武汉肺炎追踪一：新型冠状病毒的时间生物信息学分析（2020年1月
什么是时间生物信息学？如果你看到这个标题有些费解的话，那么小编想说：其实，我也是。因为这个词是小编自创的。
为什么要自创？此前，小编本来拟好了其他的主题，但一场突如其来新型冠状病毒疫情，让作为生物信息学从业者的小编觉得应该从自己的专业角度出发，写一个推送。鉴于目前已有不少推送对事件进行了生物信息学的报道和分析，甚至有论文刊出，小编在此选择一个有所不同的方向谈一谈：从时间角度对武汉肺炎病毒进行的生物信息学分析。
为什么要做时间上的分析？因为它能帮助我们了解或推断病毒爆发的时间、传播的速度、甚至传播途径等等一系列有价值的信息。
具体怎么做？简单地说，就是时间=变异程度/变异速度。实际的运算当然是远复杂过这个“公式”，但最基本的道理差不多。1月19日，来自英国爱丁堡大学的著名分子进化领域专家Andrew Rambaut教授采用自己首先开发的、大名鼎鼎的分子进化软件BEAST【1】，对这些病毒的最初祖先（the most recent common ancestor简称 TMRCA）的起源时间进行了推算（mcmc-based bayesian inference）【2】。软件的输入内容主要就是测序的病毒DNA序列的比对和一个假定的进化速率。Rambaut当时采用的是来自我国的最先发布的10个和泰国的2个基因组，在此向及时共享数据的科研工作者致以敬意！
图1一些已知的冠状病毒的进化速度【2】
结果怎样？由于进化速率的不确定，Rambaut教授基于过往SARS和其他冠状病毒的进化速度数据，选取了两个速率，分别是1x10-3和0.5x10-3单位是突变次数/年/位点。若按照前者计算，最近共同祖先（TMRCA）的出现时间是去年11月初至12月中旬（95% interval，下同），如果依照后者计算，是去年9月中到12月中。
图2 Rambaut的计算结果
同样地，来自华盛顿大学西雅图（University of Washington, Seattle）的Trevor Bedford和瑞士巴塞尔大学（University of Basel）的Richard Neher也对新型冠状肺炎病毒的共同祖先的出现时间做出了计算，他们的结果发布在病原菌基因组开源数据平台Nextstrain上（an open-source project to harness the scientific and public health potential of pathogen genome data）。其结论与Rambaut的结论相似。
图3 Bedford和Neher基于24个新型冠状病毒基因组的计算结果【3】
细心的读者可能会注意到，一点区别在于Bedford和Neher计算得到的病毒最近共同祖先（TMRCA）起源时间略晚一些（图2）。小编猜测这个不同是由于Bedford和Neher采用星状树进行时间的计算所致。采用星状树的理由在于其（图3左）代表了一个病毒“爆发”的过程，可能比二分树（图3右）更接近病毒“爆发”的情况（Here, we use this star-like structure along with a Poisson distribution of mutations through time to estimate the time of the most recent common ancestor of sequenced viruses）。
图4 星状树与二分树（维基）
小编在网上搜索到，最早的一例武汉肺炎病例来自19年12月8日【4】。按照这一结果，可以看出，就诊日期与上述的大部分计算结果接近，暨与肺炎病毒TMRCA的出现时间大体吻合（下面称为“吻合起源模型”）。这看上去比较好理解，我们暂时放在一边，先看另一个看上去可能性较低的情况。
这一可能性较低的情况如图3中的蓝色曲线所示（代表病毒变异速度较低的情形）。如此，肺炎病毒的TMRCA的起源时间被推测到去年11月中旬（95% interval大致为10月中旬到12月1日），早于新闻所报道的日期（12月8日【4】），故而称为“早起源模型”。支持这一模型的另一个依据在于，如果目前测序的基因组不够有代表性和随机性，可设想，未来更多病毒基因组被测序应发现更多DNA变异，进而导致病毒TMRCA的实际出现时间比目前计算的要早。不过，也有一个重要的反对该观点的理由：目前几个病毒基因组的差异和测序错误的概率相差不多，如确是测序错误导致的DNA序列差异，那么病毒祖先的实际起源时间应该迟于计算时间。
