SARS-COV-2 DELTA变体的特定于上下文的出现和增长

　　国际（NON-UK）序列从2021年9月15日从Gisaid下载，并与英格兰的序列相结合 ，作为社区监视的一部分（Pillar 2）
，截至2021年9月。每周，每周 ，每个Pillar 2测试实验室都选择了许多96孔板与所有测试的实验室相比
，以进行测试，以进行测试 。即使指令是应该随机选择这些 ，我们也不能排除某种错误的可能性
。但是，在COG-UK财团运行的规模上
，我们不会预期这会影响研究结果。将序列处理和对齐，作为代表COG-UK攀爬管理的每日数据管道分析的一部分 。删除了重复和环境序列 ，以及不可能或不完全收集日期的序列
。将所有序列与引用Wuhan-Hu-1（GenBank登录MN908947.3）对齐
，并丢弃了覆盖率低于93％的样品。天蝎座（https://github.com/cov-lineages/scorpio）是Pangolin43的一部分，并且保留了包含Delta voc突变星座的序列以进行进一步分析 。 　　在系统发育推断之前掩盖了产生的比对中的有问题的位点 ，并去除具有已知序列人工制品的分离株（有关详细信息
，请参见https://github.com/cog-uk-uk/delta-analysis）。此外，三角洲VOC中的突变导致了在常用的启动方案（https://www.protocols.io/view/ncov/ncov-2019-- sequencing-sequencing-protocol-v3-locost-bh42j8 ee）中引起广泛的扩增子掉落72
。为了避免基于与COG-IK的扩增子辍学的差异处理以及在全球范围内的差异处理 ，我们掩盖了位点2142-21990
，该位点代表仅由Amplicon 72覆盖的区域，并且不被邻近的扩增子覆盖。来自印度的三角洲序列在空间中是高度异质的（扩展数据图9） 。 　　为了概述三角洲的全球扩张（图1A） ，我们分析了随着时间的推移均匀采样的1,000个三角洲基因组的子集
。为了最大程度地减少错误报告的收集日期的影响
，我们将分析限制为样本收集日期和Gisaid提交日期之间的滞后时间小于四个星期。为了进一步确保仅包括最高质量的样品，我们使用iqtree244建造了最大似然树 ，该树与Wuhan-hu-1（GenBank登录MN908947.3）植根于外组，并使用Treetime45使用Treetime45
，以删除来自两个间流范围以外的触发时间的tipe tips time45 。该分析得出了975个样本的最终数据集
。在以下贝叶斯分析中，通过TRETIME估算的颞树用作起始树 ，并进行了轻微的修改以随机解析多元。使用Beast V1.10.446运行的两个链条
，每20,000个州进行一次采样 。这两个连锁店都与伯宁的前1000万个州结合在一起
。我们使用HKY+替代Model47，这是每两周一次具有网格点的灵活的SkyGrid Colescent Prior48 ，以及一个不对称的离散的植物学模型
，并带有分配给印度，英语和全球环境的样品。初步分析显示 ，数据中的时间信号很少
，鉴于SARS-COV-2的进化速率和短期研究期，这并不令人惊讶 。因此 ，在所有分析中
，进化速率固定为每个位置的7.5×10-4取代，如参考文献中所述
。18。使用Tracer V1.749评估收敛 。 　　我们的系统发育分析的目的是准确有效地描述向英国的进口动力学 ，而无需牺牲以高分辨率重建内部扩散所需的密集抽样。由于所需数据集的大尺寸，我们遵循了参考文献中使用的类似的系统发育方法
。18。首先
，使用JC69替代模型在FastTree50中建立了大约最大的可能性系统发育，并植根于Wuhan-Hu-1（Genbank登录MN908947.3） ，这是2019-12-26的高质量Pango Lineage B样品
，作为外差 。代表少于一个替代的内部分支折叠到多元人士
。然后将这棵树分为大小相等的三个子树（图1A）（28,783 、28,715和36,151个尖端）。如上所述，Treetime45随后用于删除时间异常值 ，生成一个起始时间树并估算每个分支的突变数 。对于子树
，使用野兽V1.1046（提交：D1A45）中最近实现的模型独立估算了时间树的经验分布，该模型在经典分析中取代了替代模型
。简而言之 ，在这种方法中
，根据泊松分布计算沿每个分支的突变数的可能性，平均分布等于进化速率乘以Time51的分支长度。在这种方法中 ，标准的拓扑树搜索限制在替代树中存在的多元群体的样品节点高度和分辨率的操作员 。 　　对于每个子树
，运行了500万次迭代的50个MCMC链，每2000万个州采样树木 ，前2000万个州被撤离为伯宁，导致数据集为514-520个经验树
