《SCIENCE ADVANCES》：Periodic shifts in viral load increase risk of Hendra virus spillover from Pteropus bats
编辑推荐：
人畜共患病溢出的预测与管理需要理解贮存宿主种群内的感染动态。溢出风险通常依据基于病毒基因组物质检测的感染流行率来推断，然而仅检测到病毒存在并不能指示是否具有感染性病毒或足以发生传播的剂量。研究人员对Hendra virus主要贮存宿主Pteropus蝙蝠的病毒
人畜共患病溢出的预测与管理需要理解贮存宿主种群内的感染动态。溢出风险通常依据基于病毒基因组物质检测的感染流行率来推断，然而仅检测到病毒存在并不能指示是否具有感染性病毒或足以发生传播的剂量。研究人员对Hendra virus主要贮存宿主Pteropus蝙蝠的病毒脱落进行了全面调查，分析了3年间在5个站点收集的6151份池化尿液样本的逆转录定量聚合酶链反应(reverse transcription quantitative PCR, RT–qPCR)数据。研究人员使用广义加性模型(generalized additive models)和置换分析(permutation analysis)评估了病毒流行率（阳性池化尿液样本比例）、病毒载量代用指标与马属动物溢出事件之间的纵向关联。与无溢出时期相比，伴随溢出事件（N = 5）的流行率峰值期含有高病毒载量样本的比例更高。长期的低病毒载量与低流行率时期可能反映了非感染性RNA或剂量不足以跨越种间传播屏障。在流行率评估中结合病毒载量指标可改善溢出风险的预测。
研究背景方面，目前人畜共患感染溢出预测面临的核心挑战在于，传统基于二元检测或非检测基因组物质的感染流行率估算，未考虑生物学过程，可能将病原体存在与传染性及传播风险脱钩。病毒脱落可能以两种非感染方式存在：脱落病毒载量过低无法克服剂量屏障，或脱落病毒本身已无感染能力（如免疫中和后残留降解核酸或核蛋白复合物）。诊断检测阈值（如定量聚合酶链反应(qPCR)循环阈值Ct值40）难以区分感染性病毒与残留降解病毒RNA，且野生动物流行病学研究中极少纳入关键的病毒载量指标。Hendra virus是Pteropus蝙蝠携带的副黏病毒科(paramyxovirus)亨尼帕病毒属(Henipavirus)病毒，在澳大利亚东部致马和人重症死亡，被世界卫生组织列为高优先级研究对象；尽管东澳大利亚飞狐与马分布重叠，溢出仅见于沿海新南威尔士与昆士兰且具冬季聚集性与年际变异，此前发现亚热带越冬栖地长期低流行率脱落却不对应溢出，低水平长期脱落与短期高水平脱落风险差异不明，因此开展本研究以验证病毒载量时空变化比单纯流行率更能预测溢出风险。研究人员在亚热带澳大利亚5个飞狐栖地开展3.5年监测，筛查原型Hendra virus基因1型(HeV-g1)脱落，整合病毒载量代用指标（Ct值与基因组拷贝数）估算脱落感染性病毒量，通过置换分析检验Ct值时间非随机分布，聚焦具高溢出风险生态特征栖地并使用优化池化采样法提升流行率估算准确性，最终发现病毒载量周期性偏移可改善溢出风险预测，论文发表于《SCIENCE ADVANCES》。
关键技术方法方面，研究人员于2017年7月至2020年9月在昆士兰东南至新南威尔兰东北5个飞狐栖地（Redcliffe、Sunnybank、Toowoomba、Burleigh、Clunes）每月采样，收集黑飞狐(Pteropus alecto)为主的池化尿液样本；使用优化塑料布收集法记录上方个体数，样本分装冻存；采用靶向P基因的HeV-g1双重RT–qPCR检测病毒RNA并构建标准曲线计算基因组拷贝数/ml；统计分析选取含至少1只黑飞狐的4657份样本，通过置换分析随机重排阳性样本Ct值，以不同保守Ct阈值（Ct 28至Ct 39）重估标准化池化流行率，拟合广义加性模型(generalized additive models)与广义线性模型(GLMs)评估流行率、病毒载量与溢出事件（数量与发生与否）的关联，使用赤池信息量准则(Akaike information criterion, AIC)比较模型拟合，所有分析于R 4.2.2完成。
RESULTS部分，研究人员检测4657份黑飞狐相关池化尿液样本中HeV-g1，常规Ct 40阈值下阳性率8%、平均病毒载量22000基因组拷贝/ml；观察到脱落流行率具季节与年际模式，高Ct阈值下病毒排泄通常冬季（6至8月）达峰、其余时间呈低流行率脱落，低Ct阈值下冬季外池化流行率极低，高发年并非每年出现。置换分析显示高流行率期Ct值分布显著偏向更低值（更高病毒载量）、低流行率期偏向更高值（更低病毒载量），观测与置换标准化流行率曲线发散，Ct 38以下阈值高分位数对应高流行期、低分位数对应低流行期。溢出事件与低Ct阈值估算的标准化池化流行率峰值对齐；按季节与溢出细分时间序列，有溢出事件的峰值季节（6至8月）标准化流行率最高（效应量±标准误13.7 ± 1.43，无溢出峰值季2.33 ± 1.34，P < 0.0001，df = 2，χ2= 53.2），低Ct阈值下有溢出峰值季相对更高（Ct 28阳性16份、Ct 29阳性26份、Ct 35阳性160份），该趋势无统计支持（效应量0.90，P = 0.30，df = 1，χ2= 1.12）；Ct 38以下阈值标准化池化流行率与溢出关联更强，链接流行率与溢出数量或发生的GLMs之AIC分位数更低，Clunes单独数据集结果一致，模型非绝对推断而是比较框架。
