在传染病防控领域，如何解析宿主遗传因素对疾病传播的影响一直是重大挑战。传统育种策略主要关注宿主对疾病的抵抗能力，却忽视了宿主在传播链中的关键作用——个体的易感性决定其是否被感染，传染性影响病原体传播效率，而恢复力则决定感染持续时间。这三类宿主性状共同塑造了疾病流行动态，但受限于方法学瓶颈，尤其是传染性这类"社会性性状"的遗传评估长期缺乏有效工具。现有GLMM（广义线性混合模型）方法存在假设过多、数据要求苛刻等问题，而单基因分析方法SIRE 1.0无法解析多基因控制的复杂性状。

针对这些瓶颈，英国爱丁堡大学Christopher M. Pooley领衔的国际团队在《Genetics Selection Evolution》发表了创新性研究。他们开发的SIRE 2.0系统整合了流行病学动态模型与数量遗传学方法，通过贝叶斯框架下的数据扩增马尔可夫链蒙特卡洛(MCMC)算法，首次实现了从实际观测数据中同步估计三类宿主性状的多基因效应。研究团队构建了基于SIR（易感-感染-恢复）模型的遗传-流行病学混合模型，将宿主性状分解为固定效应、多基因效应和环境效应，利用亲缘关系矩阵（来自系谱或基因组数据）捕捉遗传关联。为验证方法可靠性，团队推导出理想条件下预测精度(PA)的解析表达式，并通过20次重复的模拟实验系统评估了不同参数场景下的性能表现。

关键技术方法方面，研究主要采用：1) 基于Doob-Gillespie算法的流行病模拟器生成多组接触群体的传播数据；2) 自适应数据扩增MCMC算法处理包含缺失值的纵向疾病记录；3) 利用Kronecker乘积构建多性状遗传协方差矩阵；4) 通过半同胞家系设计验证群体结构对预测精度的影响。

研究结果部分，"遗传和流行病学模型参数估计精度"显示，SIRE 2.0能准确估计群体水平传播率β（0.05）和恢复率γ（0.1），对表型方差Θ_gg、Θ_ff、Θ_rr的估计偏差小于10%。虽然遗传力h²和遗传相关性的估计存在较宽可信区间，但所有重复实验均能显著区分遗传效应与环境效应。"预测精度分析"揭示，当遗传力为0.5时，恢复力性状的PA最高（0.74），传染性最低（0.24）；但强遗传相关（如Ω_fr=-0.4）可使传染性PA提升至0.62。"群体结构影响"表明，每头公畜的半同胞后代数P从2增至100时，PA提升3倍以上；而接触群体规模N增大虽提高易感性PA，但会降低传染性PA。"数据记录场景"证实，即使仅每20个时间单位采集一次感染状态数据，仍能保持较高PA，但仅知恢复时间会大幅降低易感性和传染性的评估精度。

结论与讨论强调，SIRE 2.0填补了多基因宿主性状评估的方法学空白，其创新性体现在三方面：首先，突破性地实现了传染性这类间接遗传效应(IGE)的量化，为识别"超级传播者"提供工具；其次，解析的遗传相关性（如易感性与恢复力负相关）揭示了宿主-病原体协同进化的重要线索；最后，方法对不完美数据的鲁棒性使其适用于实际养殖场景。研究还指出，传染性遗传方差通常较大（Ω_ff=1.68），通过选择低传染性个体可能比传统抗病育种更能有效阻断传播链。这些发现对设计畜禽基因组选择方案、优化群体免疫策略具有重要指导价值，也为人类传染病防控研究提供了方法学借鉴。

打赏

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》