1文献信息

文献《Reconstructing the early spatial spread of pandemic respiratory viruses in the United States》，由Zhang等人于2026年在PNAS上发表。

2研究背景

新发呼吸道病原体的早期空间传播规律，是大流行预警与响应中的关键问题。既有研究已表明，航空旅行驱动长距离跨区域传播，通勤流动推动病毒向周边地区扩散；但由于早期病例严重低报、检测不足以及高分辨率疾病数据缺乏，SARS-CoV-2 和 2009 H1N1pdm在美国州以下尺度的早期传播路径仍缺乏系统认识。为此，本文整合疾病时间序列、人类流动网络、随机传播动力学和数据同化方法，在美国都会统计区（MSA）尺度重建两次呼吸道大流行的早期空间传播网络，并进一步评估机场污水监测在未来大流行早期预警中的潜在作用。

3研究方法

本文构建了随机数据驱动的元群体传播模型，以美国 MSA 作为空间节点，并利用通勤流动和航空旅行刻画地区间人口移动。其中，通勤主要反映短距离、区域性传播，航空旅行则反映长距离、跨区域传播。对于 H1N1pdm和假想呼吸道病毒，作者采用 SIRS 模型；对于 SARS-CoV-2，则采用包含潜伏期的 SEIRS 模型。

为刻画早期传播中的随机性和超级传播现象，模型在每日时间步上引入随机机制：新增感染数通过负二项分布生成，以反映个体传播能力差异；感染者居住地归属和航空迁移过程则通过多项分布分配。因此，即使在相同参数和相同流动网络下，重复模拟也可能产生不同传播路径，从而体现大流行早期空间扩散的不确定性。

在传播网络推断方面，作者首先通过双线性拟合确定各 MSA 的本地传播起始时间，然后按照起始时间从早到晚逐一识别感染来源。对于每个目标 MSA，算法依次测试已进入传播网络的候选来源地区：若加入某一候选来源与目标地区之间的通勤和航空连接后，模型能够显著改善目标地区短期感染预测，则该候选来源被识别为主要感染来源。

模型推断过程中，作者使用 EAKF 进行数据同化，动态更新未观测状态和传播率等参数，并通过短期预测误差比较不同候选来源的解释能力。若没有候选来源显著优于空模型，则顺延目标地区的本地传播起始时间并重新测试；若多次仍无法识别来源，则将该地区定义为新的感染起点。最后，作者进行 100 次独立推断，并根据每条传播边的出现比例筛选高置信传播网络。

4研究结果

首先，在理想化模拟疫情中，作者发现早期空间传播网络同时具有稳定骨架和随机路径。100 次独立模拟中共出现 994 条不同传播边，其中 566 条传播边在少于 20% 的模拟中出现，说明早期传播网络具有显著变异性。然而，在单次模拟中，约 71.1% 的传播边属于在超过 80% 模拟中反复出现的稳定边。这表明，早期空间传播并非完全随机：强流动连接和关键枢纽决定了稳定传播骨架，但具体传播路径仍会受到随机输入、航空迁移和超级传播事件影响。

图1 模拟疫情中传播网络的稳定骨架与随机传播路径

在方法验证中，作者利用模拟疫情中已知的真实传播边检验推断算法性能。单次推断的准确率和召回率分别达到约 79.3% 和 78.2%；通过 100 次集成推断并筛选高置信传播边后，准确率提高至 86.4%，召回率提高至 88.6%。这说明，该基于短期预测能力的动力学推断框架能够较好恢复模拟疫情中的真实传播网络，并且集成推断策略显著提高了推断结果的稳健性。

图2 传播网络推断框架及其在模拟数据中的验证结果

在 SARS-CoV-2 真实数据分析中，作者选择 Seattle 和 New York 作为初始感染起点，重建了 2020 年2月至5月美国 375 个 MSA 之间的早期传播网络。结果显示，SARS-CoV-2 在美国早期传播呈现明显的“枢纽—辐射”结构。Seattle 和 New York 是全国性传播枢纽，主要通过航空旅行向多个远距离 MSA 输出感染；Chicago、Atlanta、New Orleans 和 San Francisco 等城市则进一步作为区域性枢纽推动周边扩散。多数地区间传播边发生在 2020 年2月底至3月中旬，说明在美国宣布全国紧急状态之前，病毒已经完成了相当程度的空间扩散。