。分析使用柔性的SkyGrid Colescent Prior48和Grid点每两周45进行进行。在Tracer V1.749中验证了模型收敛和适当的统计混合 。 　　上面估计的经验树集用于根据不对称离散植物学模型重建向英国的进口
。分类单元分为三个地点：英格兰
，印度和全球，全球国家代表英格兰和印度以外的所有国家。我们使用了野兽V1.1019中最近开发的旅行感知系统发育模型 ，以更好地告知重建的植物地理学中的过渡速率 。“旅行史”节点是在来自英格兰孤立的拥有已知旅行史的隔离株之前1周放置的。在此类旅行包括印度和其他国家的地方
，使用了模棱两可的非英国国家
。我们运行了八个链，共625,000个州 ，每2,250个州进行一次采样
，前62,500个州作为伯宁，从后分布中取样了1,998棵树。介绍被定义为在印度或全球全球所在地的父母中推断出的节点 。假定进口日期是这样的节点与其父母之间的一半
。 　　在进口分析之后 ，选择了七个最大的进口（具有> 1,500个序列的序列
，n = 25,983），以及所有具有五个或五个序列的导入 ，是从具有与后验中间的总进口数量的代表性树中的。在此分析中
，仅使用了明确的邮政编码区域的序列，从而在280个较小的谱系中为七个最大的传输谱系和24,411的数据集提供了25,139个序列 ，这些谱系是从上面的“基因组数据 ”中描述的主COG-IK对齐中提取的 。在这些邮政编码区中，我们将随机坐标分配给每个序列
，因为连续的植物学分析不允许相同的值
。这是使用52的地理数据实现的。然后，我们使用宽松的随机步行模型53重建了固定树上节点（从总体最大进化枝可信度（MCC）树）上的节点的地理运动（从总体最大进化枝可信度（MCC）树修剪） ，并在分散速度的分布速度中分布了牛布的分布 。独立推断大谱系
，并在一次运行中推断出所有小谱系，其共享参数的可能性 ，精度和协方差为坐标
，但是扩散率和性状可能性的独立估计值
。在此运行之后，由于链条没有收敛到同一后部 ，因此除去了22个小介绍。然后
，使用teeannotator46生成MCC树，以总结所有谱系的后树分布 。可视化是通过定制的python脚本制作的
。使用BeastGen.py（https://github.com/viralverity/beastgenpy）生成XML文件 ，并可以与GitHub上的数据处理和可视化脚本一起找到。 　　对于出口分析
，我们将大伦敦与大曼彻斯特进行比较，该大曼彻斯特由Utlas Salford ，Trafford，Stockport
，Oldham，Bolton ，Bolton
，Tameside，Bury ，Rochdale
，Rochdale，Wigan和Manchester组成 。 　　从https://api.covid19india.org/csv/csv/latest/states.csv提取了状态级别的covid-19案例计数数据。 　　通过https://coronavirus.data.gov.uk/details/download下载了每个本地层的地方权威的案例计数数据
。 　　根据每个案件的可用性 ，汇编了四个数据来源
，以提供实验室确认案件的旅行历史：（1）进入英国需要公共卫生乘客定位者表格；（2）常规公共卫生联系跟踪数据，包括英国卫生安全局第二代监视系统（SGSS）54 ，（3）COVID-19与报告的旅行协会的测试请求
，以及（4）对案件的其他电话采访的答复。 　　COVID-19案例计数数据和累积疫苗接种数据由UTLA从2020年1月30日至2021年7月28日下载，分别通过https://coronavirus.data.gov.uk/details/download 。这些数据包括基于实验室阳性的PCR测试和阳性侧向流程测试 ，但不包括侧向流程测试为阳性和PCR随访测试的测试（更多详细信息）https://coronavirus.data.gov.gov.uk/details/details/about-about-data）
。英国国家一级的COVID-19案例计数是通过在UTLA级别汇总的案例数据来计算的。此外，为了匹配基因组数据
，根据这些多个UTLA组成的区域代码汇总了某些UTLA的COVID-19病例计数和疫苗接种数据（请参阅补充表3） 。分配了新的区域代码E10000002的所有条目均分配了新的区域代码E06000060
。 　　从https://www.ons.gov.uk/peoplepopulationandandcommunity/populationandmigration和populationestimates/datasetsets/datasetsets/populationestimatesestimatesestimatessimatessimatesforukendandandandwalesscotlandandandanthernerreland下载了UTLA-LEVEL 2020中期人口估计。人口大小数据用于计算在某个地方部分或完全接种疫苗的人群的比例 。 　　从https://data.worldbank.org/indicator/sp.pop.pop.totl?name_desc=false下载了2021年的国家/地区人口规模的估计
