arلغة
الصفحة الرئيسية / معرفة / المحتوى

معرفة

المنافسة بين متغيرات SARS-CoV-2 على ديناميكيات انتقال الوباء

Dec 06, 2023

A B S T R A C T 

أنتج SARS-CoV-2 متغيرات مختلفة خلال تطوره المستمر. لقد أثر السلوك التنافسي المدفوع بالانتقال المشترك لهذه المتغيرات على ديناميكيات انتقال الوباء. ولذلك، فإن دراسة تأثير المنافسة بين متغيرات SARS-CoV-2 على ديناميكيات انتقال الوباء لها أهمية عملية كبيرة. من أجل إضفاء الطابع الرسمي على آلية المنافسة بين متغيرات SARS-CoV-2، نقترح نموذجًا وبائيًا يأخذ في الاعتبار الانتقال المشترك للمتغيرات المتنافسة. يركز النموذج على كيفية تأثير المناعة المتبادلة على ديناميكيات انتقال فيروس SARS-CoV-2 من خلال آليات تنافسية بين السلالات. لقد وجدنا أن المنافسة بين السلالات لا تؤثر فقط على الحجم النهائي ووقت استبدال المتغيرات، ولكن أيضًا على السلوك العدواني للمتغيرات الجديدة في المستقبل. نظرًا للمدى المحدود للمناعة المتبادلة لدى السكان السابقين، نتوقع أن السلالة الجديدة قد تصيب أكبر عدد من الأفراد في الصين دون تدخلات السيطرة. علاوة على ذلك، لاحظنا أيضًا إمكانية تفشي المرض بشكل دوري في نفس السلالة وإمكانية عودة ظهور السلالات السابقة. وبدون غزو متغير جديد، من المتوقع أن يعود البديل السابق (متغير دلتا) إلى الظهور مرة أخرى في وقت مبكر من عام 2023. ومع ذلك، قد يتم منع ظهوره مرة أخرى من خلال متغير جديد يتمتع بميزة تنافسية أكبر.

Desert ginseng-Improve immunity (8)

cistanche tubulosa-تحسين الجهاز المناعي

انقر هنا لعرض منتجات Cistanche Enhance Immunity

【اطلب المزيد】 البريد الإلكتروني: cindy.xue@wecistanche.com / تطبيق Whats: 0086 18599088692 / Wechat: 18599088692

1 المقدمة

انتشر فيروس كورونا-19 بسرعة في جميع أنحاء العالم منذ اكتشافه لأول مرة في ووهان، الصين، في نوفمبر 2019 [1]. أول طفرة مكتشفة، D614G، سيطرت على العالم في يوليو 2020 [2]. في سبتمبر من نفس العام، مع الاكتشاف الأول لمتغير B.1.1.7 (Alpha) في المملكة المتحدة [3]، بدأ التاريخ التطوري لفيروس كورونا-19 بالكامل، واندلعت الحرب بين البشر وفيروس كورونا بدأت متغيرات -19 رسميًا. مع اكتشاف البديل B.1.351 (بيتا) في جنوب أفريقيا [4]، أصبح الهروب المناعي مصدر قلق عالمي [5]. ومع ذلك، سرعان ما تم استبدال هيمنة سلالات بيتا بسلالة B.1.617.2 (دلتا) [6]. عندما اعتقدنا أن سلالة دلتا قد وصلت إلى ذروة تطور فيروس SARS-CoV-2، تم استبدالها سريعًا بسلالة B.1.1.529 (Omicron)، التي تتمتع بقدرة أكبر على الانتقال وقدرة على الهروب المناعي [ 7-11]. أثناء تطور متغيرات Omicron الفرعية، كان هناك تحسن في كل من قدرة النقل وقدرة التهرب المناعي لمتغيرات Omicron الفرعية [12،13]. BA.4/5، أي متغير فرعي واحد من Omicron، تم تحديده لأول مرة في جنوب أفريقيا، هو الآن السلالة السائدة في جميع أنحاء العالم بسبب ميزة المنافسة [14،15]. المنافسة بين السلالات أمر شائع في العالم الحقيقي [16-18]. تعتبر مسببات الأمراض مثل الأنفلونزا A وحمى الضنك والتهاب السحايا أمثلة على حالات العدوى ذات سلالات متعددة تتصرف بشكل تنافسي بين السكان أو داخل مضيف واحد. العلاقة التنافسية موجودة أيضًا في متغيرات SARS-CoV-2 [19–21]. تعمل متغيرات فيروس SARS-CoV-2 على قمع بعضها البعض من خلال السلوك التنافسي، وتهيمن المتغيرات ذات الميزة التنافسية، مما يؤثر على ديناميكيات انتقال فيروس SARS-CoV-2. غالباً ما يؤدي التنافس بين السلالات إلى ظهور سلالات متحولة، وتتمتع هذه السلالات الجديدة بميزة تنافسية من حيث انتقال العدوى، مما يؤدي إلى تفشي الوباء على نطاق عالمي [22،23]. لا يؤثر السلوك التنافسي بين السلالات على تطور العامل الممرض نفسه على المستوى المجهري فحسب، بل يلعب أيضًا دورًا مهمًا للغاية في انتشار المرض بين السكان على المستوى العياني [24-27].

من الناحية البيئية، يكون التنافس بين السلالات مدفوعًا بالمناعة المتبادلة، مما يؤدي إلى ديناميكيات انتقال الأوبئة المعقدة، مثل ظهور موجات وبائية دورية [28-30]. يُظهر الوباء العالمي الحالي لـ SARS-CoV-2 اتجاهًا متعدد الموجات بسبب طفرات السلالات. من المحتمل أن يصاب الأفراد الذين لديهم تاريخ من الإصابة بفيروس SARS-CoV-2- 2 مرة أخرى بالمتغير الجديد بسبب المناعة المتبادلة الجزئية [31]. إن الحماية المناعية المتصالبة التي تم الحصول عليها بعد الإصابة بسلالة أوميكرون أقوى بكثير من تلك التي تم الحصول عليها بعد الإصابة بسلالة دلتا [32-36]. ومع ذلك، فمن غير الواضح كيف تؤثر الآلية التنافسية التي تحركها المناعة المتبادلة على ديناميكيات انتقال فيروس سارس-كوف-2. علاوة على ذلك، وعلى النقيض من الدراسة البيئية للمنافسة بين السلالات، نحتاج إلى دراسة الآلية الرياضية للمنافسة بين السلالات. تم استخدام عدة نماذج رياضية لدراسة تأثير التنافس بين السلالات على ديناميات الوباء. على سبيل المثال، نيومان وآخرون. أظهر العتبة التي يمكن أن ينتشر عندها مسببان للأمراض يتنافسان على نفس المضيف في مجتمع ما [37]. جيرفان وآخرون. أظهر أنه تمت ملاحظة أربع ديناميكيات وبائية مثل تفشي الأوبئة الدورية أثناء طفرة مسببات الأمراض [38]. دراسة بوليتو وآخرون. تناول دور تنقل المضيف وكذلك المناعة المتقاطعة في تشكيل أنظمة الهيمنة المحتملة [39]. ومع ذلك، فإن النماذج الرياضية السابقة لا تنطبق على المرحلة الحالية من انتقال الوباء بسبب بعض الخصائص الخاصة للمتغيرات المنافسة لـ SARS CoV-2، مثل القدرة المناعية الفائقة على الهروب ومستويات المناعة المتبادلة غير المتوازنة.

توجد أيضًا نماذج رياضية سابقة ركزت على الخصائص المحددة لـ SARS-CoV-2، واستند العديد منها إلى المتغيرات واللقاحات. على سبيل المثال، باريرو وآخرون. طور نموذجًا بفاصل زمني ممتد يتضمن متغيرات واستراتيجيات تطعيم مختلفة، مما يسمح بدراسة ظهور وديناميكيات متغيرات فيروس كورونا الجديدة -19 [40]. وضعت العديد من الدراسات نموذجًا لتأثير متغيرات ولقاحات السارس-CoV-2 على انتشار فيروس كورونا-19 [41–43]. موريس وآخرون. درس كيف سيؤثر توقيت تقديم الجرعة الثانية على النتائج التطورية الوبائية والمتغيرة المستقبلية [44]. ومع ذلك، لم يدرسوا تأثير المنافسة بين المتغيرات على ديناميكيات انتقال فيروس السارس-CoV-2. لذلك، هناك نقص في النموذج الوبائي الذي يركز على تأثير المنافسة بين المتغيرات على ديناميكيات انتقال فيروس SARS-CoV-2. المقالة مؤطرة على النحو التالي. في القسم 3.1، اقترحنا نموذجًا وبائيًا للانتقال المشترك للسلالة لإضفاء الطابع الرسمي على المنافسة بين سلالات SARS-CoV-2. قدم القسم 3 نتائج ملاءمة البيانات الحقيقية لبعض البلدان من أجل التحقق من دقة نموذجنا. في القسم 4، قمنا بدراسة العوامل الرئيسية التي تؤثر على نتيجة المنافسة بين سلالات SARS-CoV-2. حدد القسم 5 تأثير المنافسة بين السلالات على ديناميكيات النقل وكشف عن احتمالين جديدين لديناميكيات النقل المستقبلية لـ SARS-CoV-2. أخيرًا، في القسم 6، انتهينا من النتائج التي توصلنا إليها بالإضافة إلى القيود وعرضنا وجهة نظرنا.

Desert ginseng-Improve immunity (19)

cistanche tubulosa-تحسين الجهاز المناعي

2. النموذج الرياضي للانتقال المشترك للسلالات المتنافسة

لقد قمنا بتطوير نموذج رياضي يأخذ في الاعتبار المناعة المتبادلة والهروب المناعي. وصف هذا النموذج العلاقة التنافسية بين سلالات أوميكرون وغير أوميكرون في هذا الوباء، حيث تمت الإشارة إلى سلالات غير أوميكرون وسلالات أوميكرون بالسلالة 1 والسلالة 2 على التوالي. يتم سرد افتراضات النموذج على النحو التالي.

• كانت نقطة البداية لكل دولة عندما تم الإبلاغ عن أول حالة مؤكدة لمرض أوميكرون في ذلك البلد، وعند هذه النقطة تمثل سلالات دلتا أكثر من 99% من السلالات غير أوميكرون في جميع البلدان [45،46]، وبالتالي، تجاهلنا سلالات أخرى وافترض أن سلالات دلتا وأوميكرون تتنافس مع كل منهما

• آخر. وبما أن متغير Omicron الفرعي BA.4/5 لديه اختلاف أكبر عن متغيرات Omicron السابقة، فقد تم استبدال المنافسة بالمنافسة بين متغيرات Omicron الفرعية عندما ظهر BA.4/5. أظهرت الدراسات أن فعالية الجرعتين السابقتين من اللقاح ضد سلالة أوميكرون لا تذكر [47،48]. ومن ثم، افترضنا أن الجرعة المعززة فقط هي التي أثرت بشكل كبير على انتقال سلالات الأوميكرون، في حين أن الجرعتين السابقتين حدتا فقط من انتقال السلالة غير الأوميكرونية. وبسبب فقدان المناعة، فإن المرضى الذين تعافوا من سلالتي دلتا وأوميكرون سيصبحون عرضة للإصابة مرة أخرى. المرضى الذين تعافوا من سلالات دلتا سيحصلون على مناعة قليلة ضد سلالات أوميكرون ومناعة كاملة تقريبًا ضد سلالات دلتا [32،33]. سيحصل المرضى الذين تعافوا من سلالات أوميكرون على مناعة متقاطعة قوية لسلالات دلتا ومناعة قوية جدًا لسلالات أوميكرون [34-36]. سيحصل المرضى الذين يتعافون من سلالات أوميكرون على مناعة دائمة بعد الجرعة المعززة بسبب المناعة الهجينة [35،49].

