MétaCan
Menu
Retour à la cohorte
Enregistrement W4386460355 · doi:10.1101/2023.09.04.556169

Examining the molecular clock hypothesis for the contemporary evolution of the rabies virus

2023· preprint· en· W4386460355 sur OpenAlexaff
Rowan Durrant, Christina A. Cobbold, Kirstyn Brunker, Kathryn S. Campbell, Jonathan Dushoff, Elaine A. Ferguson, Gurdeep Jaswant, Ahmed Lugelo, Kennedy Lushasi, Lwitiko Sikana, Katie Hampson

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2023
Typepreprint
Langueen
DomaineImmunology and Microbiology
ThématiqueRabies epidemiology and control
Établissements canadiensMcMaster University
Organismes subventionnairesEngineering and Physical Sciences Research CouncilUniversity of GlasgowMedical Research CouncilNational Institute for Health and Care Research
Mots-clésMolecular clockBiologyRabies virusEvolutionary biologyDivergence (linguistics)Substitution (logic)Molecular evolutionRabiesRange (aeronautics)Mutation rateGeneticsGeneration timeLineage (genetic)MutationGenomeVirusVirologyPhylogeneticsGeneDemography

Résumé

récupéré en direct d'OpenAlex

Abstract The molecular clock hypothesis assumes that mutations accumulate on an organism’s genome at a constant rate over time, but this assumption does not always hold true. While modelling approaches exist to accommodate deviations from a strict molecular clock, assumptions about rate variation may not fully represent the underlying evolutionary processes. There is considerable variability in rabies virus (RABV) incubation periods, ranging from days to over a year, during which viral replication may be reduced. This prompts the question of whether modelling RABV on a per infection generation basis might be more appropriate. We investigate how variable incubation periods affect root-to-tip divergence under per-unit time and per-generation models of mutation. Additionally, we assess how well these models represent root-to-tip divergence in time-stamped RABV sequences. We find that at low substitution rates (<1 substitution per genome per generation) divergence patterns between these models are difficult to distinguish, while above this threshold differences become apparent across a range of sampling rates. Using a Tanzanian RABV dataset, we calculate the mean substitution rate to be 0.17 substitutions per genome per generation. At RABV’s substitution rate, the per-generation substitution model is unlikely to represent rabies evolution substantially differently than the molecular clock model when examining contemporary outbreaks; over enough generations for any divergence to accumulate, extreme incubation periods average out. However, measuring substitution rates per-generation holds potential in applications such as inferring transmission trees and predicting lineage emergence. Author Summary Rabies is a neglected disease that kills around 60,000 people each year. After entering the body, the incubation period of the virus is usually less than one month, but can sometimes span months to years. While we normally assume a virus accumulates mutations at a constant rate, it is possible that rabies’ occasional long incubation periods mean that mutations accumulate at varying rates if the virus replicates (and thus mutates) more slowly during the incubation period. We compared how the rabies virus evolves over time using two simulation models where mutations either occur per unit time or per infection generation. We also calculated the mean substitution rate per infection generation, which can be useful for inferring linkage between related rabies cases. We found that at realistic substitution rates for the rabies virus, we could not distinguish between the two models. Our calculations show that in most generations no mutations are expected to occur. Thus, over a time period long enough to observe genetic divergence, occasional long incubation periods would be “cancelled out” by shorter than average incubation periods, meaning that the two models are almost equivalent. However our work suggests that modelling substitution rates per generation may be useful for epidemiological inference.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,446
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,044
Tête enseignante GPT0,227
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetRabies epidemiology and controlTravaux en français237 207