近日，大连理工大学副教授张仁权团队与美国哥伦比亚大学、普林斯顿大学等研究团队合作，通过构建全新的贝叶斯推断框架，系统重建了2009年H1N1流感病毒与2020年SARS-CoV-2病毒在美国大都市区（MSA）的早期空间传播网络结构，为未来呼吸道病毒大流行的早期监测、预警与防控提供了重要科学依据。相关成果发表在美国《国家科学院院刊》。

理解新兴呼吸道病毒的早期地理扩散路径对于有效应对未来大流行至关重要。然而，由于早期监测数据的稀缺性和传播的强随机性等因素，H1N1流感病毒与新冠病毒在美国的早期隐秘传播动态长期以来不甚清晰。

该团队创新性地整合了高分辨率疾病数据与人口流动信息，融入病原体的超级传播关键特性，开发出基于随机传播模型与集成推断算法的贝叶斯推断分析框架。研究发现，尽管两种病毒的传播网络均呈现“枢纽-辐射”结构，但其核心传播路径存在显著差异。

研究进一步量化了人口流动对病毒传播的影响，结果表明，航空旅行对病毒早期空间扩散的驱动作用显著强于通勤流动，但传播过程中的随机性仍给预测带来挑战。通过模拟实验，团队验证了关键交通枢纽废水监测的预警价值：若在主要机场等枢纽节点广泛开展废水监测，并配套有效的本地传播控制措施，可显著遏制病毒初期的跨区域地理扩张态势。但研究同时指出，有效遏制需覆盖足够数量的枢纽节点，仅聚焦少数高流量节点难以达成防控目标。

该研究不仅系统揭示了美国两次重大呼吸道疫情早期的空间传播图谱，更提供了一个可推广、数据高效的推断框架，为全球新发呼吸道传染病早期动态解析提供了关键方法支撑。面对未来可能出现的呼吸道病毒大流行，研究建议应尽早建立跨区域、多枢纽的协同监测网络，融合基因组数据等多源信息，进一步提升传播路径推断的准确性，为实施精准防控赢得宝贵时间。

相关论文信息：https://doi.org/10.1073/pnas.2518051123