Reservoir host immunology and life history shape virulence evolution in zoonotic viruses
Notice bibliographique
Résumé
The management of future pandemic risk requires a better understanding of the mechanisms that determine the virulence of emerging zoonotic viruses. Meta-analyses suggest that the virulence of emerging zoonoses is correlated with but not completely predictable from reservoir host phylogeny, indicating that specific characteristics of reservoir host immunology and life history may drive the evolution of viral traits responsible for cross-species virulence. In particular, bats host viruses that cause higher case fatality rates upon spillover to humans than those derived from any other mammal, a phenomenon that cannot be explained by phylogenetic distance alone. In order to disentangle the fundamental drivers of these patterns, we develop a nested modeling framework that highlights mechanisms that underpin the evolution of viral traits in reservoir hosts that cause virulence following cross-species emergence. We apply this framework to generate virulence predictions for viral zoonoses derived from diverse mammalian reservoirs, recapturing trends in virus-induced human mortality rates reported in the literature. Notably, our work offers a mechanistic hypothesis to explain the extreme virulence of bat-borne zoonoses and, more generally, demonstrates how key differences in reservoir host longevity, viral tolerance, and constitutive immunity impact the evolution of viral traits that cause virulence following spillover to humans. Our theoretical framework offers a series of testable questions and predictions designed to stimulate future work comparing cross-species virulence evolution in zoonotic viruses derived from diverse mammalian hosts.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».