تم تمثيل مخطط النقل بالنظام التالي للمعادلات التفاضلية العادية:

image

تم تحديد إجمالي عدد السكان 𝑁(𝑡) في 11 ولاية. ويبين الشكل 1 التدفق السكاني بين تلك الأجزاء. 𝑆(𝑡): الأشخاص المعرضون للإصابة والذين لم يتلقوا جرعات معززة؛ 𝑆1 (𝑡): الأشخاص المعرضون للإصابة والذين تلقوا جرعات معززة؛ 𝐸0 (𝑡): الأشخاص المعرضون للسلالة 1؛ 𝐼0 (𝑡): الأشخاص المصابون بالسلالة 1 ويحملون العدوى؛ 𝐿0 (𝑡): الأشخاص الذين أصيبوا مؤخرًا بالسلالة 1 ولكنهم لم يعودوا معديين؛ 𝑆0 (𝑡): الأشخاص المعرضون للسلالة 2 والذين كانت إصابتهم الأخيرة بالسلالة 1؛ 𝐸𝑉 (𝑡): الأشخاص المعرضون للسلالة 2؛ 𝐼𝑉 (𝑡): الأشخاص المصابون بالسلالة 2 ويحملون العدوى؛ 𝐿𝑉 (𝑡): الأشخاص الذين أصيبوا مؤخرًا بالسلالة 2 ولكنهم لم يعودوا معديين؛ 𝑆𝑉 (𝑡): الأشخاص المعرضون للسلالة 1 والذين كانت إصابتهم الأخيرة بالسلالة 2؛ 𝐷(𝑡): الأشخاص الذين ماتوا بسبب الإصابة بالسلالة 1 أو السلالة 2. العلاقة بين إجمالي السكان وسكان كل ولاية هي:

image

حيث تشير 𝛼1 إلى معدل التطعيم المعزز؛ 𝛽 هو معامل انتقال السكان المصابين بالسلالة 1؛ 𝛽1 هو معامل الانتقال النسبي للسكان المصابين بالسلالة 2 دون التطعيم المعزز؛ 𝛽2 هو معامل الانتقال النسبي للسكان المصابين بالسلالة 2 مع التطعيم المعزز؛ 𝑘1 هو المعدل الذي يصبح فيه الأفراد المعرضون للسلالة 1 معديين؛ 𝑘2 هو المعدل الذي يصبح فيه الأفراد المعرضون للسلالة 2 معديين؛ 𝛿1 هو معدل الوفيات بين السكان المصابين بالسلالة 1؛ 𝛿2 هو معدل الوفيات بين السكان المصابين بالسلالة 2؛

Fig. 1. Transfer diagram of the model.

الشكل 1. مخطط نقل النموذج.

الجدول 1: متوسط ​​​​قيم معلمات النموذج المقابلة لحالة كوريا الجنوبية.

Table 1 Mean values of model parameters corresponding to the situation of South Korea.


𝛾1 هو معدل فقدان العدوى بين السكان المصابين بالسلالة 1؛

𝛾2 هو معدل فقدان العدوى بين السكان المصابين بالسلالة 2؛

𝜂1 هو معدل فقدان المناعة المتقاطعة للسلالة 1؛

𝜂2 هو معدل فقدان المناعة المتقاطعة للسلالة 2.

ويشير معامل الانتقال النسبي 𝛽1 إلى العلاقة المضاعفة مع معامل الانتقال 𝛽. على سبيل المثال، السلالة 1 أكثر قدرة على النقل بمقدار 2-4 مرات من السلالة 2، أي 𝛽1 ∈ [2𝛽, 4𝛽]. 𝛽2 هو معامل النقل النسبي لـ 𝛽1. على سبيل المثال، إذا كانت فعالية الجرعة المنشطة هي 40%–60%، إذن 𝛽2 ∈ [0.4𝛽1, 0.6𝛽1 ]. 𝜂𝑖 (𝑖=1, 2) هي قدرة المناعة المتبادلة من سلالة ما على سلالة أخرى. يشير 𝜂𝑖=0 إلى مناعة كاملة ضد سلالة أخرى بينما يشير 𝜂𝑖=1 إلى أن التعافي من سلالة ما لن يكتسب حماية ضد سلالة أخرى. 𝜂𝑖 ∈ (0, 1) تعني مناعة متقاطعة محدودة لسلالة أخرى. في المعادلة 𝜂𝑖=1 (1−𝜓𝑖 )−1𝑇𝑖، حيث 𝜂𝑖 يشير إلى معدل فقدان المناعة ضد سلالة أخرى. 𝜓𝑖 هو المناعة المتبادلة المحدودة لسلالة أخرى مكتسبة بعد الشفاء من العدوى، بينما 𝑇𝑖 هو طول الفترة الزمنية لفقد المناعة المتبادلة لسلالة أخرى. تم اختيار 𝜓𝑖 و𝑇𝑖 من المراجع المذكورة في الجدول 1.

3. التحقق من دقة النموذج

3.1. تقدير المعلمة

تفاصيل عملية التركيب لدينا هي كما يلي.

• نقوم بملاءمة الحالات الجديدة اليومية، والحالات التراكمية اليومية، ونسبة المتغيرات المتنافسة، في وقت واحد. نقطة بيانات واحدة مخصصة لنسبة المتغيرات المتنافسة في كل فترة زمنية 14- من الأيام، وبالتالي فإننا نلائم نسبة المتغيرات المتنافسة لهذه الفترة في فترات زمنية تبلغ 14- من الأيام. يجب أن يتوافق التوافق النهائي بشكل جيد مع جميع المؤشرات الثلاثة، أي الحالات الجديدة اليومية، والحالات التراكمية اليومية، ونسبة المتغيرات المتنافسة على فترات 14- يوم.

• يتم استخدام طريقة تركيب منحنى المربعات الصغرى غير الخطية للحصول على القيم المثلى للمعلمات ضمن نطاق معقول، حيث تكون قيم هذه المعلمات (𝛼1، 𝛽، 𝛽1، 𝛽2، 𝛿1، 𝛿2، 𝛾1، 𝛾2، 𝜂1، 𝜂2 ) يتم الحصول عليها عن طريق المناسب. يشير النطاق المعقول إلى نطاق تقلب المعلمة المحدد وفقًا للمراجع. نحن نفرض قيودًا على نطاق قيم المعلمات أثناء عملية التركيب، أي أن نطاق قيم المعلمات يتوافق مع العالم الحقيقي. في مثال معلمات كوريا الجنوبية، تظهر المعلمات في الجدول 1. بالإضافة إلى ذلك، تظهر معلمات البلدان الأخرى في الجدول أ.2 من الملحق.

• في كل دولة، تكون نقطة البداية هي اليوم السابق للإبلاغ عن أول حالة لأوميكرون. يمكن حساب عدد مجموعات الحضانة المصابة بسلالة دلتا في هذا الوقت بواسطة 𝐼{{0}} (𝑡)=𝑘1𝐸0 (𝑡 − 1). القيمة الأولية لـ 𝐿0 هي العدد التراكمي للأفراد المتعافين من السلالات السابقة. سيتم تحويل هؤلاء الأفراد إلى قابلية للإصابة بسلالات أوميكرون بمعدل معين عند ظهور سلالة أوميكرون. سيظهر متغير جديد (سلالة أوميكرون) في اليوم التالي، لذا سنعرف أن 𝐼𝑉=1 للغد، ويمكننا أيضًا حساب 𝐸𝑉 لهذا اليوم. بالنسبة للقيمة الأولية 𝑆1، نعتبر أن البلدان تبدأ في التطعيم بجرعات معززة لسلالة أوميكرون منذ أول حالة أوميكرون تم الإبلاغ عنها، أي 𝑆1=1 عندما ظهرت سلالة أوميكرون. القيمة الأولية لـ D هي العدد التراكمي للوفيات في كل دولة في ذلك اليوم، و𝑁 هو إجمالي عدد السكان في كل دولة. القيم الأولية 𝑆𝑉، و𝐿𝑉، و𝑆0 كلها صفر لأنها تم إنشاؤها بواسطة محرك سلالة جديدة (سلالة Omicron)، في حين أن السلالة الجديدة غير موجودة في هذا الوقت.

Fig. 2. Comparison of our model results with real data on the epidemic in South Korea. (a) shows the fit of the model to the daily new cases. (b) shows the fit of the model to the cumulative cases. (c) shows the fit of the model to the proportion of Omicron and non-Omicron strains.

الشكل 2. مقارنة نتائج نموذجنا بالبيانات الحقيقية عن الوباء في كوريا الجنوبية. (أ) يوضح مدى ملاءمة النموذج للحالات الجديدة اليومية. (ب) يوضح مدى ملاءمة النموذج للحالات التراكمية. (ج) يُظهر مدى ملاءمة النموذج لنسبة سلالات Omicron وغير Omicron.

Fig. 3. Comparison of our model results with real data on the epidemic in Denmark. (a) shows the fit of the model to the daily new cases. (b) shows the fit of the model to the cumulative cases. (c) shows the fit of the model to the proportion of Omicron and non-Omicron strains.

الشكل 3. مقارنة نتائج نموذجنا بالبيانات الحقيقية عن الوباء في الدنمارك. (أ) يوضح مدى ملاءمة النموذج للحالات الجديدة اليومية. (ب) يوضح مدى ملاءمة النموذج للحالات التراكمية. (ج) يُظهر مدى ملاءمة النموذج لنسبة سلالات Omicron وغير Omicron.

Fig. 4. Comparison of our model results with real data on the epidemic in Spain. (a) shows the fit of the model to the daily new cases. (b) shows the fit of the model to the cumulative cases. (c) shows the fit of the model to the proportion of Omicron and non-Omicron strains.


الشكل 4. مقارنة نتائج نموذجنا بالبيانات الحقيقية عن الوباء في إسبانيا. (أ) يوضح مدى ملاءمة النموذج للحالات الجديدة اليومية. (ب) يوضح مدى ملاءمة النموذج للحالات التراكمية. (ج) يُظهر مدى ملاءمة النموذج لنسبة سلالات Omicron وغير Omicron.

