Delphy za den zmapuje 100,000 sekvencí

Když se začne šířit nový virus, epidemiologové potřebují zjistit, jak se do populace dostal, kolikrát k zavlečení došlo a které případy spolu souvisejí. Standardní analytický přístup, bayesovská fylogenetika, nevytváří jeden rodokmen viru, ale mnoho pravděpodobných variant. Zachovává tak skutečnou nejistotu ohledně průběhu epidemie. Analýza tisíců sekvencí z ohniska však dosud trvala nepřiměřeně dlouho. Recenzovaná studie publikovaná 16. září v Nature popisuje Delphy, nástroj, který má tuto výpočetní překážku zmenšit o několik řádů a fungovat v běžném webovém prohlížeči.

Ukládá jen rozdíly

Většina fylogenetických nástrojů zachází s každým genomem jako s úplným řetězcem genetických písmen a v každém kroku analýzy je znovu porovnává od začátku. Během epidemie se však kolující kopie viru geneticky velmi podobají. Delphy tuto podobnost využívá. Pracuje se strukturou zvanou explicitní strom s anotovanými mutacemi, která funguje trochu jako soubor s historií verzí: místo uložení každého úplného dokumentu zaznamenává jen změny mezi verzemi. Související technický článek publikovaný v Genetics uvádí, že toto znázornění může u sekvencí lišících se jen na několika pozicích přinést až 1 000násobné zvýšení statistické efektivity. Tato úspora je jednou ze součástí návrhu Delphy a spolu s optimalizovanými výpočetními postupy přispívá k nárůstu rychlosti popsanému ve studii v Nature.

Aby bylo jasné, proč je rychlost důležitá, je třeba se podívat, co bayesovská analýza skutečně poskytuje. Konvenční metoda vrátí jediný strom s nejvyšší podporou dat. Bayesovská inference uchovává mnoho alternativních stromů a ukazuje, jak nejisté zůstávají jejich časové údaje a vzájemné vztahy. Analytik pak může uvést nejen to, že dva klastry spolu pravděpodobně souvisejí, ale také s jakou mírou jistoty tento závěr platí. Tato otevřenost ohledně nejistoty je důležitá, když rozhodnutí v oblasti ochrany veřejného zdraví závisejí na tom, zda mají případy společného nedávného předka, nebo zda byly zavlečeny nezávisle. Cenou jsou vysoké výpočetní nároky: počet možných tvarů stromu s počtem sekvencí obrovsky roste a zavedené platformy, jako je BEAST 2, vyžadují dlouhé výpočty a odborné posouzení.

Autoři uvádějí, že Delphy zpracoval simulovaný soubor 100 000 sekvencí během jediného dne a poskytl výsledky, které podle jejich popisu odpovídají zavedeným bayesovským analýzám (Nature). Tento výkonnostní test zatím nikdo nezopakoval nezávisle. Delphy v současnosti podporuje užší škálu populačních modelů než obecná platforma typu BEAST 2, takže jde o nástroj vytvořený přímo pro analýzu ohnisek, nikoli o univerzální náhradu evoluční analýzy.

Od simulace k probíhajícímu ohnisku

Delphy už překročil rámec testovacích dat. Příspěvek na Virological.org dokumentuje, že výzkumníci během epidemie viru Bundibugyo v Demokratické republice Kongo a Ugandě v roce 2026 použili webové rozhraní Delphy. Potvrzuje to využití v probíhající epidemii, zatím však neexistují důkazy, že by nástroj ovlivnil konkrétní rozhodnutí v oblasti ochrany veřejného zdraví nebo urychlil některý zásah.

Design založený na běžném prohlížeči je důležitý pro dostupnost. Broad Institute, který se na práci zásadně podílel, popisuje tuto vlastnost jako součást zamýšleného přínosu Delphy pro reakci na epidemie. Zdravotnické úřady by díky ní mohly zahájit analýzu bez vysoce výkonného počítačového clusteru. Šetření nezjistilo, zda je nástroj veřejně dostupný, za jakých licenčních podmínek ani jaké jsou jeho praktické hardwarové nároky.

Rychlost navíc nemůže napravit to, co se se sekvencemi stane, než se dostanou do softwaru. Samostatná analýza epidemie viru Bundibugyo ukazuje realitu na začátku řetězce: před sestavením jakéhokoli stromu museli výzkumníci z 626 genomů odstranit odlehlé hodnoty způsobené chybami sekvenování a nesprávně zaznamenanými daty odběru. Rychlejší analýza nenahradí opožděný odběr vzorků, nekvalitní sekvence ani mezery v epidemiologickém dohledu.

Recenzovaný výsledek ukazuje, že rekonstrukci průběhu epidemie pomocí bayesovských metod lze škálovat na mnohem větší objem dat, než jaký byl dosud předveden, přinejmenším v testech autorů. Dalším podstatným ověřením bude, zda epidemiologické týmy dokážou tuto rychlost zopakovat s neuspořádanými daty z praxe a využít ušetřený čas pro rozhodnutí v konkrétní reakci na epidemii.