不论如何，在“早起源模型”的框架内，是否可以认为首位病人在感染数星期后才确诊呢？小编认为，并非如此。有一种看起来更可能的解释：该病毒存在一个动物宿主，且在该动物宿主中存在一定的多样性，这样的话其最初的传播可能是通过多次的动物到人的途径。如图5所示，尽管这些病毒的TMRCA可以追溯至10月，但是可能在接下来的几个月时间内发生多次动物到人的“迁徙”。一个相似的例子是前几年肆虐的中东呼吸综合征病毒（MERS）【5】。在通过骆驼感染人后，MERS的传染力就会下降，继而较少进行人到人的传播。而该病毒可以多次由骆驼传播到人中，因此受MERS威胁的地区主要是沙特阿拉伯（韩国是个例外）。
图5 “早起源”模型示意图。病毒由动物宿主起源后，发生了多次动物（黑色）->人（绿色）的传播。
现在让我们回到第一种情况，也就是该病毒的TMRCA的出现时间和首例患者的报道时间吻合的“吻合起源模型”。基于目前的结果（图2，3），这一模型在小编看来似乎更可能的。那么，这暗示着下面的情形：该病毒先通过某种动物传给人，接下来出现了多次的人传人的情况。当然，在“吻合起源模型”下也有一种可能性是有多次动物到人的传播，若如此，武汉肺炎病毒在该动物内的多样性应该较低，比如说少部分这种动物刚从外地带入（这一点在Rambaut博文里写的很清楚【2】）。
再扯远一点，关于这种动物是什么，现在还是很大的未知数。有人通过密码子偏好分析预示是蛇【6】，不过该论点也立即遭到了反驳【7】。我们也不能排除蝙蝠，尽管作为SARS天然宿主的它更大概率只是先传给果子狸再通过后者感染到人【8，9】，也尽管它在武汉郊外也许冬眠（因为市场里是另一番景象）。
本文浅尝辄止地谈了一下关于这次武汉病毒的进化时间的粗浅分析，小编并非专业人士，错误在所难免，在此抛砖引玉。最后，祝大家新春愉快！新的一年身体健康！
引文
1. Rambaut, Andrew. "Estimating the rate of molecular evolution: incorporating non-contemporaneous sequences into maximum likelihood phylogenies." Bioinformatics 16.4 (2000): 395-399.
2. Rambaut, Andrew. “Preliminary phylogenetic analysis of 11 nCoV2019 genomes, 2020-01-19” http://virological.org/t/preliminary-phylogenetic-analysis-of-11-ncov2019-genomes-2020-01-19/329/1
3. https://nextstrain.org/ncov last accessed at EST 0:00 Jan 23 2019
4.专家解读不明原因的病毒性肺炎最新通报. wjw.hubei.gov.cn.湖北省卫生健康委员会. 2020-01-12.（原始内容存档于2020-01-20）
5. Killerby, M. E., Biggs, H. M., Midgley, C. M., Gerber, S. I., & Watson, J. T. (2020). Middle East Respiratory Syndrome Coronavirus Transmission. Emerging Infectious Diseases, 26(2), 191-198.
6. Ji W, et al (2020) Homologous recombination within the spike glycoprotein of the newly identified coronavirus may boost cross‐species transmission from snake to human. Journal of medical virology. https://doi.org/10.1002/jmv.2568
7. 商周（2020）质疑：蛇是武汉新型病毒的中间宿主吗？知识分子
8. Li, Wendong, et al. "Bats are natural reservoirs of SARS-like coronaviruses." Science 310.5748 (2005): 676-679.
9. 石正丽（2018）这些野生动物的病毒怎么就到了人类社会？一席
注：
最后说两句题外话。就在这篇推送刚刚完成之际，中科院武汉病毒所的石正丽团队及同事在bioRxiv上以预印本（preprint）形式报道了关于这次肺炎病毒基因组序列、进化分析、以及最重要的，可能的侵染机制。疫情的发展，变幻莫测。对科研工作来说，也许传统的同行评议（peer review）的文章发表模式因常常费尽周折的审稿过程，已很难跟得上变化的形式。因此，小编也希望业界人士可以多考虑一下预印本——其灵活、自由及迅速反馈的特点，恰是传统同行评议所不具备的。
作者原创，原载于生信人公众号