3.2. تركيب بيانات حقيقية من كوريا الجنوبية والدنمارك وإسبانيا

تظهر في الشكلين نتائج المحاكاة العددية لثلاث دول هي كوريا الجنوبية والدنمارك وإسبانيا. 2,3,4. وتشمل عمليات المحاكاة نسبة إجمالي المرضى المصابين بسلالة أوميكرون، والحالات اليومية وكذلك الحالات التراكمية. تظهر النتائج أن نموذجنا ملائم تمامًا للبيانات الحقيقية المبلغ عنها، مما يؤكد دقة النموذج. تم الحصول على البيانات من GISAID، وعالمنا في البيانات، وWorldometer [53-55]. كانت نقطة البداية الزمنية لمحاكاة كل دولة من أول حالة أوميكرون تم الإبلاغ عنها في ذلك البلد. كان تاريخ انتهاء المحاكاة في إسبانيا هو 1 مايو 2022، بمقياس زمني قدره 155 يومًا. كان تاريخ انتهاء المحاكاة لكوريا الجنوبية والدنمارك هو 3 يوليو 2022، بمقياس زمني قدره 230 يومًا.

3.3. ملاءمة البيانات الحقيقية لـ BA.4/5 في جنوب أفريقيا

وسرعان ما حل BA.4/5 محل البديل السابق لـ Omicron في جنوب أفريقيا وتسبب في موجة أخرى من تفشي المرض بينما كانت BA.1 وBA.2 لا تزال تهيمن على البلدان الأخرى. لقد قمنا بتركيب البيانات المبلغ عنها في جنوب أفريقيا من خلال نموذجنا لتقدير عبء BA.4/5 على جنوب أفريقيا. تؤكد النتائج المناسبة دقة نموذجنا. من منحنى المحاكاة لجنوب أفريقيا، يمكننا أن نرى أنه لولا غزو BA.4/5، لكان الوباء في جنوب أفريقيا قد استقر إلى حد كبير بحلول منتصف مارس 2022. ومع ذلك، مددت BA.4/5 مدة واستمر الوباء في جنوب أفريقيا بنحو 4 أشهر، ولم يستقر الوباء حتى منتصف يوليو/تموز. كما هو مبين في الشكل 5 (ب)، تشير نتائج المحاكاة لدينا إلى أنه بدون غزو BA.4/5، لكان الحجم النهائي لوباء جنوب إفريقيا حوالي 3.7 مليون، ومع ذلك، كان ظهور BA.4/5 ورفع الحجم الإجمالي للوباء في جنوب أفريقيا إلى أكثر من 4.1 مليون. لقد توقعنا أن يتسبب BA.4/5 في النهاية في حدوث حوالي 400,{25}} إصابة إضافية في جنوب إفريقيا. كما يتبين من الشكل 5 (ج)، فإن الوقت الذي تستغرقه سلالة Omicron لتحل محل سلالة غير Omicron سريع، حيث يستغرق تسلسل Omicron حوالي 14 يومًا لينمو من 5٪ إلى 50٪، وهو ما يدعمه دراسة إليوت وآخرون. [56]. ومع ذلك، ارتفع تسلسل BA.5 من 5% إلى 50% في حوالي 28 يومًا.

Fig. 5. Comparison of our model results with real data on the epidemic in South Africa. (a) and (b) show the fit of our model for daily new cases as well as cumulative cases, respectively. The red dashed line indicates the simulated curve of the final size that would have resulted without the invasion of the new variant BA.4/5. The dark green solid line indicates the burden on South Africa due to the BA.4/5 invasion. variant. (c) and (d) show the evolution of the Omicron strain as well as BA.4/5, respectively. (For interpretation of the references to color in this figure legend, the reader is referred to the web version of this article.)

الشكل 5. مقارنة نتائج نموذجنا بالبيانات الحقيقية عن الوباء في جنوب أفريقيا. (أ) و (ب) يُظهران مدى ملاءمة نموذجنا للحالات الجديدة اليومية وكذلك الحالات التراكمية، على التوالي. ويشير الخط الأحمر المتقطع إلى المنحنى المحاكى للحجم النهائي الذي كان سينتج دون غزو المتغير الجديد BA.4/5. يشير الخط الأخضر الداكن إلى العبء الواقع على جنوب أفريقيا بسبب غزو BA.4/5. البديل. (ج) و (د) يُظهران تطور سلالة أوميكرون وكذلك BA.4/5 على التوالي. (لتفسير الإشارات إلى اللون في وسيلة إيضاح الشكل هذه، تتم إحالة القارئ إلى إصدار الويب من هذه المقالة.)

Fig. 6. Influence of relative transmission ability and immune escape on the competitive outcome of strains. (a), (b), and (c) show the final size of strain 2 at 10%, 50%, and 90% of the immune escape capacity, respectively. The color bar is around 0%, i.e., the purple area indicates that strain 2 will not outbreak, which means that the winner of the competition between strains is strain 1. The other areas indicate that strain 2 is the winner of the competition between strains.


الشكل 6. تأثير قدرة النقل النسبية والهروب المناعي على النتائج التنافسية للسلالات. تُظهر (أ) و(ب) و(ج) الحجم النهائي للسلالة 2 عند 10% و50% و90% من قدرة الهروب المناعي، على التوالي. يبلغ شريط الألوان حوالي 0%، أي أن المنطقة الأرجوانية تشير إلى أن السلالة 2 لن تتفشى، مما يعني أن الفائز في المنافسة بين السلالات هو السلالة 1. وتشير المناطق الأخرى إلى أن السلالة 2 هي الفائز في المنافسة بين السلالات .

4. العوامل المؤثرة على الميزة التنافسية بين السلالات

4.1. تأثير الانتقال النسبي والقدرة على الهروب المناعي على سلالة ذات ميزة تنافسية

للتحقيق في تأثير الانتقال النسبي والقدرة على الهروب المناعي على نتيجة المنافسة بين السلالات، نحتاج فقط إلى تقييم التغير في الحجم النهائي للسلالة ذات الميزة التنافسية (السلالة 2). يمكننا أن نرى من الشكل 6 (أ) و (ب) و (ج) أن قدرة النقل أعلى، وكلما زاد الحجم النهائي الناتج عن السلالة 2، أي كلما زادت الميزة التنافسية. إلا أن وجود سلالة ذات قدرة نقل أكبر من سلالة أخرى لا يعني أنها ستفوز من المنافسة، وهذا يرجع إلى العدد الأولي الذي تراكم لدى السلالة السابقة. ومع ذلك، مع زيادة السلالة الجديدة من قدرتها على الهروب المناعي، فإن قدرة النقل المطلوبة للفوز تتضاءل. من (أ) إلى (ج) في الشكل 6، يستمر الجزء الأرجواني في التناقص، مما يعني أن مجرد حقيقة أن سلالة واحدة أقوى من الأخرى من حيث القدرة على النقل لا يعني بالضرورة أنها ستفوز بما أن السلالة السابقة موجودة بالفعل عند حجم معين من السكان. من المرجح أن تفوز السلالات التي تتمتع بانتقال نسبي أعلى وقدرة على الهروب المناعي بالمنافسة. علاوة على ذلك، بما أن قدرة الهروب المناعي لدى السلالات الجديدة تختلف، فإن السلالة الجديدة ذات الهروب المناعي الأكبر سيكون لها فرصة أكبر للفوز على السلالات السابقة في ظل نفس ظروف القدرة على النقل.

Fig. 7. Effect of differences in transmission ability on strain substitution time. Heat maps (a), (b), and (c) indicate the time required for a strain to reach 5%, 50%, and 95% of its sequence in the process of replacing another strain respectively. Non-replacement means that the new strain will not replace the old one during the competition process.

الشكل 7. تأثير الاختلافات في قدرة النقل على زمن استبدال السلالة. تشير الخرائط الحرارية (أ) و(ب) و(ج) إلى الوقت اللازم لوصول السلالة إلى 5% و50% و95% من تسلسلها في عملية استبدال سلالة أخرى على التوالي. عدم الاستبدال يعني أن السلالة الجديدة لن تحل محل السلالة القديمة أثناء عملية المنافسة.

Fig. 8. Effect of the rate of loss of cross-immunity on the extra size caused by strain 2. The extra size represents the number of infections added to the initial number of illnesses. (a), (b), and (c) show the impact of the rate of loss of cross-immunity on the competition between strains, i.e. the extra size of the outbreak caused by strain 2, in the real scenario as well as in the two possible future scenarios, respectively. Reality scenario: The size of the partial cross-immunity gained after recovery from infection with both strains is very different, and the protection gained is maintained for a longer period. Future scenario I: The difference in the size of the partial cross-immunity obtained after recovery from infection with both strains is not large and the protection obtained is maintained for a longer period. Future scenario II: The difference in the size of the partial cross-immunity obtained after recovery from infection with the two strains is small, but the protection obtained is maintained for a shorter period. The left side of the white dashed line shows that subplot (b) is part of it.


الشكل 8. تأثير معدل فقدان المناعة المتقاطعة على الحجم الإضافي الناتج عن السلالة 2. يمثل الحجم الإضافي عدد الإصابات المضافة إلى العدد الأولي للأمراض. (أ) و(ب) و(ج) توضح تأثير معدل فقدان المناعة المتبادلة على المنافسة بين السلالات، أي الحجم الإضافي لتفشي المرض الناجم عن السلالة 2، في السيناريو الحقيقي وكذلك في السيناريوهين المستقبليين المحتملين على التوالي. السيناريو الواقعي: إن حجم المناعة المتبادلة الجزئية المكتسبة بعد التعافي من الإصابة بكلتا السلالتين مختلف تمامًا، ويتم الحفاظ على الحماية المكتسبة لفترة أطول. السيناريو المستقبلي الأول: الفرق في حجم المناعة المتبادلة الجزئية التي تم الحصول عليها بعد الشفاء من الإصابة بكلتا السلالتين ليس كبيرًا ويتم الحفاظ على الحماية التي تم الحصول عليها لفترة أطول. السيناريو المستقبلي الثاني: الفرق في حجم المناعة المتبادلة الجزئية التي تم الحصول عليها بعد الشفاء من الإصابة بالسلالتين صغير، ولكن يتم الحفاظ على الحماية التي تم الحصول عليها لفترة أقصر. يوضح الجانب الأيسر من الخط الأبيض المتقطع أن الحبكة الفرعية (ب) جزء منها.

4.2. تأثير قدرة النقل النسبية على وقت الاستبدال بين السلالات المتنافسة

تؤثر قدرة النقل النسبية على شدة المنافسة بين السلالات من خلال التأثير على وقت الاستبدال بين السلالات. يوضح الشكل 7 أن قوة قدرة النقل النسبية تحدد الوقت الذي تحل فيه إحدى السلالتين محل الأخرى، وبعبارة أخرى، شدة المنافسة بين السلالتين. ومع زيادة قدرة النقل النسبية، يتناقص زمن استبدالها بشكل مستمر، مما يعني أن سلالة واحدة أقوى في المنافسة. من خلال الخرائط الحرارية الثلاث، يمكننا أن نرى أنه لن تصبح جميع السلالات في النهاية هي السلالة المهيمنة عندما ينمو التسلسل إلى 5%، في حين أن السلالات التي تصل إلى تسلسل 50% ستنمو في النهاية إلى تسلسل 95%، مما يعني أنها ستحل في النهاية محل أخرى. سلالة تماما. قد يكون هذا هو السبب وراء ظهور بعض المتغيرات في الواقع بشكل عابر فقط، في حين أن البعض الآخر ينمو بشكل متزايد ليصبح سلالات مهيمنة.

