过改进样本制备以增加病原体相对丰度（例如，通过宿主去除技术）可以降低成本，尽管随着受感染捐献者稀缺性成为限制因素，其收益会递减。
病原体适用性： 分析指出，基于 MGS 的血液监测对以下类型最为有效：
- 持续性/无症状病毒血症： 如 HIV、HBV、HCV 和 CMV 等建立长期感染的病毒。
- 虫媒病毒： 如登革热、寨卡和西尼罗病毒，这些病毒通常具有较高的无症状病毒血症率。
- 局限性： 该系统对呼吸道（如流感）和胃肠道病毒的检测效果较差，因为这类病原体在无症状个体中很少出现病毒血症或根本不存在。
隐私与监管框架： 作者认为，使用去标识化的剩余样本进行公共卫生监测属于现有的监管先例（例如，大流行期间做出的“非研究性公共卫生监测”判定）。保障措施包括符合 HIPAA 标准的去标识化处理、通过样本池化来掩盖个体贡献，以及在分析前移除人类序列的生物信息学流水线。

意义
本文认为，利用美国的血液供应进行基于 MGS 的生物监测，是一个可以将传染病检测从反应性转向预见性的“即插即用”型机会。通过利用已建立的捐献者监测、检测和隐私基础设施，这种方法提供了一种可扩展的机制，能够在临床症状监测识别出威胁之前的数月甚至数年，检测到新型血液传播和媒介传播的威胁。作者总结道，虽然该系统无法检测所有类型的病原体（特别是那些缺乏病毒血症的病原体），但它为国家生物安全提供了一个高杠杆、高性价比的层面，特别适用于识别类似于历史上 HIV 和 HCV 检测失败案例中的隐匿性、新兴病毒威胁。该框架被认为广泛适用于其他拥有类似血液采集基础设施的国家。