Dans une récente étude publiée sur bioRxiv*, les chercheurs ont caractérisé l’hétérogénéité de la vitesse, de l’ampleur et du moment de 13 transitions/vagues du syndrome respiratoire aigu sévère du coronavirus 2 (SARS-CoV-2).
Sommaire
Arrière plan
Le SRAS-CoV-2 continue d’évoluer et les transitions mondiales vers de nouvelles variantes émergentes peuvent provoquer de nouvelles vagues de transmission. L’avantage sélectif des nouveaux variants par rapport aux variants existants peut provenir d’une infectiosité accrue (grâce à une meilleure liaison au récepteur de la cellule hôte) et de la résistance aux anticorps neutralisants.
Des infections antérieures avec différentes variantes du SRAS-CoV-2 peuvent conférer différents niveaux de protection contre les nouvelles variantes. Les auteurs pensent que l’historique des variantes infectieuses et les taux de vaccination pourraient avoir un impact sur la vitesse à laquelle une nouvelle variante peut surpasser les variantes existantes et devenir la variante dominante.
À propos de l’étude
Dans la présente étude, les chercheurs ont testé l’hypothèse spécifiée et caractérisé les différences dans la synchronisation globale, l’ampleur et la vitesse des transitions de variantes. Ils ont effectué une analyse rétrospective des séquences du génome du SRAS-CoV-2 soumises à la base de données de l’Initiative mondiale sur le partage de toutes les données sur la grippe (GISAID) entre octobre 2020 et octobre 2022.
Les données de plus de 12,8 millions de séquences du génome du SRAS-CoV-2 ont été obtenues à partir du référentiel GISAID via le pipeline d’analyse du génome viral de la maladie à coronavirus 2019 (COVID-19). Les séquences ont été stratifiées par variant selon la nomenclature de Pango. Les données sur les cas et les décès quotidiens confirmés de COVID-19 ont été obtenues auprès du Johns Hopkins Center for Systems Science and Engineering.
L’âge, la densité de population et les informations pour chaque lieu (pays) ont été consultés à partir de WorldPop. Les chercheurs ont proposé un modèle de proportions variables dans le temps pour chaque emplacement, tenant compte de plusieurs variantes concurrentes puisque les paysages variables restent dynamiques dans une population donnée. Pour l’analyse primaire, jusqu’à 13 catégories de lignées Pango ont été prises en compte pour chacun des 215 emplacements géographiques (pays et sous-régions).
L’analyse principale n’a pas pris en compte les groupements émergents de la lignée Omicron Pango en raison de données insuffisantes. Dans une sous-analyse de variantes émergentes spéciales, les chercheurs ont caractérisé les données existantes pour les variantes SARS-CoV-2 Omicron BA.2.75, BQ.1 et XBB/XBB.1. Une analyse de regroupement hiérarchique a été effectuée pour caractériser les similitudes d’emplacement à travers les ondes Omicron pour 155 emplacements seulement.
Les chercheurs ont obtenu des attributs de localisation tels que la démographie, les paysages cliniques du COVID-19 et la politique publique associée lorsque la proportion de séquences d’une variante donnée a atteint pour la première fois 5% dans n’importe quel endroit. Ils ont identifié deux proxys pour la concurrence des variantes lorsqu’une nouvelle variante est apparue dans chaque emplacement : 1) le nombre de variantes co-circulant avec une prévalence minimale de 5 % et 2) le rapport de concurrence, l’augmentation maximale en pourcentage de la prévalence des variantes existantes.
Résultats
Les variantes SARS-CoV-2 Beta, Epsilon, Iota, Gamma et Mu étaient associées à une prévalence et à des vitesses de transition plus faibles, à l’exception de la transition Beta en Afrique australe et de la transition Gamma en Amérique du Sud. Les variantes Delta et Omicron (BA.1, BA.1.1, BA.2 et BA.5) ont eu des transitions rapides, malgré la variabilité de la prévalence et des vitesses de transition d’Omicron BA.1 et BA.1.1 dans le monde.
La variante Alpha a eu une petite et lente transition en Amérique du Sud et en Afrique du Sud en raison de la concurrence des variantes. La variante Omicron BA.1.1 a atteint une forte présence dans les Amériques. En revanche, il y avait peu d’hétérogénéité dans la prévalence et les vitesses de transition pour le SARS-CoV-2 Delta, qui a présenté une transition complète et rapide dans la plupart des endroits.
Les variantes Omicron BA.4 et BA.5 avaient des trajectoires différentes en termes de pentes de transition maximales, de temps relatif de transition et de prévalence maximale, suggérant un avantage sélectif de la variante BA.5 par rapport à BA.4. Les pentes de transition des nouvelles sous-variantes d’Omicron (BA.2.75, BQ.1 et XBB/XBB.1) étaient au même niveau que les sous-variantes antérieures d’Omicron.
L’analyse de regroupement hiérarchique a produit sept grappes et a indiqué que les transitions de variantes du SRAS-CoV-2 Omicron étaient susceptibles d’être plus similaires entre certaines paires d’emplacements géographiques que d’autres, ce qui suggère un lien entre la dynamique de transition et les attributs d’emplacement géographique. Les chercheurs ont étudié l’association entre le nombre de variantes co-circulantes (lorsque chaque variante avait une prévalence de 5 %) et la pente de transition maximale.
Il y avait une association significative entre un nombre plus élevé de variantes co-circulantes et des vitesses de transition plus faibles pour de nombreuses variantes du SRAS-CoV-2, y compris les Epsilon, Gamma, Delta et Omicron (BA.1, BA.2 et BA.5 ) variantes. Des taux de vaccination plus élevés étaient associés à une propagation mondiale plus lente et plus tardive des variantes avant l’émergence des variantes Delta et Mu. Cependant, il y avait une faible association entre les taux de vaccination et la vitesse/le moment des transitions pour la variante Omicron.
Les taux de vaccination étaient associés de manière significative à la dynamique de transition des variantes avant l’émergence de Delta / Mu, même après ajustement pour les attributs de localisation et les tests multiples. Un temps plus court depuis le dernier pic de vague, un taux de cas de COVID-19 antérieur plus élevé et une densité de population plus faible ont été associés à des transitions ultérieures. Les régions avec plus de personnes âgées de 65 ans ou plus étaient susceptibles d’avoir une prévalence de variante maximale plus élevée.
conclusion
En résumé, les chercheurs ont illustré les associations du comportement d’une variante émergente du SRAS-CoV-2 avec le nombre de variantes co-circulantes, le taux de cas de COVID-19 antérieur et les taux de vaccination. Il y avait une forte association entre des taux de vaccination plus élevés et la dynamique de transition des variantes avant les transitions des variantes Delta/Mu.
Dans l’ensemble, les résultats indiquent une hétérogénéité substantielle dans la façon dont une variante entre en compétition avec des variantes co-circulantes à travers les emplacements géographiques, ce qui suggère que le paysage immunologique contemporain d’un emplacement peut contribuer à ces interactions. Ces données sur l’hétérogénéité et les transitions de variantes historiques peuvent être exploitées dans de futurs travaux pour prédire le comportement des variantes émergentes.
*Avis important
bioRxiv publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, guider la pratique clinique/les comportements liés à la santé, ou traités comme des informations établies