4.3. تأثير مستوى المناعة المتقاطعة على السلالة ذات الميزة التنافسية

يعد معدل فقدان المناعة المتقاطعة أيضًا عاملاً مهمًا يؤثر على المنافسة بين السلالات. يوضح الشكل 8 تأثير مستويات المناعة المتقاطعة على السلالة 2 من خلال آلية المنافسة بين السلالات. تم أيضًا تقييم مستويات المناعة المتقاطعة المحتملة للسلالات المتنافسة في ظل سيناريوهات مختلفة حاليًا ومستقبلًا. سيناريو الواقع يعني أنه في ظل الظروف التنافسية بين سلالات أوميكرون وغير أوميكرون، فإن الحماية الممنوحة عن طريق العدوى السابقة أقل ضد سلالات أوميكرون، ولكن الحماية ضد السلالات الأخرى بعد الإصابة بسلالات أوميكرون قوية [32،36]. تشير السيناريوهات المستقبلية إلى نطاق مستويات التحصين المتبادل المحتملة للسلالات المستقبلية.

Desert ginseng-Improve immunity

cistanche tubulosa-تحسين الجهاز المناعي

يوضح الشكل 8 (أ) أن الحجم الإضافي للسلالة 2 يزيد مع 𝜂2 ويتم تحديده بالكامل تقريبًا بواسطة 𝜂2، بشكل مستقل عن 𝜂1. والسبب في ذلك هو أنه على المدى القصير، من المرجح أن يصاب الأشخاص الذين لديهم تاريخ من الإصابة بسلالات أخرى بسلالات أوميكرون مرة أخرى، في حين أن الأشخاص الذين يتعافون من الإصابة بسلالة أوميكرون نادرًا ما يصابون بسلالة أوميكرون، وهو ما يتوافق مع الواقع.

يوضح الشكل 8 (ب) السيناريو الأول في المستقبل على المدى الطويل، إذا كانت السلالة الناشئة لديها قدرة هروب أقوى للمناعة الطبيعية وكانت المناعة المكتسبة بنفس الحجم سواء أصيبت بسلالات سابقة أو بمفردها، إذن ويتم تحديد الحجم الإضافي لهذه السلالة بواسطة كل من 𝜂1، 𝜂2 معًا. قد يكون السبب في هذه النتيجة هو أن الزيادة في حجم 𝜂1 تعني أنه سيتم جلب المزيد من الأفراد المصابين بالسلالة 1، ومع تعافي هؤلاء الأفراد المصابين، سيصبحون مرة أخرى عرضة للسلالة 2. وبالتالي، يؤثر 𝜂1 بشكل غير مباشر الحجم الإضافي للسلالة 2. ويبين الشكل 8 (ج) السيناريو الثاني في المستقبل الطويل، حيث تتمتع السلالة الجديدة بأقوى قدرة على الهروب من الحماية السابقة أو العدوى الذاتية. ومن الجدير بالذكر أننا نجد أن الشكل 8 (ج) يقدم النتيجة المعاكسة تمامًا للشكل 8 (أ)، أي ظاهرة الانقلاب المثيرة للاهتمام حيث يتغير العامل الذي يحدد الحجم الإضافي للسلالة 2 من 𝜂2 إلى 𝜂1. الجزء الأيسر من الخط الأبيض المتقطع هو أيضًا الحبكة الفرعية في الشكل 8 (ب). سبب هذه الظاهرة هو أن عدد المتعافين من السلالة 1 أقل بكثير من عدد المتعافين الناتج عن السلالة 2 في ظل ظروف طويلة الأجل، وبالتالي فإن عدد المتعافين من السلالة 1 الذين هم مرة أخرى عرضة للسلالة 2 محدود للغاية . علاوة على ذلك، نظرًا لارتفاع معدل الاسترداد للسلالة 2، فإن تأثير السلالة 1 على الحجم الإجمالي للسلالة 2 في المراحل اللاحقة يكون ضئيلًا. في المقابل، فإن عددًا كبيرًا من الأفراد المتعافين من السلالة 2 سوف يصابون مرة أخرى بالسلالة 2 بسبب قدرتهم القوية على الهروب إلى المناعة الطبيعية.

Fig. 9. Comparison of outbreak levels caused by the future variant and the previous variant of SARS-CoV-2. (a) shows the size, peak, and duration of the outbreak caused by the future variant compared to the Omicron variant. We considered different values of the cross-immune protection against the new strain 𝜂2 acquired after infection by previous strains and different values of the relative transmission ability 𝛽1 of the new strain, as well as different time points for the emergence of the new strain. late invasion indicates that the new strain will emerge late in the transmission of the Omicron strains, with a delay of 150 days from other transmission conditions. (b) shows the ratio of the final size of the outbreak caused by the Omicron strain and the new strain. The immunity scale indicates the proportion of the population with a history of infection and cross-protection against the new strain. 𝜂2 is the cross-immunization intensity. (c) shows the effect of the invasion time of the new strain, the strength of cross-immunity, and the relative transmission ability on the time of strain replacement, where Early invasion, Midterm invasion, and Late invasion represent the invasion of a new strain at 20, 90, and 170 days after the start of transmission of the previous strain, respectively, meanwhile they also represent the invasion of the new strain at the beginning of transmission, around the peak, and at the end of the last outbreak. (d) shows the effect of the timing of the emergence of a new competing variant and its relative transmission ability on the transmission dynamics of the previous strain.


الشكل 9. مقارنة مستويات التفشي الناجم عن المتغير المستقبلي والمتغير السابق لـ SARS-CoV-2. (أ) يوضح حجم وذروة ومدة التفشي الناجم عن المتغير المستقبلي مقارنة بمتغير Omicron. لقد أخذنا في الاعتبار قيمًا مختلفة للحماية المناعية المتبادلة ضد السلالة الجديدة 𝜂2 المكتسبة بعد الإصابة بالسلالات السابقة وقيم مختلفة لقدرة الانتقال النسبية 𝛽1 للسلالة الجديدة، بالإضافة إلى نقاط زمنية مختلفة لظهور السلالة الجديدة. يشير الغزو المتأخر إلى أن السلالة الجديدة ستظهر متأخرة في انتقال سلالات أوميكرون، مع تأخير 150 يومًا عن ظروف الانتقال الأخرى. (ب) يوضح نسبة الحجم النهائي للتفشي الناجم عن سلالة أوميكرون والسلالة الجديدة. يشير مقياس المناعة إلى نسبة السكان الذين لديهم تاريخ من الإصابة والحماية المتبادلة ضد السلالة الجديدة. 𝜂2 هي شدة التحصين المتبادل. (ج) يوضح تأثير وقت غزو السلالة الجديدة، وقوة المناعة المتقاطعة، وقدرة الانتقال النسبية على وقت استبدال السلالة، حيث يمثل الغزو المبكر، والغزو المتوسط، والغزو المتأخر غزو سلالة جديدة السلالة عند 20 و90 و170 يومًا بعد بدء انتقال السلالة السابقة، على التوالي، وفي الوقت نفسه تمثل أيضًا غزو السلالة الجديدة في بداية الانتقال، وحول الذروة، وفي نهاية التفشي الأخير. ( د ) يوضح تأثير توقيت ظهور متغير منافس جديد وقدرته النسبية على النقل على ديناميكيات انتقال السلالة السابقة.

5. تأثير المنافسة بين السلالات على ديناميكيات انتقال فيروس SARS-CoV-2

5.1. مقارنة مستويات التفشي الناجمة عن المتغيرات المتنافسة القديمة والجديدة

سلالات أوميكرون لن تكون نهاية تطور السلالة. لقد قمنا بمحاكاة المتغيرات المثيرة للقلق (VOCs) التي من المحتمل أن تظهر في المستقبل بقدرة أكبر على النقل بالإضافة إلى الهروب المناعي. وقمنا بمقارنتها بسلالة Omicron فيما يتعلق بحجم وذروة ومدة تفشي المرض. علاوة على ذلك، قمنا بمقارنة الفرق في الوقت اللازم للسلالة الجديدة وسلالة أوميكرون لتحل محل السلالة السابقة. تم العثور على أن قوة المناعة المتبادلة وتوقيت ظهور متغيرات جديدة تؤثر بشكل كبير على ديناميكيات انتقال فيروس SARS-CoV-2 ونتائج المنافسة بين السلالات. في الشكل 9 (أ)، عندما تكون 𝜂2=0 تعني اكتساب مناعة دائمة ضد السلالة الجديدة بعد الإصابة بسلالة Omicron، فإن حجم تفشي السلالة الجديدة يكون في حده الأدنى في هذا السيناريو. ومع زيادة 𝜂2، يزداد حجم التفشي وذروته ومدته بشكل مستمر. وبالمثل، فإن قدرة النقل النسبية لها تأثير كبير على الحجم النهائي والذروة التي تسببها السلالة الجديدة، ومع ذلك، فإن مدة التفشي تتناقص مع زيادة 𝛽1 بسبب معدل التفشي السريع. علاوة على ذلك، فإن توقيت غزو السلالة الجديدة له تأثير كبير على ديناميكيات انتشار التفشي. عندما تغزو سلالة جديدة في وقت متأخر من انتقال أوميكرون، فإن حجم وذروة التفشي الذي تسببه يكون أصغر بكثير مما كان عليه عندما تغزو في بداية الإرسال. ويمكن ملاحظة أنه عندما تغزو السلالة الجديدة في بداية انتقال أوميكرون، في ظل الشرط 𝜂2=103، 𝛽1=2𝛽، فإن حجم التفشي الذي تسببه سيكون أكبر من حجم الفيروس. تفشي المرض الناجم عن موجة أوميكرون السابقة. عندما يتناقص 𝜂2 إلى 3 × 10−4، يكون حجم التفشي الناجم عنه أقل من حجم التفشي الناجم عن سلالة أوميكرون. ويبين الشكل 9 (ب) نسبة حجم التفشي السابق إلى حجم التفشي التالي الناجم عن السلالة الجديدة. ويشير مقياس المناعة إلى نسبة السكان الذين لديهم تاريخ من سلالات العدوى السابقة، ويشير 𝜂2 إلى الحماية المناعية المتبادلة ضد السلالة الجديدة المكتسبة بعد الإصابة بسلالة سابقة. ومع زيادة 𝜂2، ستتسبب السلالة الجديدة في حدوث فاشيات أكبر بشكل متزايد، ومع ذلك، فقط عندما يتجاوز مقياس المناعة 40٪، يتجاوز حجم تفشي السلالة الجديدة حجم السلالات السابقة.

