非独立宿主运动如何重塑疾病传播风险景观？——PMoveSTIR 模型揭示关键机制

为解决量化空间利用和非独立宿主运动对疾病传播风险贡献的问题，美国田纳西大学研究人员开展了相关研究，结果表明非独立运动对不同类型病原体传播风险影响不同且改变传播热点，该研究为疾病防控提供理论依据。

　　在大自然的舞台上，动物们的一举一动都暗藏玄机。对于野生动物疾病的传播而言，动物的运动就像是一把双刃剑，既可能带来新的生机，也可能引发疾病的肆虐。长久以来，流行病学理论大多基于宿主独立运动的假设，然而现实中动物的运动往往并非如此简单。许多动物会因为各种原因，比如寻找食物、躲避天敌或者繁衍后代，而产生非随机的运动模式，这些非独立、相关的运动对疾病传播的影响不容小觑。但一直以来，我们缺乏精确量化这种影响的理论和方法，这就像在黑暗中摸索，难以准确预测疾病的传播风险，更别提有效地预防和控制疾病的爆发了。

为了打破这一困境，美国田纳西大学的研究人员挺身而出，开展了一项意义重大的研究。他们聚焦于量化精细尺度宿主空间利用和非独立宿主运动对时空传播风险的贡献，致力于揭开疾病传播背后的神秘面纱。经过深入研究，他们发现非独立运动在疾病传播中扮演着极为重要的角色，它能够显著改变疾病的传播动态，尤其是对于短寿命病原体。而且，宿主社交决策的尺度与病原体传播尺度的相对大小，会影响非独立运动对传播风险的贡献程度。此外，即使是景观上成对动物之间微弱的运动相关性，也可能极大地改变直接传播病原体的种群水平疾病动态。这些发现就像一束束强光，照亮了野生动物疾病传播研究的道路，为疾病的预测和防控提供了至关重要的理论依据。该研究成果发表在《Movement Ecology》期刊上。

在研究过程中，研究人员运用了多种关键技术方法。他们首先基于 MoveSTIR 模型，构建了概率 MoveSTIR（PMoveSTIR）模型，将利用分布（UDs）、直接和间接接触、非独立运动以及空间感染力（FOI）的估计正式联系起来。同时，通过分析结果、模拟实验以及利用白尾鹿的 GPS 运动数据进行实证研究，全面深入地探讨了相关因素对疾病传播风险的影响。

研究结果如下：

1. 分析性分析：均匀空间利用和直接接触下非独立运动对 FOI 的影响：研究人员假设宿主在景观上均匀运动且病原体快速衰减（直接传播），通过推导得出相关公式。结果显示，当传播区域A_x相对于宿主可占据的总面积A_{tot}较小时，即使是微弱的相关性\rho (x, s=0)，非独立运动对直接传播的 FOI 贡献也可能比空间重叠大得多；而当宿主的活动范围与传播区域大小相近时，非独立运动的重要性则相对较小。
2. 使用模型测试非独立运动对 FOI 的贡献：
   • 模型分析，示例 1：非独立运动和社会决策的尺度：研究人员实施了 “混乱的跟随领导者模型”。结果表明，如果传播区域A_x = 1 / n_p \leq 1 / 2（即传播区域是宿主做出社交决策区域的一半或更小），非独立运动对 FOI 的贡献最多与空间重叠相等；若社交决策和传播区域尺度相似（n_p = 1），则存在某些情况，非独立空间利用对 FOI 的贡献会高于空间重叠。此外，非独立运动还会通过改变基本再生数R_0，直接影响种群水平的疾病动态。
   • 模型分析，示例 2：连续时间运动以及非独立运动对直接和间接传播的影响：研究人员构建模型模拟两个具有相同活动范围中心但社会吸引力不同的宿主在连续空间和时间内的运动。结果发现，社会吸引力必须在传播尺度上才能对 FOI 产生影响；非独立运动在低空间相关性下也能大幅增加 FOI；小相关性难以从有限运动数据中准确估计，但增大传播区域可减少估计偏差。同时，随着病原体在环境中持续时间增加，非独立运动对 FOI 的重要性降低，传播最终会由空间重叠主导。
   
   
3. 实证应用 —— 白尾鹿：研究人员利用美国田纳西州捕获的白尾鹿的 GPS 追踪数据进行实证研究。结果发现，非独立运动显著增加了白尾鹿的传播风险，且与空间重叠相比，其对传播风险的贡献与家域重叠程度相关。此外，CSR 值能反映白尾鹿社会互动的季节性变化，非独立运动还可能改变传播热点的位置。

研究结论和讨论部分指出，PMoveSTIR 模型成功区分了空间重叠和非独立运动对时空接触和传播风险的贡献。该模型表明，非独立运动对短寿命病原体的传播动态影响显著，而对长寿命病原体则相对不那么重要。对于快速传播的病原体，如犬瘟热病毒、狂犬病病毒或 SARS-CoV-2 等，捕获社会驱动的、与传播相关的相互作用需要精细时间尺度和同步收集的运动数据；而对于病原体持续时间长、宿主活动区域高度局部化且社会互动不影响传播距离的系统，识别联合空间利用的粗略模式的运动数据则更为合适。

总之，这项研究成果为野生动物疾病传播的研究开辟了新的道路。PMoveSTIR 模型提供了一个可推广的理论基础，能够在不同的宿主 - 病原体系统中进行类似分析，并且可以与各种 UD 估计方法集成。然而，研究也指出了未来需要面对的挑战，如考虑空间和社会动态的瞬态变化、进一步理解社会和空间过程与联合 UDs 和成对相关表面的关系以及更精确地估计经验相关表面等。但无论如何，该研究都为我们理解野生动物疾病传播机制、预测和防控疾病爆发提供了重要的支持，在生命科学和健康医学领域具有深远的意义。