《Genome Medicine》：A reusable model of pangenome selection informs optimal surveillance strategies over vaccine introductions
编辑推荐：
背景：人类病原体肺炎链球菌（Streptococcus pneumoniae）是包括肺炎和脑膜炎在内的疾病的主要原因。肺炎球菌结合疫苗（Pneumococcal Conjugate Vaccines，PCVs）的引入最初通过减少疫苗靶向血清型的定殖而降低了疾病
背景：人类病原体肺炎链球菌（Streptococcus pneumoniae）是包括肺炎和脑膜炎在内的疾病的主要原因。肺炎球菌结合疫苗（Pneumococcal Conjugate Vaccines，PCVs）的引入最初通过减少疫苗靶向血清型的定殖而降低了疾病负担。然而，由于PCVs仅靶向肺炎链球菌血清型中的一部分，它们改变了种内竞争，最终使非靶向血清型“替代”疫苗血清型。理解导致替代的宿主和病原体因素对于未来疫苗开发十分重要。对疫苗替代动态的机制性理解对于预测和优化基因组监测策略以评估实际疫苗有效性至关重要。
方法：研究人员开发了一个解释疫苗替代的基因组和人口学因素的数学模型，使用该模型重现血清型频率变化，并研究了成本效益高的基因组监测策略。研究人员扩展了一个基于Wright-Fisher模型的正向时间模型，开发了一个用户友好的模型框架，用于描述肺炎链球菌（S. pneumoniae）种群接种疫苗后的动态。该模型将疫苗替代描述为疫苗影响、新菌株迁入以及辅助基因组内容上的负频率依赖选择（negative frequency-dependent selection，NFDS）的函数。
结果：研究人员使用该模型研究了来自加德满都（尼泊尔）的新测序基因组监测数据，以及来自马萨诸塞州（美国）和南安普敦（英国）的现有数据，这些数据具有不同的监测策略。研究人员表明，包含NFDS的模型比不含NFDS的零模型更好地重现替代动态，且NFDS可能仅作用于肺炎链球菌辅助基因组的一部分。研究人员在不同研究地点发现了一致的疫苗有效性估计值以及区域特异性的NFDS基因，强调了在每个相关国家开展基因组监测的重要性。通过模拟模型数据，研究人员表明，在较小的采样预算下，最优监测策略优先考虑每次采样的样本量而非采样频率。
结论：该模型可用于预测PCV引入后的疫苗替代动态，并且可以轻松重新应用于分析来自疫苗引入或新区域的新数据。该模型可在R包Stubentiger（Studying Balancing Evolution (NFDS) To Investigate Genome Replacement）中获取，GitHub地址为https://github.com/bacpop/Stubentiger。
**泛基因组选择模型助力疫苗引入后肺炎链球菌替代动态解析与监测策略优化**
**一、研究背景与问题**
肺炎链球菌（*Streptococcus pneumoniae*）是导致肺炎、脑膜炎等侵袭性疾病的重要人类病原体，在儿童和老年人群中疾病负担尤为突出。肺炎球菌结合疫苗（Pneumococcal Conjugate Vaccines，PCVs）自2000年在美国首次引入以来，有效降低了疫苗靶向血清型的携带和疾病负担。然而，PCVs仅覆盖部分血清型，通过改变肺炎链球菌种群内部的种间竞争，为未靶向血清型提供了生态位释放，导致非疫苗血清型对疫苗血清型的“替代”现象。这种替代动态受宿主因素和病原体因素共同调控，理解其机制对于未来疫苗研发和公共卫生决策至关重要。
传统的肺炎链球菌流行病学监测主要依赖血清型分型，而血清型由荚膜多糖（capsular polysaccharide，CPS）基因座决定，仅反映基因组多样性的极小部分。全基因组测序（whole genome sequencing，WGS）的发展使得研究者能够分析完整的肺炎链球菌基因组多样性，并定义全球肺炎链球菌序列簇（global pneumococcal sequence clusters，GPSCs）。GPSCs与血清型提供互补信息，因为同一GPSC可能包含多种血清型，反之亦然。因此，血清型替代既可源于同一GPSC内遗传相似的血清型，也可源于不同GPSC间遗传差异较大的血清型。