Fig. 10. Ranking the final outbreak size of countries under the free transmission of the novel variant. The immunity scale represents the proportion of the population in each country that gained cross-immune protection after the prior infection, and the final size is the proportion of the final infections resulting from the free transmission of the new variant in this country. The size of the bubbles denotes the relative size of the final size in each country. The ranking indicates the susceptibility of a country to a new variant, and from top to bottom indicates the ranking from lowest to highest, where the invasion of a new variant will cause the largest infection size in China while the smallest infection size in Denmark.


الشكل 10. ترتيب حجم التفشي النهائي للبلدان ضمن الانتقال الحر للمتغير الجديد. ويمثل مقياس المناعة نسبة السكان في كل دولة اكتسبوا الحماية المناعية المتبادلة بعد الإصابة السابقة، والحجم النهائي هو نسبة الإصابات النهائية الناتجة عن الانتقال الحر للمتغير الجديد في هذا البلد. يشير حجم الفقاعات إلى الحجم النسبي للحجم النهائي في كل بلد. ويشير الترتيب إلى مدى قابلية بلد ما للإصابة بمتغير جديد، ومن الأعلى إلى الأسفل يشير إلى الترتيب من الأدنى إلى الأعلى، حيث سيؤدي غزو متغير جديد إلى أكبر حجم إصابة في الصين بينما أصغر حجم إصابة في الدنمارك.

يوضح الشكل 9 (ج) تأثيرات وقت غزو السلالة الجديدة وقوة المناعة المتقاطعة وتأثير الانتقال النسبي على وقت استبدال السلالة. ثلاثة خطوط صلبة تشير إلى أن زمن ظهور السلالة الجديدة هو فقط الذي يختلف، وجميع الشروط الأخرى متساوية. وتظهر السلالة الجديدة في نهاية مرحلة انتقال السلالة السابقة. وسوف يحل محل السلالة السابقة بسرعة نظرا لوجود تسلسلات أقل من السلالة السابقة في هذا الوقت. بالنسبة للسلالات السابقة مثل دلتا وأوميكرون وغيرها، فإن السلالة الجديدة تظهر في مرحلة لاحقة من انتقالها، وبالتالي فإن وقت الاستبدال قصير نسبيا. عندما تظهر سلالة جديدة في المرحلة المبكرة أو المتوسطة من انتقال السلالة السابقة، فسوف يستغرق الأمر وقتًا أطول حتى تصل السلالة الجديدة إلى تسلسل 5٪ بسبب التأثير التنافسي القوي للسلالة السابقة. ومقارنة بظهور السلالة الجديدة في الفترة الوسطى من انتقال السلالة السابقة (فترة الذروة)، فإن ظهور السلالة الجديدة في الفترة المبكرة من انتقال السلالة السابقة (الغزو المبكر) سيصل إلى 50% تتابعات بمعدل أسرع وذلك لأنه في سيناريو الغزو المبكر، يكون تسلسل السلالة السابقة في فترة الصعود والقاعدة ليست كبيرة بما يكفي. ومع ذلك، في سيناريو الغزو منتصف المدة، يتباطأ معدل نمو تسلسل السلالة الجديدة، لأنه في هذه المرحلة يصل عدد تسلسلات السلالة السابقة إلى ذروته ويكون له قاعدة قصوى. السلالة السابقة هي الأكثر تنافسية مع السلالة الجديدة في هذه الفترة.

يوضح الشكل 9 (د) تأثير غزو سلالة منافسة على السلالة السابقة. وكما نرى، عندما تم رفع 𝛽1 من 1.5𝛽 إلى 2𝛽، كان هناك تأثير كبير على حجم انتشار السلالة السابقة. كما تؤثر نقطة ظهور السلالة الجديدة بشكل كبير على ديناميكيات انتقال السلالة السابقة بسبب منافستها. ولم يؤخذ في الاعتبار الغزو المتأخر لأنه لم يؤثر على السلالة السابقة. ويمكن ملاحظة أنه عندما لم يكن هناك منافسة بين السلالات، كانت مدة السلالة السابقة هي الأطول. وعندما يكون هناك منافسة بين السلالات، كلما ظهرت السلالة الجديدة في وقت مبكر، كلما كانت مدة السلالة السابقة أقصر. يؤثر غزو سلالة جديدة بشكل كبير على المدة وكذلك على الذروة وحجم تفشي السلالة السابقة. وهذا يوفر دليلاً للسيطرة على تفشي المرض في المستقبل من خلال التدخل مع إحدى السلالات المتنافسة.

5.2. ترتيب مدى قابلية البلدان المختلفة للمتغيرات المستقبلية 

تمت محاكاة حساسية تسع دول للمتغير المستقبلي في هذا القسم. لقد افترضنا أن العدوى بسلالات أوميكرون من التفشي السابق فقط هي التي ستحصل على حماية مناعية ضد المتغير الجديد. لن تحمي الإصابات السابقة من المتغير الجديد بسبب الفاصل الزمني الطويل والهروب المناعي القوي للمتغير الجديد. علاوة على ذلك، فإن الحماية التي يحصل عليها السكان المصابون هي نفسها لكل دولة. يوضح الشكل 10 تصنيف حساسيتهم. لقد وجدنا أن الحجم النهائي للمتغير الجديد في بلد ما كان مرتبطًا سلبًا بمقياس المناعة المتبادلة السابقة. وذلك لأن الأشخاص المصابين سيحصلون على جزء من الحماية ضد المتغير الجديد بسبب المناعة المتقاطعة، وبالتالي فإن الحجم النهائي للمتغيرات المستقبلية التي تحدث في هذا البلد يرتبط ارتباطًا وثيقًا بعدد الأشخاص المصابين في الموجة الأخيرة من تفشي المرض. ويعني التصنيف الأول للصين أنها الأكثر حساسية تجاه الغزو القادم للسلالة الجديدة، والذي ستكون له عواقب وخيمة إذا سمح لها بالانتشار بحرية. الترتيب الأخير في الدنمارك يعني أنه إذا ظهر متغير جديد في الدنمارك، فلن يتسبب في حجم كبير مقارنة بالدول الأخرى. يرجع سبب هذا الاختلاف الكبير بين البلدان إلى الاختلافات في نطاق التحصين المتبادل السابق، حيث كان لدى الدنمارك نسبة كبيرة من السكان المصابين بسلالة أوميكرون خلال فترة أوميكرون، وبالتالي كان لديها تحصين تبادلي كبير حجم. ولكن في الصين، كان 0.03% فقط من السكان يتمتعون بالحماية المناعية المتصالبة التي اكتسبتها سلالة أوميكرون بسبب السيطرة الأكثر صرامة. هذه النتيجة هي دليل لتنفيذ تدخلاتنا غير الصيدلانية المستقبلية (NPIs) وغيرها من التدابير. وينبغي فرض مؤشرات غير ربحية أقوى على البلدان الأكثر حساسية تجاه متغير جديد مقارنة بتلك غير الحساسة.

Desert ginseng-Improve immunity (9)

cistanche tubulosa-تحسين الجهاز المناعي

5.3. اثنين من السيناريوهات المستقبلية الناجمة عن المنافسة بين السلالات

5.3.1. تفشي سلالات الأوميكرون المتكررة بسبب المناعة غير الدائمة

تحدث حالات تفشي المرض المتكررة من نفس السلالة بسبب فقدان المناعة. يشير الشكلان 11 (أ) و(ب) إلى أن ظهور الفاشيات المتكررة يرجع إلى قيمة 𝜂1. يمكننا أن نرى أنه عندما تكون 𝜂1 < 6𝑒 − 4، لن تحدث حالات تفشي متكررة. تشير المنطقة الزرقاء إلى التفشي المتكرر لسلالة أوميكرون في سيناريو حقيقي، حيث تم تكييف نطاق 𝜂1 مع فترة سلالة أوميكرون. المنطقة البيضاء مخصصة لسلالة مستقبلية ذات قدرة أقوى على الهروب ضد المناعة الطبيعية. ومن ثم، فهو يحتوي على 𝜂1 أعلى. أظهر حجم وذروة التفشي المتكرر وجود علاقة خطية مع 𝜂1 في هذه المنطقة. يوضح الشكل 11 (ج) تأثير 𝜂1 و𝜂2 على التفشيات المتكررة للسلالة. عند 𝜂2=0، يعني ذلك أن المصاب بالسلالة السابقة سيكتسب مناعة كاملة ضد السلالة الجديدة، وعند هذه النقطة تكون العدوى المتكررة للسلالة الجديدة مشتقة بالكامل من انخفاض مناعتها. ومع ذلك، مع زيادة 𝜂2، ستؤثر على الالتهابات المتكررة للسلالة الجديدة بدرجة أقل، ولكن نظرًا للعدد المحدود للأفراد المصابين بالسلالة السابقة، فإن الالتهابات المتكررة للسلالة الجديدة ستنشأ بشكل أساسي من تلاشي المناعة الذاتية لفترة أطول، وعند هذه النقطة، يمثل الشكل 11 (ج) نفس المعنى في الشكل 11 (أ). ويبين الشكل 11 (د) الفاصل الزمني بين عودة التفشي والتفشي السابق. يشير وقت تفشي المرض إلى الفاصل الزمني منذ توفر الحالة الأولية المبلغ عنها لهذه السلالة. تشير المنطقة الحمراء الداكنة، أي عند 𝜂1 < 6𝑒 − 4، إلى أن هذه السلالة لن يكون لها تفشي متكرر. عندما تكون 𝜂1 أكبر من عتبة التفشي، يقل الفاصل الزمني للتفشي مع زيادة 𝜂1. تشير نتائج المحاكاة في الشكل 12 إلى احتمال حدوث فاشيات متكررة دون غزو سلالة جديدة. لقد وجدنا أنه في حالات العدوى المتكررة من نفس السلالة عندما تحدث السلالة بشكل متكرر، هناك اتجاه دوري لتفشي المرض على مدى فترة أطول. مع زيادة 𝜂1، مع حماية مناعية ثابتة، أي مع انخفاض مدة الحماية المناعية 𝑇، مما سيؤدي إلى فترة تكرار أقصر للسلالات المتكررة، وترتبط الدورية بمعدل فقدان المناعة المتبادلة. يوضح الشكل 12 (أ) سيناريو واقعي لمدة الحماية المناعية في ظل فترة أوميكرون الحالية [35،57]. يمكن ملاحظة الفترة القصيرة من تفشي المرض المتكرر والحجم الأكبر لكل تفشي في ظل ظروف التحصين قصيرة المدى. يوضح الشكل 12 (ب) كذلك دورية تفشي المرض المتكرر في ظل جميع أوقات الحماية المناعية المحتملة 𝑇 وقدرة الحماية المناعية 𝜓، والتي تتأثر بشكل كبير بـ 𝜂1 وغير حساسة لـ 𝜂2، ونذكر أسباب هذه النتيجة في شرح الشكل 11.

