Periodic shifts in viral load increase risk of spillover from bats
Notice bibliographique
Résumé
Abstract Prediction and management of zoonotic pathogen spillover requires an understanding of infection dynamics within reservoir host populations. Transmission risk is often assessed using prevalence of infected hosts, with infection status based on the presence of genomic material. However, detection of viral genomic material alone does not necessarily indicate the presence of infectious virus, which could decouple prevalence from transmission risk. We undertook a multi-faceted investigation of Hendra virus shedding in Pteropus bats, combining insights from virus isolation, viral load proxies, viral prevalence, and longitudinal patterns of shedding, from 6,151 samples. In addition to seasonal and interannual fluctuation in prevalence, we found evidence for periodic shifts in the distribution of viral loads. The proportion of bats shedding high viral loads was higher during peak prevalence periods during which spillover events were observed, and lower during non-peak periods when there were no spillovers. We suggest that prolonged periods of low viral load and low prevalence reflect prolonged shedding of non-infectious RNA, or viral loads that are insufficient or unlikely to overcome dose barriers to spillover infection. These findings show that incorporating viral load (or proxies of viral load) into longitudinal studies of virus excretion will better inform predictions of spillover risk than prevalence alone. Significance statement We present a comprehensive analysis of a high-profile bat-virus system (Hendra virus in Australian flying-foxes) to demonstrate that both prevalence and viral loads can shift systematically over time, resulting in concentrated periods of increased spillover risk when prevalence and viral loads are high. We further suggest that prolonged periods of low-prevalence, low-load shedding may not reflect excretion of infectious virus, resolving the outstanding puzzle of why spillovers have not been observed during periods of low off-season prevalence in subtropical Australia, or more frequently in tropical Australia despite consistent low-prevalence shedding. The consideration of viral loads (or proxies of viral load) along with prevalence may improve risk inference from longitudinal surveys of zoonotic viruses across wildlife reservoir 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».