Delphy kortlægger 100,000 virussekvenser på en dag

Når en ny virus spreder sig, vil epidemiologer vide, hvordan den kom ind i området, hvor mange gange den blev introduceret, og hvilke tilfælde der hænger sammen. Den gængse analytiske metode, bayesiansk fylogenetik, bygger ikke ét viralt stamtræ, men mange sandsynlige træer. Dermed bevarer den den reelle usikkerhed om et udbruds forløb. Problemet har været, at analyser af tusindvis af sekvenser fra et udbrud har taget urimeligt lang tid. Et fagfællebedømt studie i Nature, offentliggjort 16. september, beskriver Delphy, et værktøj der skal presse denne flaskehals ned med flere størrelsesordener og kan køre i en almindelig webbrowser.

At gemme forskellene

De fleste fylogenetiske værktøjer behandler hvert genom som en komplet streng af genetiske bogstaver og sammenligner dem alle fra bunden ved hvert trin i analysen. Under et udbrud ligner de viruskopier, der cirkulerer, imidlertid hinanden genetisk. Den lighed udnytter Delphy. Programmet bruger en datastruktur kaldet et eksplicit mutationsannoteret træ. Den fungerer omtrent som versionshistorik for en fil: I stedet for at gemme hvert fuldstændige dokument registrerer den kun ændringerne fra version til version. Et beslægtet teknisk studie i Genetics viser, at denne repræsentation kan forbedre den statistiske effektivitet med op til 1.000 gange, når sekvenserne kun adskiller sig på få positioner. Denne effektivitet er én del af Delphys konstruktion. Sammen med optimerede beregningsrutiner skal den levere de hastighedsforbedringer, som Nature-studiet beskriver.

For at forstå betydningen af hastigheden skal man se på, hvad en bayesiansk analyse faktisk giver. En konventionel metode returnerer det ene træ, som dataene giver bedst støtte. Bayesiansk inferens bevarer mange alternative træer og viser, hvor stor usikkerheden fortsat er om deres tidspunkter og indbyrdes relationer. Analytikeren kan derfor ikke blot skrive, at to klynger sandsynligvis er beslægtede, men også angive, hvor sikker konklusionen er. Den åbenhed om usikkerheden er vigtig, når folkesundhedsbeslutninger afhænger af, om tilfælde har et fælles nyligt ophav eller er kommet ind uafhængigt af hinanden. Prisen har hidtil været beregningskraft: Antallet af mulige træstrukturer vokser voldsomt, når antallet af sekvenser stiger, og etablerede platforme som BEAST 2 kræver lange kørsler og specialiserede vurderinger.

Forfatterne oplyser, at Delphy behandlede et simuleret datasæt med 100.000 sekvenser på under et døgn og leverede resultater, som de vurderer kan sammenlignes med etablerede bayesianske analyser (Nature). Målingen er ikke blevet uafhængigt reproduceret. Delphy understøtter i øjeblikket et smallere udvalg af populationsmodeller end en bredt anvendelig platform som BEAST 2. Værktøjet er derfor udviklet specifikt til udbrudsanalyse, ikke som en universel erstatning for evolutionsanalyse.

Fra simulering til et igangværende udbrud

Delphy er nu taget i brug ud over testdatasæt. Et indlæg på Virological.org dokumenterer, at forskere anvendte Delphys webgrænseflade under Bundibugyo-virusudbruddet i 2026 i Den Demokratiske Republik Congo og Uganda. Det dokumenterer brug i et igangværende udbrud, men der er endnu ingen belæg for, at værktøjet ændrede en konkret folkesundhedsbeslutning eller forkortede en indsats.

Det browserbaserede design har betydning for tilgængeligheden. Broad Institute, som spillede en central rolle i arbejdet, fremhæver dette som en del af Delphys værdi i en udbrudssituation: Sundhedsmyndigheder kan potentielt begynde en analyse uden adgang til en højtydende dataklynge. Undersøgelsen fastslår ikke, om værktøjet er offentligt tilgængeligt, hvilke licensvilkår der gælder, eller hvilke praktiske hardwarekrav det stiller.

Hastighed kan heller ikke rette op på det, der sker, før sekvenserne når frem til programmet. En separat analyse af Bundibugyo-virussen viser det forarbejde, der ligger forud: Før forskerne kunne begynde at rekonstruere stamtræet, måtte de fjerne afvigende observationer fra 626 genomer. Afvigelserne skyldtes sekventeringsfejl og forkert registrerede datoer. Hurtigere analyse kan ikke afhjælpe forsinket prøvetagning, dårlig sekvenskvalitet eller mangelfuld overvågning.

Det fagfællebedømte studie viser, at bayesiansk rekonstruktion af et udbruds smittehistorie kan håndtere langt større datamængder end tidligere demonstreret, i hvert fald i forfatternes test. Det næste, der skal dokumenteres, er, om udbrudsteams kan genskabe hastigheden med ufuldstændige og fejlbehæftede data fra virkeligheden og bruge den sparede tid som grundlag for en konkret beslutning.