Fig. 11. Threshold conditions for recurrent outbreaks of the same lineage and the factors influencing them. Subplots (a), (b) represent the effect of the rate of loss of cross-immunity on the outbreak final size of the recurrent outbreak of the same lineage, where 𝜂1 = 6𝑒 − 4 is the threshold condition for the recurrent outbreak of the same lineage. The blue filler indicates the range of 𝜂1 values for the current Omicron stage, in which case recurrent outbreaks of Omicron strains will result in the final size. The white filler indicates the possible scenario of recurrent outbreaks in future strains. (c), (d) show the effect of the rate of loss of immunity on the outbreak final size and specific timing of recurrent outbreaks of the same lineage. Non-resurgence represents that the same lineage strain will not resurgence. (For interpretation of the references to color in this figure legend, the reader is referred to the web version of this article.)

الشكل 11. شروط العتبة لتفشي المرض المتكرر لنفس النسب والعوامل المؤثرة عليها. تمثل المخططات الفرعية (أ) و(ب) تأثير معدل فقدان المناعة المتقاطعة على الحجم النهائي للتفشي للتفشي المتكرر لنفس السلالة، حيث 𝜂1=6𝑒 − 4 هو شرط العتبة لـ تفشي متكرر من نفس النسب. يشير الحشو الأزرق إلى نطاق قيم 𝜂1 لمرحلة Omicron الحالية، وفي هذه الحالة سيؤدي التفشي المتكرر لسلالات Omicron إلى الحجم النهائي. يشير الحشو الأبيض إلى السيناريو المحتمل لتفشي المرض المتكرر في السلالات المستقبلية. (ج)، (د) إظهار تأثير معدل فقدان المناعة على الحجم النهائي للتفشي والتوقيت المحدد لتفشي المرض المتكرر من نفس النسب. يمثل عدم الانبعاث أن نفس سلالة النسب لن تعود للظهور مرة أخرى. (لتفسير الإشارات إلى اللون في وسيلة إيضاح الشكل هذه، تتم إحالة القارئ إلى إصدار الويب من هذه المقالة.)

Fig. 12. Periodicity of recurrent outbreaks of the same lineage under long-term time. Three curves in subplot (a) indicate the periodicity of recurrent outbreaks under short-term immunization (𝑇 = 15 𝑤𝑒𝑒𝑘𝑠, 𝑖.𝑒. 𝑏𝑙𝑢𝑒 𝑙𝑖𝑛𝑒, 𝑎𝑛𝑑 48 𝑤𝑒𝑒𝑘𝑠, 𝑖.𝑒. 𝑟𝑒𝑑 𝑙𝑖𝑛𝑒.) and long-term immunization (𝑇 = 90 𝑤𝑒𝑒𝑘𝑠, 𝑖.𝑒. 𝑔𝑟𝑒𝑒𝑛 𝑙𝑖𝑛𝑒.). subplot (b) shows the effect of the rate of loss of immunity (both protection 𝜓 and duration of immunization 𝑇 ) on the periodicity of recurrent outbreaks. Non-existent indicates that there will be an absence of recurrent outbreaks of the same lineage.

الشكل 12. دورية تفشي المرض المتكررة من نفس النسب في ظل فترة طويلة الأجل. تشير ثلاثة منحنيات في المخطط الفرعي (أ) إلى دورية تفشي المرض في ظل التحصين قصير المدى (𝑇=15 𝑤𝑒𝑒𝑘𝑠, 𝑖.𝑒. 𝑏𝑙𝑢𝑒 𝑙𝑖𝑛𝑒, 𝑎𝑛𝑑 48 𝑤𝑒𝑒𝑘𝑠، 𝑖.𝑒. 𝑟𝑒𝑑 𝑙𝑖𝑛𝑒.) وطويلة الأجل التحصين (𝑇=90 𝑤𝑒𝑒𝑘𝑠, 𝑖.𝑒. 𝑔𝑟𝑒𝑒𝑛 𝑙𝑖𝑛𝑒.). تُظهر المخطط الفرعي (ب) تأثير معدل فقدان المناعة (كل من الحماية 𝜓 ومدة التحصين 𝑇 ) على تواتر تفشي المرض المتكرر. يشير عدم وجود المرض إلى أنه سيكون هناك غياب للتفشيات المتكررة من نفس النسب.

Fig. 13. Impact of the rate of cross-immunity loss on the re-outbreak of the previous strain. (a) shows the effect of the rate of cross-immunity loss on the final size of re-outbreaks from previous strains. (b) shows the effect of the rate of loss of cross-immunity on the resurgence time interval of previous strains. Non-resurgence represents the previous strain will not resurgence.


الشكل 13. تأثير معدل فقدان المناعة المتقاطعة على إعادة تفشي السلالة السابقة. (أ) يُظهر تأثير معدل فقدان المناعة المتبادلة على الحجم النهائي لحالات إعادة تفشي المرض من السلالات السابقة. (ب) يوضح تأثير معدل فقدان المناعة المتبادلة على الفاصل الزمني لعودة السلالات السابقة. عدم الانبعاث يمثل السلالة السابقة ولن تعود للظهور من جديد.

5.3.2. عودة السلالة السابقة بسبب التحصين المتبادل الجزئي

وبشرط أن يكون 𝛼1 قريبًا من 0، مما يعني أن الميزة التنافسية للسلالتين لا تتعلق بالقدرة على الإفلات من المناعة للقاح، يمكننا أن نرى أن شرط العتبة الذي سيتم من أجله إعادة النسب السابق -التفشي مع 𝜂1 يساوي تقريبًا 2e-3 في الشكل 13. علاوة على ذلك، عندما يكون 𝜂2 في الحد الأدنى من النطاق، فإن عودة ظهور السلالة السابقة ستتأثر نظرًا لأن 𝜂2 ليس له سوى تأثير قصير المدى على السلالة السابقة. وعندما يكون 𝜂2 في بقية النطاق، فإن الحجم النهائي للتفشي المتكرر يزداد بزيادة 𝜂1. يتم تعريف وقت العودة على أنه الفاصل الزمني من 1 أغسطس 2022 إلى تاريخ مستقبلي. تظهر نتائج عمليات المحاكاة التي أجريناها أن السلالة السابقة (سلالة دلتا) سوف تعود للظهور بعد 250 يومًا عندما تكون 𝜂1 كبيرة بما يكفي. تحت العتبة، لن تحدث حالة إعادة تفشي النسب السابق. يتم استكشاف جميع احتمالات قيم 𝜂1 بهدف الحصول على رؤى أفضل حول ديناميكيات انتقال الجائحة في المستقبل.

6. الخاتمة والمناقشة 

لقد اقترحنا نموذجًا وبائيًا حول الانتقال المشترك للسلالات لإضفاء الطابع الرسمي على المنافسة بين السلالات المتنافسة لـ SARS-CoV-2. وهو يناسب بدقة الاتجاهات الوبائية طويلة المدى في سبع دول، بما في ذلك كوريا الجنوبية والدنمارك وإسبانيا وجنوب إفريقيا، بالإضافة إلى اتجاهات المتغيرات. بالمقارنة مع نماذج النقل التقليدية مثل نماذج SEIR وتقنيات التعلم العميق، فإنها تظهر مزايا كبيرة في التنبؤ بالسلاسل الزمنية طويلة المدى. وتظهر النتائج في الملحق أ.4. تم تحديد الميزة التنافسية للمركبات العضوية المتطايرة حاليًا والعوامل المؤثرة على الميزة التنافسية بين السلالات من خلال نموذجنا. ومن خلال الآلية التنافسية بين السلالات، يكون لهذه العوامل تأثير كبير على ديناميكيات انتقال فيروس SARS-CoV-2 في المستقبل. فيما يلي ظاهرتان مستقبليتان محتملتان لسلالات SARS-CoV-2 التي تم التقاطها بواسطة نموذجنا. وهما غزو سلالة جديدة وعودة ظهور السلالة السابقة، على التوالي. في الظاهرة الأولى، ستؤدي الاختلافات في مستوى المناعة المتبادلة ووقت غزو السلالة المستقبلية إلى اختلافات كبيرة في حجم السلالة المستقبلية وذروتها ومدتها بالإضافة إلى وقت الاستبدال المتنافس. علاوة على ذلك، تشير نتائج هذه الدراسة إلى أن غزوًا مستقبليًا لسلالة جديدة، والسماح لها بالانتشار بحرية قد يؤدي إلى أكبر حجم إصابة في الصين وأصغر في الدنمارك بسبب الاختلاف الكبير في مقياس التحصين المتبادل السابق بين المجموعتين. بلدين. قد تساعد هذه النتيجة في توجيه تنفيذ المؤشرات غير الربحية المستقبلية، على سبيل المثال، قد يتم تخفيف المؤشرات غير الربحية في البلدان التي ليست عرضة لسلالات جديدة. وفي الظاهرة الثانية، لوحظ عودة ظهور نفس النسب والنسب المختلفة من خلال نموذجنا. من أجل عودة ظهور نفس السلالة، من المحتمل أن يدخل فيروس SARS-CoV-2 في التداول المنتظم. تعتمد فترة الدورة على مدة التحصين. علاوة على ذلك، تم تحديد شروط العتبة التي تم الحصول عليها من عمليات المحاكاة العددية ومن ثم ظواهر المرحلة الانتقالية المرصودة في القسم 5.3.1. بالنسبة لعودة السلالات المختلفة، من المحتمل أن يحدث ظهور المتغير السابق مثل متغير دلتا في المستقبل إذا لم تظهر متغيرات جديدة. وبالمثل، تم تقييم الظروف العتبية لعودة ظهور السلالة السابقة والوقت المحتمل لحدوثها في القسم 5.3.2. إن نتائج محاكاة ظاهرتين لن تفيدنا فقط في فهم عواقب غزو متغير جديد وكذلك في اختيار مؤشرات NPI أفضل ولكنها ستساعدنا أيضًا في تحديد ديناميكيات الانتقال المستقبلية لـ SARS-CoV-2

Desert ginseng-Improve immunity (10)

فوائد سيستانش-تقوية جهاز المناعة

لقد ثبت أن عودة ظهور الفاشيات بشكل دوري بسبب فقدان المناعة المتبادلة موجودة في فيروسات التاجية البشرية [58،59]. ومع ذلك، فإن مستوى المناعة المتبادلة لسلالات SARS-CoV-2 يختلف بشكل كبير عن المناعة المتبادلة السابقة لفيروس كورونا [32,60]. لذلك، قمنا بتحديد شامل جدًا لمستوى المناعة المتبادلة بين سلالات SARS-CoV-2 ودرسنا المستوى المستقبلي المحتمل للمناعة المتبادلة في عمليات المحاكاة التي أجريناها. على الرغم من عدم ملاحظة هذا السيناريو بين سلالات فيروس SARS-CoV-2، إلا أنه تمت ملاحظته أيضًا في بعض الدراسات من خلال عمليات المحاكاة [61,62]. ومع ذلك، فإن ظاهرة عودة السلالات المختلفة السابقة لم يتم ملاحظتها مطلقًا في دراسات نمذجة SARS-CoV-2. قد يكون سبب عدم حدوث هذه الظاهرة في الواقع هو أن ظهور متغير جديد يمنع عودة ظهور الأنساب المختلفة السابقة. نحن في عصر ما بعد الوباء حيث لا تزال متغيرات فيروس SARS-CoV-2 تتطور من أجل البقاء. عندما كنا في أقصى حدود ذكائنا بشأن سرعة تطوره، تجاهلنا أنه مع تطور متغيرات فيروس SARS-CoV-2، وصلت معدلات ضراوته ووفياته إلى مستويات أقل مقارنة بالسلالات السابقة. يجب أن نلقي نظرة أكثر جدلية على تطور المتغيرات، التي زادت من قدرتها على النقل والهروب المناعي إلى مستويات لا تصدق، في حين انخفض تهديدها لنا [63،64]. إن نتائج نموذجنا لعمليات المحاكاة المستقبلية تعطينا فكرة أنه إذا لم تظهر المزيد من المتغيرات المتنافسة، فإن عودة ظهور السلالة ذات القدرة الإمراضية العالية، مثل سلالة دلتا، ستكون أكثر إحباطا. ولذلك، فإن ظهور متغيرات Omicron الفرعية قد يمنع عودة ظهور المتغير السابق.

