Delphy kartoittaa 100,000 virussekvenssiä päivässä

Kun uusi virus alkaa levitä, epidemiologit haluavat selvittää, miten se saapui alueelle, kuinka monta kertaa se sinne tuotiin ja mitkä tartunnat liittyvät toisiinsa. Tavallisessa analyysimenetelmässä, Bayesilaisessa fylogenetiikassa, rakennetaan yhden viruspuun sijaan useita mahdollisia puita. Näin epidemian historiasta säilyy aito epävarmuus. Tuhansien epidemia-aineistoon kuuluvien sekvenssien analysointi on kuitenkin ollut hidasta. Nature-lehdessä vertaisarvioituna julkaistussa tutkimuksessa esitellään 16. syyskuuta Delphy-työkalu, joka on suunniteltu nopeuttamaan laskentaa moninkertaisesti ja toimimaan tavallisessa verkkoselaimessa.

Muutosten tallentaminen

Useimmat fylogeneettiset työkalut käsittelevät jokaista genomia kokonaisena emäsjonona ja vertaavat kaikkia genomeja uudelleen analyysin eri vaiheissa. Epidemian aikana kiertävät virukset ovat kuitenkin geneettisesti hyvin samankaltaisia. Delphy hyödyntää tätä samankaltaisuutta. Sen käyttämä eksplisiittisesti mutaatioilla merkitty puu toimii hieman kuten versiohistoria: jokaisesta kokonaisesta tiedostosta ei tallenneta uutta kopiota, vaan ainoastaan versioiden väliset muutokset. Genetics-lehdessä julkaistun teknisen tutkimuksen mukaan esitystapa voi tuottaa sekvenssien poiketessa vain harvoista kohdista jopa 1 000-kertaisen parannuksen tilastolliseen tehokkuuteen. Muutosten tehokas esittäminen on yksi Delphyn ratkaisuista. Sen rinnalla käytetään optimoituja laskentamenetelmiä, jotka tuottavat Nature-tutkimuksessa kuvatut nopeushyödyt.

Nopeuden merkitys avautuu, kun tarkastellaan, mitä Bayesilainen analyysi tuottaa. Tavanomainen menetelmä palauttaa yhden, aineiston perusteella parhaiten tuetun puun. Bayesilainen päättely säilyttää useita vaihtoehtoisia puita ja näyttää, kuinka epävarmoja tartuntojen ajoitus ja keskinäiset yhteydet ovat. Analyysissä voidaan siis kertoa paitsi, että kaksi tartuntarypästä liittyy todennäköisesti toisiinsa, myös kuinka varma johtopäätös on. Ero on tärkeä, kun kansanterveyttä koskevat päätökset riippuvat siitä, onko tartunnoilla yhteinen lähiesi-isä vai ovatko ne syntyneet toisistaan riippumatta. Haittapuolena on ollut laskennan hinta: mahdollisten puumuotojen määrä kasvaa nopeasti sekvenssien määrän mukana, ja BEAST 2:n kaltaiset vakiintuneet alustat vaativat pitkiä ajoja sekä erityisosaamista.

Tekijät kertovat Delphyn käsitelleen 100 000 sekvenssin simuloidun aineiston vuorokaudessa. Tulokset olivat heidän mukaansa verrattavissa vakiintuneilla Bayesilaisilla menetelmillä saatuihin tuloksiin (Nature). Vertailua ei ole vielä toistettu riippumattomasti. Delphy tukee tällä hetkellä suppeampaa valikoimaa populaatiomalleja kuin BEAST 2:n kaltainen yleiskäyttöinen alusta. Siksi se on epidemioihin suunniteltu työkalu, ei yleinen korvaaja evoluutioanalyysille.

Simulaatiosta käynnissä olevaan epidemiaan

Delphyä on käytetty myös testiaineistojen ulkopuolella. Virological.org-sivustolla julkaistu kirjoitus dokumentoi tutkijoiden käyttäneen Delphyn verkkokäyttöliittymää vuoden 2026 Bundibugyo-virusepidemian aikana Kongon demokraattisessa tasavallassa ja Ugandassa. Työkalua on siis käytetty käynnissä olevan epidemian yhteydessä. Näyttöä siitä, että se olisi muuttanut jotakin kansanterveyspäätöstä tai nopeuttanut torjuntatoimia, ei kuitenkaan vielä ole.

Selainpohjainen rakenne voi helpottaa työkalun käyttöä. Työssä keskeinen Broad Institute kuvaa ominaisuutta osaksi Delphyn tavoiteltua hyötyä epidemioiden torjunnassa: terveysviranomaiset voisivat aloittaa analyysin ilman suurteholaskentaan tarkoitettua laskentaklusteria. Selvityksessä ei käynyt ilmi, onko työkalu julkisesti saatavilla, millä ehdoilla sitä saa käyttää tai millaista laitteistoa käytännön työ edellyttää.

Nopeus ei korjaa ongelmia, jotka syntyvät ennen sekvenssien päätymistä ohjelmistoon. Erillinen Bundibugyo-analyysi havainnollistaa lähtöaineiston ongelmia: tutkijoiden oli poistettava sekvensointivirheiden aiheuttamia poikkeamia ja väärin kirjattuja päivämääriä 626 genomista ennen puiden rakentamista. Nopeampi analyysi ei auta, jos näytteet otetaan myöhässä, sekvenssit ovat heikkolaatuisia tai seuranta-aineistossa on aukkoja.

Vertaisarvioitu tutkimus osoittaa, että Bayesilainen epidemian kulun rekonstruointi voidaan tekijöiden kokeissa ulottaa aiempaa paljon suurempiin aineistoihin. Seuraava olennainen testi on, pystyvätkö epidemiatyöryhmät toistamaan nopeuden sotkuisilla tosielämän aineistoilla ja käyttämään säästynyttä aikaa konkreettisen päätöksen tukena.