科学家使用全基因组关联研究准确标记出更多致命的COVID-19变体

利用这种生物统计学方法，研究人员在P.1变体被确定之前，就准确地指出了被称为P.1或Gamma的变体的突变与死亡率的增加有关，并可能与更大的传播性、更高的感染率和更高的致病性有关。该团队的方法于2021年6月23日在《遗传流行病学》杂志上在线描述。

“根据我们的经验，GWAS方法可能提供合适的工具，可用于分析病毒基因组特定位置的突变与疾病结果之间的潜在联系，”哈佛大学陈曾熙公共卫生学院生物统计学教授、该论文的资深作者Christoph Lange说。“这可以使我们更好地实时检测大流行病中的新型有害变异体/新毒株。”

2021年1月，巴西第一批感染P.1新冠变异毒株的患者被记录下来，在几周内，该变体在巴西马瑙斯引起了病例的激增。该城市在2020年5月已经受到大流行的严重打击，研究人员认为该城市的居民已经取得了群体免疫力，因为该地区的许多人在最初的那一波中已经产生了病毒抗体。相反，P.1变体引起了第二波感染，而且似乎比该地区早期的变体有更高的传播性，更容易导致死亡。

2020年9月，在第一个P.1患者被记录下来的几个月前，哈佛大学陈曾熙公共卫生学院和麻省理工学院的团队重新利用了GWAS中使用的方法，这些方法被广泛用于将某些基因变异与特定疾病联系起来，以区分各种SARS-CoV-2变异的相对致病性。该团队在7548名COVID-19患者中寻找SARS-CoV-2病毒单链RNA的每个突变与死亡率之间的联系。该研究的数据来自全球共享流感数据倡议组织（GISAID）数据库，其中包含了与SARS-CoV-2和流感病毒相关的基因序列和相关的临床及流行病学数据。

研究人员发现了一个突变–在病毒基因组的25,088bp位置–改变了刺突糖蛋白，并与COVID-19患者的死亡率显著增加有关。该团队标记了具有这种突变的变体，后来被确定为P.1的一部分。研究人员说，该团队的生物统计方法应该在P.1变体和SARS-CoV-2之外有更广泛的应用。

哈佛大学陈曾熙公共卫生学院研究助理和生物统计学讲师、该论文的共同第一作者Georg Hahn说：“我们预计这种方法将在涉及其他疾病的类似情况下发挥作用，只要公共数据库中收集的数据质量足够高。”