编辑推荐：
人畜共患病病原体对公共卫生构成持续威胁，但确定主要动物宿主及最佳监测时机仍面临挑战。为解决此问题，研究人员开发了一种通用数学模型，利用常规血清学监测数据来预测宿主种群中病原体流行高峰的时间。该模型通过模拟数据验证了其可靠性，并应用于草莓色果蝠（Eidolon helvum）的埃博拉病毒监测实例。该方法为在季节性繁殖导致病原体流行呈现周期性波动的潜在宿主物种中优化监测策略提供了实用工具。
在自然界中，许多致命的传染病并非人类独有，它们往往隐藏在野生动物群体中，伺机“跨越物种屏障”传染给人类，这种现象被称为“人畜共患病原体溢出”。埃博拉病毒病、新冠肺炎等重大公共卫生事件，其源头都指向了野生动物。然而，要想从源头遏制下一次大流行，科学家们面临着一个巨大的困境：我们常常知道哪些病原体是危险的，却不清楚它们在自然界的“储藏库”——即长期携带并传播病原体的关键动物物种——具体是谁。即便锁定了怀疑对象，另一个难题接踵而至：在这些动物宿主种群中，病原体的活跃感染往往不是全年持续存在，而是像潮汐一样，随着季节（尤其是宿主的繁殖季节）呈现短暂而剧烈的“脉冲式”流行高峰。如果野外采样“完美”地错过了这个高峰窗口，就可能空手而归，无法通过检测到活动性感染来最终确认宿主的身份，也让评估和预测向人类“溢出”的风险变得异常困难。
传统的应对策略主要侧重于在人类群体中加强监测和疫情爆发后的应急处置，但这属于“亡羊补牢”。一种更主动的思路是“御敌于国门之外”，即在溢出发生前就对动物宿主进行干预，例如改变其栖息地、减少人兽接触或为宿主接种疫苗。但这所有策略的前提都是：我们必须确切知道关键的动物宿主是谁，以及它们最可能将病原体传染给人类的时间点。近年来，机器学习等技术的发展帮助科学家通过动物特征预测哪些物种更可能成为特定病原体的宿主，但假设的最终验证，仍然依赖于在野外实际捕捉到携带活动性感染的动物个体，这在实际操作中成本高昂且成功率极低。
为此，发表在《EcoHealth》上的一项研究提供了一种创新的解决方案。研究人员开发了一个通用的数学模型框架，旨在利用一种相对容易获得的数据——常规血清学调查数据——来优化对难以捉摸的病原体的监测时机。血清学调查检测的是动物血液中针对病原体的抗体，其阳性结果（血清阳性）表明该动物过去某个时间感染过该病原体。相比直接检测病毒本身，抗体在体内存留时间更长，更容易被检测到。这项研究的核心智慧在于，通过数学建模，从这些“过去感染”的血清学数据中，反推出“当前正在发生”的活动性感染在种群中的流行动态，从而精准预测其达到高峰的时间点。
为了开展这项研究，研究人员主要运用了几个关键技术方法：首先，他们建立了一个基于微分方程组的生态流行病学机理模型，该模型将宿主种群分为易感者（S）、感染者（I）、血清抗体阳性者（RA）和长效免疫者（RT）等类别，并纳入季节性出生率等关键参数。其次，他们利用模拟数据对方法进行验证，通过 Gillespie 算法进行随机模拟，生成合成种群和血清学监测数据集。最后，他们将模型应用于真实世界数据，以喀麦隆的草莓色果蝠（Eidolon helvum）为实例，利用已发表的监测数据，结合 Nadaraya-Watson 核回归估计来拟合血清阳性率随时间变化的函数，并利用种群中哺乳雌性的比例来估计季节性出生率函数。
研究结果
在模拟数据上优化监测
研究团队首先在模拟的野生动物种群和病原体传播数据上测试了他们的方法。他们使用包含季节性出生脉冲的 SIR 模型框架生成了300组随机模拟数据，并从中以日、周、月、双月为间隔“虚拟采样”以生成血清学数据集。结果显示，当监测采样频率足够时（如每周一次），该方法能够从血清阳性率数据中准确反推出活动性感染率（ι(t)）的动态变化，并可靠地识别出预期的流行高峰时间。与在真实流行高峰日采样、在随机日采样、或在血清阳性率高峰前固定天数（γ-1）采样等基准方案相比，使用该方法预测的高峰时间进行采样，能显著提高在后续年份成功捕获到活动性感染动物的概率。直观展示了模拟数据中的真实动态、拟合的血清阳性率函数以及预测的感染流行率曲线，并比较了不同采样策略的成功率。
应用于真实数据
作为方法可行性的示范，研究人员将这一模型应用于 Djomsi 等人和 David 等人已发表的关于草莓色果蝠（Eidolon helvum）的监测数据。该数据集包含了2018年12月至2019年11月在喀麦隆雅温得附近采集的果蝠样本的埃博拉病毒糖蛋白（Glycoprotein）抗体检测结果。研究利用核平滑方法拟合了血清阳性率随时间变化的曲线（r^A(t)），并结合从哺乳雌性比例估算出的出生率函数，以及从相关实验研究中获取的抗体产生率（γ，恢复率的倒数）和抗体衰减率（ωA）参数，计算出了预测的活动性感染流行率曲线（ι^(t)）。显示了分析结果，模型预测在E. helvum种群中，埃博拉病毒的活动性感染流行高峰可能发生在一年中的第36至42周之间，峰值位于第38周。这为未来在该种群中针对性搜索活动性埃博拉病毒感染提供了具体的时间窗口建议。
研究结论与讨论
本研究成功开发了一个利用常规血清学监测数据预测季节性波动野生动物种群中病原体流行高峰时间的数学框架。该方法的动机在于，许多急性人畜共患病原体在宿主种群中的流行受季节性出生脉冲驱动，呈现短暂的高峰，使得主动监测极易错过时机。通过将监测力量集中在模型预测的高风险时段，该方法有望提高确认疑似动物宿主的效率，并可用于预测未来溢出风险升高的时期或回顾性分析历史溢出事件。
在草莓色果蝠的实例应用中，研究结果表明该物种中可能存在埃博拉病毒相关病原体的季节性流行波动，这强调了在未来田野调查设计中考虑季节性的重要性。如果没有关于流行高峰的先验信息，该案例也凸显了需要在全年进行有规律的时间间隔采样，以准确捕捉季节性动态，避免在流行低谷期进行密集但徒劳的采样。
当然，该方法也存在一定的前提假设和局限性。首先，它假设病原体在宿主种群中的季节性循环具有年际间的持续性，在出生脉冲强烈、宿主更替快、病原体感染期短的系统中最为有效和必要。对于慢性感染或季节性不明显的系统，其预测增益相对较小。其次，模型的性能依赖于基础数学模型对真实生物过程的反映程度，忽略了年龄结构等复杂因素。此外，方法依赖于独立获取的输入参数（如抗体衰减率ωA、恢复率γ）和血清学数据质量，后者可能受到交叉反应性、检测阈值设定等因素的影响。
尽管存在这些挑战，对野生动物种群进行病原体监测对于识别储存宿主、获取病原体遗传样本以及预测溢出风险至关重要。本研究展示的方法通过利用常规收集的血清学调查数据来优化病原体监测，有望降低监测成本和劳动强度，并提高对那些仅在特定时期达到可检测流行度的病原体的采样成功率。从更广泛的层面看，这个简洁的方法论提供了一个可改进、并可整合到未来模型中的数学框架，从而增强我们对人畜共患病的理解，并降低其向人类溢出的风险。