全球肺炎链球菌测序（Global Pneumococcal Sequencing，GPS）项目已对60个国家的25,997个基因组完成测序，为揭示肺炎链球菌种群动态提供了数据基础。然而，基因组监测在资源有限的中低收入国家面临更强的资金约束、抗生素经验性使用更普遍以及临床微生物实验室基础设施薄弱等挑战，限制了样本量和采样频率。在此背景下，如何设计前瞻性的采样策略，使基因组监测数据能够有效回答疫苗应答关键问题，成为亟待解决的重大公共卫生课题。
负频率依赖选择（negative frequency-dependent selection，NFDS）已被提出是肺炎链球菌疫苗替代的主要驱动力之一。NFDS是一种依赖于性状在种群中频率的选择形式——当某一性状罕见时具有选择优势，而常见时优势减弱。已有数学模型利用NFDS描述肺炎链球菌疫苗替代动态，但这些模型存在三个关键问题：第一，模型针对特定数据集开发，难以被非专家复用，阻碍了公共卫生机构的应用；第二，未系统比较基因组监测、血清型分型和靶向测序数据在模型部署中的效用差异；第三，基因组监测的样本量和采样频率对模型参数估计和预测能力的影响尚不清楚。
**二、研究目标与主要技术方法**
为解决上述问题，研究人员开发了一个模块化、可复用的种群动态模型，将疫苗替代描述为疫苗影响、新菌株迁入和辅助基因组NFDS的函数。该模型基于Wright-Fisher模型的扩展形式，采用odin建模框架实现，模型代码、基因组数据输入和拟合流程分离，便于改编和复用。模型以GPSC和血清型的二维区间为基本结构，通过马尔可夫链蒙特卡洛（Markov Chain Monte Carlo，MCMC）方法拟合实际监测数据，并使用似然比检验和贝叶斯信息准则（Bayesian Information Criterion，BIC）进行模型选择。
基因组数据处理方面，研究人员整合了来自加德满都（尼泊尔）、马萨诸塞州（美国）和南安普敦（英国）三个队列的基因组监测数据。加德满都数据来自2009-2019年的1881份携带样本，美国数据来自2001年、2003年和2007年的616份序列，英国数据来自2006-2012年的672份序列，所有研究均以儿童为对象。序列组装使用shovill，GPSC分配使用PopPUNK，泛基因组构建联合使用ggCaller和Panaroo，并在去除插入序列元件后保留中间频率基因。模型输入包括起始种群、迁入矩阵、疫苗类型向量、δ统计量排名、基因型矩阵和疫苗引入时间等。研究还采用遗传算法作为替代方法识别NFDS基因集合，并通过模拟子采样实验评估不同监测策略对参数估计和预测精度的影响。
**三、主要研究结果**
1. 可扩展的种群动态模型用于分析疫苗替代动态
研究人员开发的模型将肺炎链球菌种群动态描述为疫苗接种、NFDS和GPSC/血清型迁入的函数。模型采用二维Wright-Fisher区间结构，一个轴代表GPSC，另一个轴代表血清型。通过odin实现，模型代码可被转译为C++以提高运行效率，并支持随机和确定性模拟切换。模型输出包括GPSC/血清型频率变化及四个可拟合参数：疫苗有效性v、NFDS强度σ
f、受NFDS影响的基因比例prop
f和迁入率m。该模型在给定标准基因组监测携带数据（跨越至少一次疫苗引入）后，可对数据拟合推断参数。
2. 不同国家和疫苗接种计划下的疫苗替代动态分析
研究人员分别将该模型拟合至加德满都、马萨诸塞州和南安普敦三个数据集，这三个数据集代表了不同的监测策略和不同PCV制剂引入时间表。结果显示，所有国家的模型置信区间与数据置信区间均重叠，模型正确描述了几乎所有血清型频率变化的平均方向和幅度。加德满都数据中，受交叉免疫影响的血清型6A（未包含在PCV10中）在数据中表现出较弱的疫苗应答，而模型将其作为标准疫苗类型纳入，未完全捕捉该效应。跨国家参数比较显示，疫苗有效性估计在各地点间高度一致（平均值范围0.082-0.121），迁入率也相对一致（0.0097-0.0259），但NFDS基因比例在南安普敦较低，NFDS强度在加德满都更强，这可能与加德满都观察到的GPSC内部替代有关。