نموذجنا لديه العديد من القيود. أولا، نحن لا نأخذ في الاعتبار عدم تجانس السكان. على سبيل المثال، لا يأخذ نموذجنا في الاعتبار تأثير الفئة العمرية على ديناميكيات الإرسال. بارنارد وآخرون. أخذوا الفئات العمرية في الاعتبار عند محاكاة ديناميكيات انتقال فيروس SARS-CoV-2 على المدى المتوسط ​​في إنجلترا في عصر أوميكرون [65]. هذا الاعتبار يمكن أن يجعل النموذج أقرب إلى العالم الحقيقي. ثانيًا، بعض المعلمات ليست في شكل وظيفي أو متغير بمرور الوقت، والتي قد تكون ممثلة تمثيلاً ناقصًا للأحداث المتطرفة خلال الوقت المناسب الطويل. ثالثًا، نحن لا نأخذ في الاعتبار تأثير تدابير التدخل غير الصيدلانية على المنافسة بين السلالات. رابعا، تم التوصل إلى النتائج التي توصلنا إليها لبعض الظواهر من خلال نتائج المحاكاة العددية بدلا من البراهين الرياضية الصارمة. على سبيل المثال، يتم حل الشروط العتبية التي حصلنا عليها لعودة السلالات السابقة عدديا وليس تحليليا. أخيرًا، نظرنا فقط في السلالتين المتنافستين الأكثر هيمنة في كل فترة من عملية انتقال السلالات المنافسة. ومع ذلك، في حقبة ما بعد الوباء، قد تؤثر أيضًا بعض السلالات الأخرى الأقل هيمنة على عملية الانتقال التنافسية بأكملها، وبالتالي يجب صياغة الخصائص الوبائية لكل متغير بعناية أكبر في العمل المستقبلي.

مراجع

[1] هوانغ سي، وانغ واي، لي إكس، رين إل، تشاو جي، هو واي، وآخرون. المظاهر السريرية للمرضى المصابين بفيروس كورونا الجديد 2019 في ووهان، الصين. لانسيت 2020؛395(10223):497–506.

[2] هاس إي جيه، أنجولو إف جيه، ماكلولين جي إم، أنيس إي، سينغر إس آر، خان إف، وآخرون. تأثير وفعالية لقاح mRNA BNT162b2 ضد عدوى SARS-CoV-2 وحالات الإصابة بـCOVID-19 والاستشفاء والوفيات بعد حملة تطعيم وطنية في إسرائيل: دراسة رصدية باستخدام بيانات المراقبة الوطنية. لانسيت 2021;397(10287):1819–29.

[3] عبد الكريم إس إس، دي أوليفيرا تي. المتغيرات الجديدة لـ SARS-CoV-2 - الآثار السريرية والصحة العامة واللقاحات. N Engl J Med 202;384(19):1866–8.

[4] مويندا إم، ساسا إن، سينانج إن، بوسبي جي، تشيبيمو بي جيه، هندري جيه، وآخرون. الكشف عن سلالة B.1.351 SARS-CoV-2 المتغيرة في زامبيا، ديسمبر 2020. MMWR Morb Mortal Wkly Rep 2021;70(8):280.

[5] هارفي وت، كارابيلي إيه إم، جاكسون بي، جوبتا آر كيه، طومسون إي سي، هاريسون إي إم، وآخرون. متغيرات SARS-CoV-2 والطفرات الشوكية والهروب المناعي. نات ريف ميكروبيول 202؛19(7):409–24.

[6] تيجالي إتش، ويلكنسون إي، ألتهاوس سي إل، جيوفانيتي إم، سان جي إي، جيانداري جي، وآخرون. الاستبدال السريع لمتغير بيتا بمتغير دلتا في جنوب أفريقيا. 2021، MedRxiv، مطبعة مختبر كولد سبرينج هاربور.

[7] رن سي، وانغ دبليو بي، جاو آر دي، تشو آم. متغير أوميكرون (B.1.1.529) لفيروس SARS-CoV-2: الطفرة والعدوى والانتقال ومقاومة اللقاحات. حالات العالم J كلين 2022;10(1):1.

[8] Kumar R, Murugan NA, Srivastava V. إن تحسين تقارب الارتباط لبروتين Omicron's Spike لمستقبل الإنزيم المحول للأنجيوتنسين 2 البشري هو المفتاح وراء ضراوته المتزايدة. إنت J مول ساي 202؛23(6):3409.

[9] ويليت بي جيه، جروف جيه، ماكلين أو إيه، ويلكي سي، دي لورينزو جي، فورنون دبليو، وآخرون. SARS-CoV-2 Omicron هو متغير الهروب المناعي مع مسار دخول الخلية المتغير. نات ميكروبيول 202؛1–19.

[10] تشانغ إكس، وو إس، وو بي، ويانغ كيو، وتشن أ، ولي واي، وآخرون. تُظهر سلالة SARS-CoV-2 Omicron قدرات قوية للتهرب المناعي والدخول الفيروسي. العلاج المستهدف لناقل الإشارة 2021؛6(1):1–3.

[11] Tian D, Sun Y, Xu H, Ye Q. ظهور وخصائص الوباء لـ SARS-CoV-2 متغير Omicron المتحور للغاية. جي ميد فيرول 202؛94(6):2376–83.

[12] كاو واي، ييسيماي أ، جيان إف، سونغ دبليو، شياو تي، وانغ إل، وآخرون. بكالوريوس. 2.12. 1، بكالوريوس. 4 و بكالوريوس. 5 أجسام مضادة للهروب أثارتها عدوى أوميكرون. طبيعة 2022؛1-3.

[13] آي جي، وانغ إكس، هي إكس، تشاو إكس، تشانغ واي، جيانغ واي، وآخرون. التهرب من الأجسام المضادة لـ SARS-CoV-2 Omicron BA. 1، بكالوريوس. 1.1، بكالوريوس. 2، و بكالوريوس. 3 سلالات فرعية. الميكروب المضيف للخلية 2022.

[14] Zhou Y, Zhi H, Teng Y. اندلاع سلالات أوميكرون لـ SARS-CoV-2 والهروب المناعي وفعالية اللقاح. جي ميد فيرول 2022.

[15] وانغ كيو، جو واي، إيكيتاني إس، ناير إم إس، لي زي، موهري إتش، وآخرون. التهرب من الأجسام المضادة بواسطة SARS-CoV-2 المتغيرات الفرعية Omicron BA. 2.12. 1، بكالوريوس. 4,& بكالوريوس. 5. الطبيعة 2022؛1-3.

[16] Nuño M, Feng Z, Martcheva M, Castillo-Chavez C. ديناميات الأنفلونزا ثنائية السلالة مع العزلة والمناعة المتبادلة الجزئية. سيام جي أبل ماث 200؛65(3):964–82.

[17] ألفورد إم إيه، مان إس، أخوندصادق إن، هانكوك آر إي. تعتمد المنافسة بين Pseudomonas aeruginosa وStaphylococcus aureus على الإشارات بين الخلايا وينظمها نظام NtrBC المكون من عنصرين. مندوب العلوم 202؛12(1):1–14.

[18] تشياو جي كيو، لي إل. تحليل الأمراض المعدية التنافسية ذات السلالات المتعددة. الفوضى سوليتونز فركتلات 201؛ 104: 215–21.

[19] غودرولت إن إن، كول كيه، تروجيلو جيه دي، موروزوف آي، ميكينز دي إيه، ماكدويل سي، وآخرون. قابلية الأغنام للإصابة بالعدوى التجريبية المشتركة مع سلالة الأجداد لـ SARS-CoV-2 ومتغير ألفا. الميكروبات الناشئة تصيب 202؛11(1):662–75.

[20] Popovic M. Strain wars 3: يمكن تفسير الاختلافات في العدوى والإمراضية بين سلالات دلتا وأوميكرون لـ SARS-CoV-2 من خلال المعلمات الديناميكية الحرارية والحركية للارتباط والنمو. ميكروب ريسك شرجي 2022;100217.

[21] Layton AT, Sadria M. فهم ديناميكيات متغيرات SARS-CoV-2 المثيرة للقلق في أونتاريو، كندا: دراسة نموذجية. ممثل العلوم 202؛12(1):1–16.

[22] جيني د، روسيل إم، سار أ، باتيلوتي إف، رايس أو، ريجو رو، وآخرون. التنافس بين سلالات Borrelia afzelii في الأنسجة المضيفة وعواقب انتقالها إلى القراد. ISME J 202;15(8):2390–400.

[23] تشين جيه، وانج آر، وي جي دبليو. مراجعة آليات تطور وانتقال فيروس SARS-CoV-2. 2021، أرخايف.

[24] روهاني بي، ويرينج إتش جيه، فاسكو دي إيه، هوانغ واي، وآخرون. فهم الأنظمة المضيفة متعددة الأمراض: نمذجة التفاعل بين البيئة والمناعة. في: بيئة الأمراض المعدية: آثار النظم البيئية على الأمراض والمرض على النظم البيئية. مطبعة جامعة برينستون برينستون، نيو جيرسي، الولايات المتحدة الأمريكية؛ 2008، ص. 48-70.

[25] زان جي، ماكدونالد بي إيه، وآخرون. التدابير التجريبية للمنافسة المسببة للأمراض واللياقة النسبية. أنو ريف فيتوباثول 201؛ 51 (1): 131-53.

[26] نيكباخش إس، ماير سي، ماثيوز إل، ريف آر، جونسون بي سي، ثوربورن إف، وآخرون. تؤثر التفاعلات بين الفيروسات والفيروسات على الديناميكيات السكانية للأنفلونزا ونزلات البرد. بروك ناتل أكاد ساي 201؛116(52):27142–50.

[27] ماكاو دي إن، ليسيت إس، ميشالسكا سميث إم، بابلوسكي آي إيه، تشيران إم سي-جيه، كرافت إم إي، وآخرون. الديناميكيات البيئية والتطورية لفيروسات الحمض النووي الريبي متعددة السلالات. نات إيكول إيفول 2022;1–9.

