《Trends in Ecology & Evolution》：Co-circulation and co-infection: parasite interactions across scales
编辑推荐：
这篇综述创新性地将SI（Susceptible-Infected）理论框架扩展至多寄生虫系统，系统阐述了寄生虫在宿主个体内（WH, Within-Host）和宿主种群间（BH, Between-Host）的相互作用（如免疫抑制、竞争排斥、行为改变等）及其跨尺度反馈。文章强调，整合这两个层面对于准确预测多寄生虫系统的流行病学动态、进化生态学后果及制定有效疾病控制策略至关重要，为理解传染病复杂性提供了新视角。
跨尺度的寄生虫相互作用：共循环与共感染
在自然界和人类社会中，单一宿主种群内同时循环多种寄生虫（菌株或物种）是普遍现象。这种寄生虫的共循环（co-circulation）可导致个体宿主被共感染（co-infection）。共感染的寄生虫可通过竞争资源、调节宿主免疫等方式在宿主个体内（Within-Host, WH）发生相互作用，直接影响宿主健康、寄生虫种群动态及宿主-寄生虫协同进化。与此同时，共循环的寄生虫即使不感染同一宿主个体，也能在宿主种群间（Between-Host, BH）通过改变宿主行为、死亡率等方式间接影响彼此的传播动态。然而，传统研究多将这两个尺度的相互作用视为独立现象，忽视了它们之间可能存在的复杂交织与反馈，导致我们在预测多寄生虫系统的生态与进化结局时存在显著认知缺口。
用于分析个体与种群水平相互作用的传播框架
为解决上述问题，本文扩展了理论流行病学中经典的易感-感染（Susceptible-Infected, SI）框架。该框架将寄生虫传播概念化为一个三步过程：易感宿主与感染宿主接触、传染性阶段的成功转移、以及寄生虫在新宿主体内建立感染。这三个步骤共同决定了传播系数（β），而β可分解为接触率（κ）、感染者传染力（ι）和易感者易感性（σ）的乘积。
我们将此框架从单一寄生虫（焦点寄生虫, focal parasite）延伸至包含一个背景寄生虫（background parasite）的情形。背景寄生虫的存在，将焦点寄生虫的易感宿主亚群划分为未感染任何寄生虫的宿主（U）和仅感染背景寄生虫的宿主（IB），将焦点寄生虫的感染宿主亚群划分为仅感染焦点寄生虫的宿主（IF）和共感染宿主（IC）。由此，背景寄生虫可通过影响四个宿主亚群（U, IB, IF, IC）的规模和三个传播特质（κ, ι, σ），总计七条途径来影响焦点寄生虫的传播动态。
这七条途径清晰地对应着WH和BH水平的相互作用。例如：
- •
WH相互作用：发生在同一宿主体内。如背景寄生虫通过抑制宿主免疫（免疫抑制），使宿主对焦点寄生虫更易感（WH3），或通过消耗资源（竞争）降低焦点寄生虫的传染力（WH2）。共感染可能延长感染期（WH7，如阻碍康复）或增加宿主死亡率（WH7，如协同致病），从而分别增加或减少传播机会。
- •
BH相互作用：发生在宿主种群层面，不要求寄生虫共感染同一宿主。如一种寄生虫导致宿主行为改变（如社交疏离），影响其与其他宿主的接触率（κ），从而间接影响另一种寄生虫的传播（BH1）。或者，背景寄生虫导致宿主死亡，直接减少了易感宿主的数量（BH5），如麻疹和百日咳在人群中的相互干扰。
后果与启示
忽视相互作用的跨尺度特性可能导致对流行病学动态的误判。例如，在林鼠（Apodemus sylvaticus）中，线虫（Heligmosomoides polygyrus）和球虫（Eimeria hungaryensis）在宿主体内（WH）存在强烈的负相互作用（相互抑制）。然而，在种群水平（BH）上，由于它们共享粪-口传播途径，暴露风险高度相关，导致两种寄生虫的感染水平呈正相关，完全掩盖了WH的拮抗信号。另一个典型案例是非洲水牛（Syncerus caffer）的牛结核（bTB）和布鲁氏菌病。bTB在个体水平增加了对布鲁氏菌病的易感性，但共感染导致的高死亡率在种群水平上反而预测会降低bTB的流行率。这些例子表明，仅关注单一尺度的相互作用可能会错误归因观察到的现象，从而对共循环寄生虫的动态和后果得出有缺陷的结论。
跨尺度相互作用对疾病控制和进化动态具有深远影响。例如，针对特定肺炎链球菌血清型的疫苗接种成功降低了目标血清型的流行，但非目标血清型的流行率随之上升，即“血清型替换”现象。这凸显了在制定控制策略时，必须考虑多寄生虫系统内复杂的、多层次的相互作用。理解这些结果需要动态建模框架，如基于个体的模型或考虑共感染的复制器动态模型。
结论与未来展望
多寄生虫系统的完整理解，必然依赖于对宿主个体和种群两个层面相互作用的整合研究。未来的研究方向包括：将现有模型拓展至更广泛的寄生虫类型（如宏寄生虫，macroparasites）和传播模式；探究多宿主背景下寄生虫相互作用的复杂性；解析多寄生虫群落（超过两种寄生虫）中高阶相互作用的效应；以及阐明跨尺度相互作用对寄生虫（共）进化（如毒力演化）的影响。
要实现这些目标，需要跨学科的合作，结合对自然种群的多尺度采样、受控的生态进化实验（如中宇宙实验，mesocosm experiments）以及精心设计的统计与数学模型。我们的框架应被用于指导研究方法（纳入不同水平和类型的寄生虫相互作用）和解读由此产生的数据。唯有通过这种整合的视角，我们才能更全面地理解宿主-寄生虫相互作用的跨尺度生态与进化后果，并提高对传染病动态的预测与控制能力。