3. 模型比较显示并非所有中间频率基因均受NFDS影响
研究人员比较了四种模型版本：无NFDS零模型、一般NFDS模型（所有中间频率基因均受NFDS影响）、部分NFDS模型（仅部分基因受NFDS影响）和变异NFDS模型（包含强/弱两个NFDS强度参数）。结果表明，部分NFDS模型在三个数据集上均显著优于无NFDS模型和一般NFDS模型，而变异NFDS模型并未显著优于部分NFDS模型。这一结果证明：NFDS确实显著改善了模型拟合，提示其在疫苗替代动态中发挥重要作用；但并非所有由Panaroo识别的中间频率基因都呈现受NFDS影响的迹象，辅助基因组的稳定性可能还受基因获得/丢失平衡、生态位分化等机制共同维持；同时，BIC检验排除了过拟合问题。
4. 全基因组监测对于部署种群动态模型是必要的
研究人员测试了仅使用血清型数据时模型的表现，发现血清型模型无法良好拟合实际数据，说明血清型信息单独不足以支持模型部署。进一步，研究者采用δ统计量和遗传算法两种方法分别识别各国受NFDS的基因集合，分析其跨国家重叠程度。δ统计量方法在三个国家间仅识别出14个共有NFDS基因，低于随机预期值（23个）。遗传算法方法识别出的三国家共有NFDS基因数为155个，但仍然略低于随机预期值（158个）。两种方法在加德满都识别的NFDS基因重叠为499个，略高于随机预期（481个）。总体而言，难以在不同国家和不同疫苗接种计划间定义一致的NFDS基因集合，这凸显了在每个相关国家开展全基因组监测的必要性——无论是血清型分型还是靶向测序方法，都可能无法为种群动态模型提供充分信息。
5. 利用模型模拟研究最优监测策略
研究人员以马萨诸塞州数据集拟合参数模拟20年真实种群动态，作为“地面真实”数据集，然后模拟不同采样预算和频率（年度、双年度、三年期、四年期采样）的子采样，评估参数估计和预测精度。结果表明：疫苗有效性和迁入率比NFDS强度和基因比例更容易准确估计；当采样预算较大时（每年采样2.5%-25%），采样频率对参数估计影响不大；在较小预算时（每年0.1%和0.25%），年度和四年期采样均导致有偏估计，而双年度和三年期采样获得更好的参数估计。累积均方误差（cumulative mean squared error，CMSE）分析同样显示，低预算情况下双年度或三年期采样的预测精度更优。研究还发现实际采样相对于真实细菌种群大小而言，马萨诸塞州、南安普敦和加德满都分别为0.044%、0.19%和0.21%，提示NFDS相关参数的估计应谨慎解释。
**四、讨论与结论**
讨论部分指出，PCV引入给肺炎链球菌种群施加了新的选择压力，可能导致多重耐药谱系扩张等非预期动态。该模型通过现代生物信息学工具自动构建适用于NFDS模型的泛基因组，但跨数据集合成一致泛基因组仍具有挑战性，后验拼接不同区域泛基因组与联合构建的结果差异显著。模型选择结果支持NFDS作用于多数但非全部中间频率基因，基因频率稳定的维持机制还需与其他因素如基因获得/丢失平衡、生态位等整合考虑。未来模型可扩展方向包括明确纳入抗菌药物耐药性（antimicrobial resistance，AMR）动态，以及探索微阵列技术检测GPSC和NFDS基因作为全基因组测序的低成本替代方案。
研究结论指出，研究人员开发了一个模块化、可复用的种群遗传模型，包含疫苗有效性、NFDS和迁入率参数，并验证了该模型能良好拟合来自马萨诸塞州、南安普敦和加德满都的肺炎链球菌基因组携带数据。整体工作表明，在每个相关国家进行疫苗引入前后的基因组监测至关重要；在低预算条件下，降低采样频率以增加单次采样样本量，可以获得更高的统计检验效能。模型以R包Stubentiger（Studying Balancing Evolution (NFDS) To Investigate Genome Replacement）形式公开发布于GitHub（https://github.com/bacpop/Stubentiger）。该研究为全球肺炎链球菌疫苗替代动态的预测和监测资源优化配置提供了强有力的计算工具和方法学框架，对中低收入国家的疫苗监测策略制定具有重要指导意义。