。 　　我们使用了Google COVID-19汇总的移动性研究数据集31,55，其中包含对打开“位置历史记录
”设置的用户汇总的匿名相对移动流量 ，默认情况下会关闭。这类似于用来显示Google地图中某些类型的地方繁忙的数据
，有助于识别何时本地企业往往是最拥挤的 。迁移率每周汇总，全球约5 km2细胞之间 ，为了这项研究的目的
，在英国的LTLA中进一步汇总了
。（https://geoportal.statistics.gov.uk/datasets/lower-tier-tier-tier-local-authority-to-upper-to-upper-tier-tier-tier-local-autority-december-2016--lookup-in-england-angland-and-wales/explore-comellist-local-aut----------------in-england-and-wales/explore）and in Country级（https：//gadm.g.org/）in 6月20日，以下时间为6月20日。 　　为了产生此数据集 ，将机器学习应用于日志数据
，以将其自动将其分割为语义旅行 。为了提供强大的隐私保证56，所有旅行均使用差异性私人机制进行匿名化和汇总 ，以随着时间的流逝聚集流动（请参阅https://policies.google.com/technologies/Anonymization）。这项研究是对由此产生的大量汇总和差异私人数据进行的
。从未手动检查单独的用户数据；仅处理大量人群的大量流动。所有匿名旅行均以汇总处理
，以提取其起源和目的地的位置和时间 。例如，如果在时间间隔t中从位置A到位置B的用户 ，张量中的相应单元格（a，b
，t）为n±err，而err是laplacian噪声
。自动拉普拉斯机制添加了从零均值拉普拉斯分布中得出的随机噪声 ，并产量（
，δ） - 差异型隐私保证= 0.66，δ= 2.1×10-29 = 2.1×10-29。具体而言 ，对于每个周W和每个位置对（A
，B），我们计算了W. WON中的每个指标的唯一用户数量 ，这些用户数量从位置A到位置B 。我们添加了从规模1/0.66的零均值分布中添加Laplace噪声
。然后
，我们删除所有嘈杂数量的用户数量低于100的指标，按照所述的过程56 ，并发布其余的。这产生了我们发布的每个度量标准都满足（ε
，δ） - 定义的隐私，并具有上面定义的值 。该参数以其方差来控制噪声强度 ，而δ表示偏离纯特征的偏差
。他们越接近零，隐私保证就越强。 　　这些结果应根据几个重要的局限性来解释 。首先
，Google Mobility数据仅限于选择进入Google位置历史记录功能的智能手机用户，默认情况下
。这些数据可能无法全部代表人口 ，此外
，它们的代表性可能因位置而有所不同。重要的是，这些有限的数据仅通过差异隐私算法的镜头来查看 ，该算法专门为保护用户匿名性和模糊细节而设计 。此外
，跨地点的比较仅是描述性的，因为这些区域在实质性方面可能有所不同。 　　我们从2021年1月至2021年6月 ，使用了国际航空运输协会（https://bluedot.global/）的数据
，从印度到所有其他国家/地区的航班（直接和间接）的确认乘客人数
。 　　我们使用人类移动性，GISAID和COG-IK基因组数据和COVID-19案例数据估算了每个目的地位置的DELTA变体的每周进口强度。通过将三角洲的比例乘以原点位置 ，新的每周报道的COVID-19案例的总数以及每个原点位置与目的地位置之间的运动强度
，从​​而计算了每个国际运动的进口强度值 。然后，我们按每周和目的地位置汇总了所有进口强度值 ，以获得EII
。 　　我们使用汇总的人类迁移率，基因组和案例计数数据估算了每周级别的每个位置的三角洲变体的出口强度。通过乘以原籍国的三角洲的比例
，新的每周报告的案件总数以及原籍国与目的地国家之间的运动强度，计算出每个国际运动的出口强度价值 。然后 ，我们按每周和原点位置汇总了所有进口强度值
，以获得EEI
。 　　为了估算一个位置内人类流动性强度的估计，我们计算了“相对自我弹性”值 ，这表明位置内（旅行的起源和目的地相同）内的活动强度是在2020年6月22日至6月6日在2020年6月6日