图3 SARS-CoV-2 与H1N1pdm在美国早期 MSA 间传播网络重建结果

在 2009 H1N1pdm真实数据分析中，作者使用每周流感样病例阳性指标重建了春季波的早期传播网络。结果显示，H1N1pdm的传播路径与 SARS-CoV-2 并不相同，但同样呈现“枢纽—辐射”结构。San Diego、San Antonio 和 New York 被设定为初始感染起点，随后病毒通过航空旅行和区域通勤快速传播到其他 MSA。由于 H1N1pdm数据为周尺度监测数据，时间分辨率低于 SARS-CoV-2 的每日感染估计，因此其传播网络推断不确定性更高，但总体空间传播模式仍具有清晰的枢纽扩散特征。

进一步地，作者比较了两种简单的人类流动启发式方法：输入流动量和感染输入风险。前者只考虑目标地区本地传播起始前来自不同来源的累计流入人数，即“谁来的人最多”；后者进一步考虑来源地当时的感染水平，即用“流动量乘以来源地感染强度”估计输入感染风险。结果显示，这两种启发式方法只能解释部分推断传播边。例如，仅使用输入流动量可捕获 SARS-CoV-2 推断传播边的 43.1%；使用感染输入风险则可捕获 53.6%。这说明，人类流动尤其是航空旅行确实为早期传播路径提供了重要信息，但仅靠流动量或输入感染风险仍不足以准确恢复真实传播网络。

图4 人类流动启发式方法与完整动力学推断框架的对比

最后，作者将模型用于未来大流行情景模拟，并评估机场污水监测的潜在作用。研究首先通过 980 个未来疫情情景识别传播枢纽，即在多种起源地、传播率和超级传播潜力组合下，最可能感染多个其他 MSA 的城市。随后，作者假设在这些关键枢纽部署机场污水监测；若抵达该 MSA 的感染航空旅客被检测到，或本地累计感染达到社区发现阈值，则触发本地干预，并将该地区的本地传播率降低一定比例。模拟结果显示，只有当监测覆盖足够广，并且能够触发有效降低本地传播率的干预时，机场污水监测才可能明显减缓早期空间扩散。单纯监测少数最大枢纽并不足够，因为早期传播路径具有显著随机性，感染输入可能绕过最显眼的航空节点。

5研究总结

本文提出了一个结合人类流动、随机元群体动力学、EAKF 数据同化和集成推断的传播网络推断框架，系统重建了 SARS-CoV-2 和 2009 H1N1pdm在美国 MSA 尺度的早期传播过程。研究发现，两次大流行虽然具体传播路径不同，但均在数周内快速扩散，并呈现明显的“航空枢纽驱动加区域通勤扩散”特征；同时，具体传播边受到随机输入、超级传播和本地传播建立过程影响，单靠流动量或输入风险难以准确恢复传播网络。该研究提示，未来新发呼吸道病原体的早期响应应结合高分辨率疾病数据、人类流动数据、机制模型和多点监测体系，尤其需要覆盖多个关键传播枢纽，并将机场污水监测等早期预警手段与有效本地干预相结合。

（来源：DuLab计算生物学）

原文出处：Zhang R, Deng R, Liu S, Yao Q, Shaman J, Grenfell BT, Viboud C, Pei S. Reconstructing the early spatial spread of pandemic respiratory viruses in the United States. Proc Natl Acad Sci U S A. 2026 Jan 13;123(2):e2518051123. doi: 10.1073/pnas.2518051123. Epub 2026 Jan 6. PMID: 41493813; PMCID: PMC12799117.

链接：https://pubmed.ncbi.nlm.nih.gov/41493813/