[28] Recker M, Pybus OG, Nee S, Gupta S. توليد تفشي الأنفلونزا عن طريق شبكة من الاستجابات المناعية للمضيف ضد مجموعة محدودة من أنواع المستضدات. بروك ناتل أكاد ساي 200؛ 104 (18): 7711–6.

[29] بهاتاشاريا إس، جيستلاند بي إتش، كورجنسكي كيه، بيورنستاد أون، أدلر إف آر. تشرح المناعة المتبادلة بين السلالات النمط الديناميكي للفيروسات المخاطانية. بروك ناتل أكاد ساي 201؛112(43):13396–400.

[30] أندرياسن ف. الأوبئة في المنافسة: المناعة الجزئية. بول ماث بيول 201؛80(11):2957–77.

[31] بوليام جي آر، فان شالكويك سي، جوفندر إن، فون جوتبيرج إيه، كوهين سي، جروم إم جيه، وآخرون. زيادة خطر الإصابة مرة أخرى بـ SARS-CoV-2 المرتبط بظهور Omicron في جنوب إفريقيا. العلوم 202؛376(6593):eabn4947.

[32] الطراونة ح.ن، الشميتلي ح، حسن م.ر، أيوب ح.س، قاسم س، المقداد س، وآخرون. الحماية ضد متغير Omicron من عدوى SARS-CoV-2 السابقة. N Engl J Med 202;386(13):1288–90.

[33] ديجنيراتساي دبليو، هوو جي، تشو دي، زهرادنيك جي، سوباسا بي، ليو سي، وآخرون. السارس-CoV- 2 أوميكرون-B. 1.1. 529 يؤدي إلى هروب واسع النطاق من تحييد استجابات الأجسام المضادة. الخلية 202؛185(3):467–84.

[34] رينولدز سي جيه، بادي سي، جيبونز جي إم، أوتر آي دي، لين كيه إم، مونيوز ساندوفال دي، وآخرون. تقوية المناعة ب. 1.1. 529 (Omicron) يعتمد على التعرض السابق لـ SARS-CoV-2. العلوم 202؛377(6603):eabq1841.

[35] ستيجر إم، إدسليف إس إم، سيبر آر إن، إنغام إيه سي، إن جي كيه إل، تانغ إم-هي، وآخرون. حدوث وأهمية Omicron BA. 1 عدوى تليها بكالوريوس. 2 الإصابة مرة أخرى. 2022، MedRxiv، مطبعة مختبر كولد سبرينج هاربور.

[36] Rössler A, Knabl L, von Laer D, Kimpel J. ملف التحييد بعد التعافي من عدوى SARS-CoV-2 Omicron. N Engl J Med 202;386(18):1764–6.

[37] نيومان إم إي. تأثيرات العتبة لاثنين من مسببات الأمراض المنتشرة على الشبكة. فيز ريف ليت 200؛ 95 (10): 108701.

[38] جيرفان إم، كالاواي دي إس، نيومان إم إي، ستروجاتز إس إتش. نموذج بسيط للأوبئة مع طفرة مسببات الأمراض. فيز ريف إي 200؛65(3):031915.

[39] Poletto C، Meloni S، Van Meter A، Colizza V، Moreno Y، Vespignani A. توصيف المنافسة بين مسببات الأمراض في البيئات المنظمة مكانيًا. ممثل العلوم 2015;5(1):1–9.

[40] Barreiro N, Govezensky T, Ventura C, Núñez M, Bolcatto P, Barrio R. نمذجة التفاعل بين متغيرات SARS-CoV-2 في المملكة المتحدة. ممثل العلوم 202؛12(1):1–8.

[41] دي ليون UA-P، أفيلا-فاليس إي، هوانغ كل. نمذجة ديناميكية كوفيد-19 باستخدام نموذج السلالة المزدوجة مع التطعيم. الفوضى سوليتونز فركتلات 202؛ 157: 111927.

[42] Tchoumi S, Rwezaura H, Tchuenche J. ديناميكي لنموذج فيروس كورونا ثنائي السلالة-19 مع التطعيم. النتائج فيز 2022؛105777.

[43] Ramos AM, Vela-Pérez M, Ferrández MR, Kubik A, Ivorra B. نمذجة تأثير متغيرات ولقاحات السارس-CoV-2 على انتشار فيروس كورونا-19. Commun Nonlinear Sci Numer Simul 202؛102:105937.

[44] سعد روي سي إم، موريس إس إي، ميتكالف سي جي إي، مينا إم جي، بيكر آر إي، فارار جي، وآخرون. الاعتبارات الوبائية والتطورية لأنظمة جرعات لقاح SARS-CoV-2. العلوم 2021؛372(6540):363–70.

[45] هاميل في، نول إل، لو إن، تسوي دبليو إن تي، بورتر إي بي، غراي إم، وآخرون. الكشف الجزيئي لسلالات SARS-CoV-2 والتمايز بين سلالات دلتا المتغيرة. Transbound Emerg Dis 2021.

[46] إسلام إم آر، حسين إم جي. أدى اكتشاف متغير SARS-CoV-2 Omicron (B.1.1.529) إلى إثارة الذعر بين الناس في جميع أنحاء العالم: ماذا يجب أن نفعل الآن؟ جي ميد فيرول 202;94(5):1768–9.

[47] أندروز إن، ستو جيه، كيرسيبوم إف، توفا إس، ريكارد تي، غالاغر إي، وآخرون. فعالية لقاح كوفيد-19 ضد متغير أوميكرون (B.1.1.529). N Engl J Med 202;386(16):1532–46.

[48] ​​الطراونة ح.ن، شمايتلي ح، أيوب ح، تانغ بي، حسن م.ر، ياسين هم، وآخرون. تأثير العدوى السابقة والتطعيم والمناعة الهجينة ضد أعراض BA. 1 و بكالوريوس. 2 عدوى أوميكرون وفيروس كورونا الشديد-19 في قطر. 2022، MedRxiv، مطبعة مختبر كولد سبرينج هاربور.

[49] لابوينت إتش آر، مويمانزي إف، تشيونغ بي كيه، سانغ واي، ياسين إف، كاليكاوي آر، وآخرون. عدوى تسلسلية بفيروس SARS-CoV-2 Omicron BA. 1 و بكالوريوس. 2 بعد ثلاث جرعات من التطعيم ضد فيروس كورونا-19. 2022، MedRxiv، مطبعة مختبر كولد سبرينج هاربور.

[50] جرانت آر، تشارميت تي، شيفر إل، جالميش إس، ماديك واي، فون بلاتن سي، وآخرون. تأثير متغير دلتا SARS-CoV-2 على الحضانة وإعدادات النقل وفعالية اللقاح: نتائج دراسة الحالات والشواهد على المستوى الوطني في فرنسا. لانسيت الصحة الإقليمية-أوروبا 2022؛13:100278.

[51] تاناكا إتش، أوجاتا تي، شيباتا تي، ناجاي إتش، تاكاهاشي واي، كينوشيتا إم، وآخرون. فترة حضانة أقصر بين حالات فيروس كورونا -19 مع BA. 1 البديل اوميكرون. إنت J إنفيرون ريس بابليك هيلث 202؛19(10):6330.

[52] Del Águila-Mejía J, Wallmann R, Calvo-Montes J, Rodríguez-Lozano J, Valle Madrazo T, Aginagalde-Llorente A. معدل الهجوم الثانوي، وفترات الانتقال والحضانة، والفاصل التسلسلي لـ SARS-CoV{{6 }} متغير أوميكرون، إسبانيا. الأمراض المعدية الناشئة 202؛28(6):1224.

[53] جيسيد. تتبع المتغيرات. 2022، https://gisaid.org/. [تم الدخول في 1 أبريل 2022].

[54] بيانات OWI. حالات. 2022، https://ourworldindata.org/covid-cases. [تم الدخول في 1 أبريل 2022].

[55] مقياس العالم. كوفيد-19 جائحة فيروس كورونا. 2022، https://www. Worldometers.info/coronavirus/. [تم الدخول في 1 أبريل 2022].

[56] إليوت بي، إيليس أو، ستين إن، تانغ دي، بودنير بي، وانغ إتش، وآخرون. القمم المزدوجة: Omicron SARS-CoV-2 BA. 1 و بكالوريوس. 2 الأوبئة في إنجلترا. العلوم 2022;eabq4411.

[57] كوبالي جيه، جليسون سي، كارينيو جي إم، سريفاستافا كيه، جوردون إيه، كرامر إف، وآخرون. طول عمر الجسم المضاد المرتبط بـ SARS-CoV-2 والحماية من إعادة العدوى بمتغيرات SARS-CoV-2 المشابهة مستضديًا. 2022، MedRxiv، مطبعة مختبر كولد سبرينج هاربور.

[58] كيلبي إم إي، بيجز إتش إم، هاينز إيه، داهل آر إم، موستاكيم دي، جربر إس آي، وآخرون. تداول فيروس كورونا البشري في الولايات المتحدة 2014-2017. جي كلين فيرول 201؛101:52–6.

[59] Callow K، Parry H، Sergeant M، Tyrrell D. الدورة الزمنية للاستجابة المناعية لعدوى فيروس كورونا التجريبية للإنسان. وبائيمول إنفيكت 199؛ 105 (2): 435–46.

[60] تشان كيه إتش، تشان جي إف-دبليو، تسي إتش، تشين إتش، لاو سي سي-واي، كاي جي بي، وآخرون. الأجسام المضادة المتفاعلة في أمصال مرضى السارس المتعافين ضد فيروس كورونا البشري الجديد الناشئ EMC (2012) عن طريق اختبارات التألق المناعي وتحييد الأجسام المضادة. جي إنفيكت 201;67(2):130–40.

[61] Kissler SM, Tedijanto C, Goldstein E, Grad YH, Lipsitch M. توقع ديناميكيات انتقال فيروس SARS-CoV-2 خلال فترة ما بعد الوباء. العلوم 2020;368(6493):860–8.

[62] Cohen LE, Spiro DJ, Viboud C. توقع انتقال فيروس SARS-CoV-2 من الوباء إلى الاستيطان: الاعتبارات الوبائية والمناعية. بلوس باثوغ 202؛18(6):e1010591.

[63] Alizon S، Hurford A، Mideo N، Van Baalen M. تطور الفوعة وفرضية المقايضة: التاريخ والوضع الحالي والمستقبل. جي إيفول بيول 200;22(2):245–59.

[64] Fan Y, Li X, Zhang L, Wan S, Zhang L, Zhou F. SARS-CoV-2 متغير Omicron: التقدم الأخير ووجهات النظر المستقبلية. علاج هدف نقل الإشارة 202؛7(1):1–11.

[65] بارنارد آر سي، ديفيز إن جي، جيت إم، إدموندز دبليو جي. نمذجة الديناميكيات متوسطة المدى لانتقال فيروس SARS-CoV-2 في إنجلترا في عصر أوميكرون. نيتشر كوميون 202؛13(1):1–15.

قد يعجبك ايضا