DISCUSSION部分，研究人员证实Pteropus蝙蝠种群脱落Hendra virus载量呈周期性偏移，高流行期偏向更高病毒载量，支持流行率与个体病毒载量同时升高时溢出风险不成比例增加之假设；低Ct阈值生成的流行率估算与溢出风险相关性更强，提示常规Ct 40检测Hendra virus RNA或非最佳预测阈值。临床诊断用Ct 40平衡高检出率与低假阴性以识别感染个体，而野生动物流行病学需优先识别具活性感染者，高病毒载量更可能具传染性。低Ct阈值下池化流行率在峰值季外极小且高发非每年出现；有溢出峰值季低Ct阈值标准化流行率高于常规估算、无溢出峰值季或非峰值季更低，表明冬季外长期低强度脱落可能为非感染性RNA或低载量无法克服剂量屏障，虽维持蝙蝠群体内传播但对跨种溢出风险极小，此或可解释HeV-g2相较HeV-g1流行率与载量更低致溢出风险较低之现象。冬季食物（桉树开花）稀缺致飞狐营养胁迫、免疫下降与感染再激活，可解释亚热带高脱落与溢出聚集，严重气候驱动食物短缺无后续冬花脉冲后出现≥3起溢出集群，其余年份多为孤立事件，凸显营养胁迫在高风险期的作用，但需进一步评估食物可得性与营养成分是否解释病毒载量分布偏移及与溢出频率之链结。研究聚焦受限原生冬季食物的栖地与5个栖地，实际流行率模式未必推广至无急性食物短缺栖地，但流行率与Ct截断值之相互作用随时间一致，5个栖地聚合或单Clunes栖地（空间关联溢出）均见可预测的高低载量脱落期。未来需正式检验RNA检测（基因组拷贝数）与体外（中位组织培养感染剂量TCID50）或体内感染剂量之系列稀释关系，并将抗体反应纳入宿主内感染动态以估算溢出风险；探索不同Ct阈值旨在强调与传播相关之检测（更高可能具功能传染性之病毒载量），无完美传染性阈值，低Ct阈值总体改善流行率与溢出关联但未发现最优值或更低值更强相关之清晰趋势，旨在探析阈值是否改变病毒动态以解读传播与溢出而非寻找最优Ct值，且Ct值跨实验室不可直接比较。虽采取步骤从池化样本估算真流行率，上方计数潜在误差、蝙蝠片间移动或“超级传播者”高估不可避免但影响极小仅为随机噪声不影响解释。结论为挑战高贮存宿主病毒脱落流行率单独驱动野生动物至人溢出之范式，显示Pteropus种群Hendra virus载量代用指标分布存在时态偏移，纳入病毒载量生成之流行率估算与观测Hendra virus溢出事件相关性更强；忽略病毒载量下降之流行率估算可能将病毒存在与传播风险脱钩，既往报道低流行率Hendra virus脱落不与溢出风险对齐；研究为促成溢出之过程提供关键见解，为其他系统与实验研究探索蝙蝠高病毒脱落机制及跨物种区域病毒普适性奠基，细化更准确指示传染性之Ct阈值数据仍是推进该领域之优先事项。
MATERIALS AND METHODS部分总结：研究于2017年7月至2020年9月在5个栖地开展，栖地依溢出相关属性与可行性选取；采样始于2018年4月全覆盖，每月约同周采样，会话内距≤14天聚合分析，假定黑飞狐高流动性与相似纬度亚热带气候下个体混合故聚合数据；期间研究区发生5起马Hendra virus溢出事件，2起位于Clunes栖地觅食半径内。样本收集为日出前于栖地下方布0.9×1.3 m塑料布收集池化尿液，记录上方个体数与物种，每布尿液混为单样本（约20滴~2 ml）分装含AVL缓冲液（Qiagen）、病毒运输介质(viral transport medium, VTM)与无缓冲液(no buffer, NB)冻存；6小时内收集，完全蒸发或粪污染样本（~0.7%）与雨影响事件弃用。RT–qPCR筛查使用QIAamp Viral RNA Kit与QIAcube HT自动系统提取RNA，HeV-g1双重RT–qPCR靶向P基因（不检HeV-g2），平行跑已知基因组拷贝数标准品构标准曲线算基因组拷贝数/ml；Ct值为扩增靶核酸至可检测所需循环数，与靶核酸量反比，低Ct对应高病毒载量，传统Ct 40判阳性；基因组拷贝与Ct值作病毒载量代用指标。统计分析用4657份含≥1黑飞狐样本，置换分析以基线Ct 40判阳性后随机重排阳性样本Ct值，逐保守Ct阈值（Ct 28至Ct 39）重估标准化池化流行率（各阈值除全数据集最大流行率），拟合自由度8自然立方样条二项对数联广义加性模型；置换限制同保存剂类型内重排并模拟验证鲁棒性；算观测流行率分位数（各时间点置换流行率小于观测之比例，无偏移约50%），高分位数示低Ct（高载量）偏移、低分位数示高Ct（低载量）偏移。按非峰值季（9至5月无溢出）与峰值季（6至8月）有无溢出分三类绘图各Ct阈值标准化流行率；拟合GLMs检验月度标准化流行率与时间序列类别、仅溢出峰值季Ct阈值之关联；拟合泊松对数联GLM（溢出数量）与二项对数联GLM（溢出发生）逐Ct阈值，预测为观测或置换月度标准化流行率，以AIC评估低阈值是否改善拟合及相对置换数据集之改善，空间聚合与单Clunes栖地重复，R 4.2.2的stats包完成。