，使用人类流动性数据在我们的移动性数据中记录了该位置中最高行动中最高的移动性。 　　UTLA每天通过上述连续的系统发育分析获得了新的新血统引入 。数据按周和UTLA汇总
。 　　数据预处理：我们将数据从13日（2021年3月28日开始）开始。这些日期称为主要文本其他地方的基线 。我们在第一次观察到95％的样品中第一次排除了每个UTLA中的三角洲，因为在此之后 ，我们无法再估计相对生长速率
，因为Delta有效地固定在人群中
。最后，我们只保留那些在三角洲至少9周有数据的UTLA（不需要连续的UTLA）。在最终数据集中 ，我们进行了683个观测值（在64个UTLA中
，平均每一个无数数据的数据平均为11周）（补充表8） 。 　　在接下来的内容中，我们对UTLA中增量渗透的动力学进行了建模。在这里 ，我们对每个UTLA（i）的三角洲样本的数量进行建模，随着时间的流逝（t）变化（此处以几周为单位进行测量）
。在给定UTLA中驱动观察到的三角洲样品数量的背景传输条件可能与同一区域内的其他UTLA相似。我们通过I [J]在UTLA级别的层次结构进行层次和索引变量进行建模
，以表明UTLA I嵌套在（总体）nuts1单位j中 。我们使用二项式采样分布来模拟三角洲样本的数量， 　　测序样品的总数是其中的总数 ，并且是第t次区域I中三角洲样品的相应比例
。然后
，我们改变了这种概率，使其处于（不受约束的）logit量表上： 　　关键的兴趣数量是logit（即原木赔率）量表的相对增长 ，我们每周估计
，并由其中表示， 　　每个UTLA的相对生长根据层次的包含区域j对空间进行建模。还假定它取决于UTLA特异性协变量： 　　在哪里是Nuts1-区域级的增长趋势 ，是协变量的载体
，是一个特定于UTLA和周期的术语，代表偏离地区级增长的偏差 。为了说明相对增长率的时间自相关 ，假定给定地区的相对增长遵循上周其相对增长的随机步行： 　　为了评估协变量的重要性
，我们比较了包括不同的协变量集的模型的预测性能
。通过减去平均值并除以标准偏差，所有协变量均标准化。由于在整个观察期间 ，累积比例接种疫苗（考虑了以第一剂量或第二剂量接种的累积比例）单调增加，因此我们将这些变量的UTLA级平均值包括在我们的回归中：也就是说
，也就是说，我们使用了时间不变的回归器 。我们这样做是为了避免由于三角洲和比例造成疫苗接种的巧合而造成虚假关联的风险
。如果将它们包括在模型中 ，则将协变量作为重要预测因素
，以改进模型拟合在一个固定集合中，其中包括每个UTLA的最后两周数据。我们的最佳模型包括自UTLA的移动性和自基线以来的时间 ，这表现优于我们不包括协变量的模型（补充表6） 。一个模型
，其中包括以第二剂量接种疫苗的累积比例，基线和UTLA内部迁移率以来的时间也优于NO协变量模型
。但是 ，预测准确性的提高是最小的
，这是唯一超过包括疫苗接种的NO协变量模型的模型，因此我们不会将其视为疫苗接种在减缓三角洲增长方面的重要性。 　　我们在贝叶斯框架中估算了我们的模型 ，并选择了先验（补充表9）
，以便在没有进一步信息的情况下以低值为中心，可以将广泛的三角洲比例估计：我们先前的预测性分布在扩展数据中图11说明了这些特征 。 　　使用R和Stan使用四个平行链进行计算 ，该链具有50,000至60,000的迭代（取决于模型），其中一半被丢弃为热身迭代。随后将链条稀释了10倍
。在所有情况下
，MCMC采样都被诊断为收敛，所有参数的散装和尾巴有效样本量> 400> 400。对于用于模型比较的15个模型中的6个（其中包括NO协变量模型和最佳拟合模型） ，有4,410个参数中有2个具有尾巴有效样本量以下的参数；在所有情况下
，批量有效样本量都超过400 。在这些模型中，从每个UTLA进行了过去的两个星期 ，以执行样本预测
，从而导致较小的数据集，这可能解释了与50,000次迭代获得收敛性的困难
。 　　我们的模型输出了两组关键量：随着时间的推移 ，增量的每周相对生长速率和变量对增量生长（β）的估计“效应 ”。为了确定效应大小的含义
，我们计算了协变量采用事实相对于反事实值的三角洲样本的估计比例 。我们考虑了UTLA内部移动性的反事实场景，以其事实价值持有所有其他协变量
。我们认为的反事实是： 　　这些反事实模拟的结果显示在扩展数据中。 　　仿真和模型鲁棒性：为了测试模型参数可识别性 ，我们对模拟数据进行了推断 。我们修复了参数并从模型中进行模拟
，以创建假设数据（有5个区域，每个区域有6个子区域（即UTLAS）和15个时间点）
。然后 ，我们使用这些数据来估计已知参数。我们合理地能够恢复我们的参数，并且模型融合了< 1.01, bulk and tail effective sample sizes >400次迭代后
，将10,000次热身迭代丢弃并减少10倍（扩展数据图12和补充表7） 。 　　有关研究设计的更多信息可在与本文有关的自然研究报告摘要中获得
。