基于分子网络的男男性行为艾滋病传播扩散动力学建模及应用

To infer phylogenetic clusters, the route of transmission, and the transmission rates at different stage of infection among MSM in Beijing, using HIV genetic sequence data (approximately 8000 samples). We will adopt two different methods: Bayesian Skyline-plot method with Wallinga-Teunis (BSWT) method and Iterated Filtering-based Mechanistic Modelling (IFMM) method. To compare the time series of cases inferred from Bayesian Skyline-plot method with the reported cases via routine surveillance, to compare the transmission rates estimated via BSWT and IFMM methods. We will develop an agent-based model (ABM) and nested models to capture the impact of behavioural changes, on the number of new HIV infections among MSM in Beijing and make useful projections on the trends. We will also access the impacts of different events such as web+ on the transmission of HIV among different high-risk MSM populations.

艾滋病传播与控制已经成为国内外急需解决的公共卫生问题。从传播与控制角度看，首先问题是如何根据现有数据推断人群的聚集性、传播途径等信息，但目前仍然没有很好的解决办法。为此，本课题拟使用男男同性性行为人群（MSM人群）中HIV基因序列数据库（规模约8000个样本）推断出北京MSM人群在感染不同阶段的聚类群、传播途径和传播率等信息。主要拟采用BST方法、BSWT方法与IFMM方法，利用BST方法所得的感染者时间序列将会跟常规监测得到的报告病例数进行比较和分析；通过BSWT方法和IFMM方法分别估算出的传播率等关键流行病学参数，通过比较来探讨这些方法的优劣性。在此基础上，将建立Agent-Based 模型以及宏观-微观嵌套的动力学模型来模拟MSM个体的性行为改变以及基于互联网+等大型教育活动对HIV在MSM中传播的影响。本项研究成果可为艾滋病传播控制提供理论与方法，为其它地方的预防与控制提供示范。

量化流行病传播的传统方法是基于监测数据的，而使用最广泛的监测数据通常是来自病例报告和医院记录的发病数据。这些数据往往容易受到人为误差的影响，在流行病爆发期间收集的数据有时甚至出现严重的错误或不完整的情况。基于此，项目团队最重要的工作之一是创造了一种新的方法来研究流行病的传播，并以全国异性人群的HIV病毒基因序列数据为例说明如何利用该方法来量化疾病传播动力学特征并预测流行趋势。首先，我们利用贝叶斯系统发育方法分析HIV病毒的四个主要亚型的基因序列，推断其最近源祖先及其有效再生数的动力学过程。针对中国异性间HIV/AIDS传播的四个主要亚型(CRF01AE，CRF07BC，CRF08BC和CRFBC)共计912条基因序列数据，我们应用贝叶斯系统发育分析分别推断它们各自的最近源祖先时间和有效再生数，以追溯HIV/AIDS在该人群中的传播动力学历史。其次，我们建立了动力学模型来预测HIV耐药株在未来的传播趋势，并得到该模型的有效再生数表达式。通过马尔可夫蒙特卡洛(MCMC)方法将上述两种不同方式得到的有效再生数进行拟合，得到了动力学模型中一些重要的参数值，然后考虑不同的HIV/AIDS防控措施对动力学模型进行数值模拟，预测和对比不同措施对耐药株传播的影响。此外，课题组还对模型选择及参数的不可识别性进行了深入研究。..研究团队在对基因调控网络的研究过程中发现需要对复杂网络的结构特征以及动态网络进一步深入研究。对于任意两个网络，如何构造反映结构特征的差异度量是一个很有挑战性的问题。已有研究要么假设网络的度分布是均匀的要么忽略网络的社团结构信息，因此所提出的度量往往在实际应用中效果较差。针对这一不足，我们提出了一个新的度量函数。基于散度的思想，新函数综合考虑了节点距离分布、聚集系数分布和中心性分布三个拓扑参数的香农散度，既考虑了节点的局部信息，又考虑了网络的全局信息，因此不但精度高而且计算快，从而可以用来度量真实网络，作为模型选择的参考。此外，为了更好地刻画时变网络，特别是网络中关键顶点的识别，我们提出了保守网络的概念。

内容获取失败，请点击重试