Ny forskning i spredning af infektioner afslører behov for større samarbejde mellem biologi og fysik

Forskere ved Niels Bohr Institutet, Københavns Universitet, indgår sammen med epidemiolog Lone Simonsen fra Roskilde Universitet i panelet, der rådgiver den danske regering om, hvordan man tackler de forskellige smittespredningssituationer, vi alle har set udspille sig det seneste år. Forskere har modelleret spredningen af ​​infektioner under en række forskellige scenarier, og Coronavirus har vist sig ikke at følge de ældre modeller for sygdomsspredning.

Der er opstået et stadig mere varieret billede af dens adfærd og dermed dens indvirkning på samfundet. I flere videnskabelige artikler, forskere har beskrevet den viden, der er opnået til dato, senest omkring begrebet "super-spredere." Det viser sig, at kun cirka 10 % af de smittede tegner sig for cirka 80 % af infektionens spredning. Resultaterne er offentliggjort i det videnskabelige tidsskrift Proceedings of the National Academy of Sciences , PNAS .

Hvor stammer vores viden om smittespredning fra?

De data, forskerne bruger til at "fodre" og udvikle computermodeller, kommer fra en lang række forskellige kilder. De danske kommuner har ført opgørelser over smittens spredning, og disse data har den fordel, at de stammer fra enheder, der ikke er alt for store. Der er en høj detaljegrad og det betyder, at man kan spore lokal udvikling tydeligere og dermed konstruere parametre for superspredning, som Postdoc Julius Kirkegaard har bidraget til. Kontaktsporing er en anden kilde til information. I det tilfælde, fokus er på at lokalisere og begrænse den enkeltes overførsel af virussen. Den tredje kilde er lidt mere kompliceret, da den søger at følge kæden af ​​infektioner via virusets gensekvens.

Hvem er supersprederne?

Uanset hvilken kilde forskere undersøger, resultaterne leverer nogenlunde det samme:10 % af alle de smittede står for så meget som 80 % af smittens spredning. Det er derfor afgørende, i forhold til spredning af virussen for at lokalisere de såkaldte super-spredninger og afdække, hvordan super-spredning sker. Forskere understreger, at i øjeblikket, vi er ikke helt sikre på, hvad der udgør en person som superspreder. Det kan være rent personligt, fysiologiske egenskaber. Ud over, der er forskellige grader af superspredning i befolkningen, så det er ikke nødvendigvis kun det ene eller det andet. Nogle mennesker spreder simpelthen virussen mere end andre, og variationen fra personer med næsten ingen overførsel til superspredere er stor.

Hvordan modellerer forskere en befolkning på knap 6 millioner individer?

Tre grundlæggende kategorier anses for vigtige ved modellering af befolkningens adfærd, ved beregning af et scenarie for smittespredning:1. Familiesammenhæng, 2. Arbejdskontekst og 3. De tilfældige sammenhænge, ​​folk befinder sig i – med andre ord, mennesker i nærheden på offentlig transport, ved fritidsaktiviteter etc. Tidsfaktoren i alle tre er afgørende, da det tager tid at inficere andre mennesker. Med hensyn til tid, disse tre kategorier er noget identiske, når det kommer til almindelige sygdomme, men ikke en super-spreader coronavirus-variant.

Men det er her, de individuelle karakteristika ved virussen spiller ind:Superspredere er ret forskellige, når de håndteres i en computermodel. Metoder kendt fra fysikken bliver vigtige her, da det er nødvendigt at modellere individer og deres kontakter. Forskere har opstillet computermodeller både til scenarier med og uden superspredere, og det viser sig, at nedlukning af arbejdsområder såvel som sportsbegivenheder, og offentlig transport har samme effekt, når modellen ikke tager højde for superspredere. Men når vi inkluderer superspredere, der er en markant forskel, og nedlukningen af ​​offentlige arrangementer har en meget større effekt.

Sygdomsmodellering står over for nye udfordringer og stærkt tværfagligt samarbejde

Sygdomme kan opføre sig meget forskelligt, og det er derfor utrolig vigtigt at være både parat og i stand til hurtig forandring i forhold til udviklingen af ​​nye modeller, der afspejler forskellige sygdommes karakteristika så præcist som muligt, hvis vi håber at kunne indeholde dem. Professor Kim Sneppen forklarer:"Den biologiske variation af forskellige vira er enorm. SARS-CoV-2 indeholder et særligt træk ved, at det er mest smitsomt lige før man udvikler symptomer. Det er det stik modsatte af en tidligere sygdom, der truede med at blive en pandemi, nemlig SARS, som for det meste er smitsom efter man viser symptomer. Virus er ekstremt avancerede maskiner, som hver især finder specifikke svage punkter at udnytte. Et nyt forskningsfelt er i hastig udvikling, som undersøger, hvordan vira angriber cellerne i vores krop. COVID-19 har vist sig at føre til meget forskellige sygdomsforløb for forskellige patienter. I den forstand, den opfører sig kaotisk, som vi siger i fysik."

Ph.D. studerende Bjarke Frost Nielsen og professor Kim Sneppen ser et stort åbent forskningsfelt inden for samarbejdet mellem fysik og biologi. Indsamling af så meget information om forskellige vira er afgørende, hvilket gør det muligt for fysikere at anvende denne viden i kortlægningsscenarier for at reagere på dem.

Potentialet for forskning i spredning af infektioner er stort

Bjarke Frost Nielsen siger:"Vi skal skabe en værktøjskasse, der rummer en bred variation i den måde, vi tackler spredningen af ​​smitte på. i vores computerprogrammer. Dette er det umiddelbare perspektiv, vi kan se foran os, i øjeblikket. Matematisk sygdomsmodellering har eksisteret i næsten 100 år, men der er desværre ikke sket meget fremskridt i den periode. For at sige det ligeud, de samme ligninger fra 1930'erne er stadig i brug i dag. I forhold til nogle sygdomme, de kan være rigtige, men i forhold til andre kan de være langt væk. Det er her, som fysikere, vi har en helt anden tilgang. Der er mange parametre, dvs. social dynamik og meget mere varieret interaktion mellem individer, som vi kan bygge vores scenarier på. Det er hårdt tiltrængt, når vi ser de enorme variationer i de forskellige sygdomme."