在最近发表在《自然通讯》上的一项研究中，一组研究人员评估了全球200多万例严重急性呼吸综合征冠状病毒2 (SARS-CoV-2)病例中合并感染和宿主内重组的患病率，并制定了准确识别和分析重组菌株的策略。
最近的趋势显示重组谱系的优势，如欧米克隆xbb变体，表明频繁的合并感染。进一步的研究对于更好地了解SARS-CoV-2合并感染和重组的动态至关重要，这可能对公共卫生战略和疫苗开发产生重大影响。
本研究利用CoVEO数据库对共感染样本进行预过滤和初始选择。此PostgreSQL数据库存储上传到欧洲COVID-19数据门户的SARS-CoV-2测序样本的突变数据。
为了进行质量过滤，从CoVEO数据库的3,093,454份人类宿主样本中，排除了总碱基计数低于100,000或测序深度不足的样本。这留下了2172927个样本，然后对这些样本进行了仔细检查，以确定SARS-CoV-2病毒变体的独特定义突变。与依赖于预先编制的列表不同，这项研究采用了一种更精细的方法，使用标记表来识别高度指示特定菌株的突变。
候选共感染样本的鉴定是基于从至少两种不同菌株中检测到至少50%的独特变异体定义突变。在这个阶段没有使用等位基因频率滤波，允许识别甚至小变异菌株。这个过程产生了29,666个潜在的共感染样本。
共感染样本的最终选择包括筛选携带这些互斥突变的显著比例的候选样本。严格的阈值确保仅包括具有变体全面基因组代表性的样本，从而产生7700个合并感染样本。
该研究还将这些样本的收集日期与不同变体的流行率进行了比较，以验证它们的自然发生。此外，在不同的研究和地点检查了合并感染样本的分布，以确定潜在的实验室污染。
在研究遗传多样性时，利用了并发变异数、信息熵和累积遗传多样性等指标。这些措施与合并感染率相关，为病毒多样性和合并感染之间的关系提供了见解。
为了检测宿主内重组，该研究采用了两种不同的方法。首先，开发了一个管道，根据定义突变时等位基因频率(AFs)的变化来识别潜在的重组样本。这包括纠正AFs的系统性偏差和计算比值，以区分有和没有潜在断点的样本。这项分析集中在两种变异菌株的共感染样本上，旨在检测AFs的变化，这可能表明重组事件。
该研究利用了一种独立的方法，通过检查测序数据中的短读数。这包括查询样本中两个亲本菌株的定义突变重叠的读取。对Reads的质量进行了严格过滤，同时携带两组突变的Reads被认为是重组的标志。
分析确定了在多个样品中具有充分重组证据的基因组位置作为潜在的重组热点。然后将这些区域与其他数据库中已知的重组断点进行比较，以证实研究结果。此外，重组reads检测亚基因组核糖核酸(RNA)的痕迹，进一步验证其来源。
在CoVEO数据库中，根据来自至少两种不同病毒株的互斥变异定义突变的显著比例来确定共感染样本。确定的合并感染样本数量随这些突变的阈值而变化。严格的阈值为80%，从210多万份优质人类宿主样本中鉴定出7700份共感染样本，共感染率为0.35%。这一比率与之前的研究结果一致。
最常见的合并感染包括Delta和Omicron (BA.1)， Alpha和Iota以及其他变体的组合。共同感染的流行程度与数据库中分配给每种变体的样本数量相对应，表明与变体的地理和时间分布相关。
为了确保这些发现的可靠性，该研究还检查了实验室污染的可能性。虽然一些研究显示出高于平均水平的合并感染率，但本研究采用的严格检测方法表明，0.35%的合并感染率是保守估计。混合感染样本分布在不同的研究中，降低了污染影响总体结果的可能性。
从地理上看，共感染样本分布相当均匀，但由于不同的测序能力和策略而存在差异。例如，法国的流行率较高，但这是受样本总数较少和侧重于合并感染的具体研究的影响。在样本数量较多的国家，合并感染率各不相同，这突出表明需要进行系统的全球监测。在拥有1000多个高质量样本的国家中，合并感染病例的时间轴表明，当多种变体同时传播时，合并感染的可能性更大。
该研究还通过检测定义突变的Afs的变化，调查了共感染样本中宿主内重组的存在。然而，聚合酶链反应(PCR)引物偏差经常影响测定Afs的准确性。尽管如此，分析确定了13个潜在的重组样本，主要来自Delta - Omicron (BA.1)共感染。来自人工混合变体研究的一些样本也被确定为重组，这提出了有关检测方法的问题。
另一种方法是检查从多个菌株中携带突变的reads的原始测序数据。在这些突变的密度和重叠读段的存在之间发现了显著的相关性。显示重组迹象的基因组区域并不总是与从其他数据库中识别出的区域相匹配。
在对非人工样本的调查中，某些基因组区域被确定为潜在的重组热点，特别是在Delta - Omicron (BA.1)共感染的S和M基因内。然而，在最初标记为潜在重组的13个样本中，没有发现在假定断点处存在重组reads的确凿证据，这凸显了检测SARS-CoV-2宿主内重组的复杂性和挑战。
合并感染病例的地理分布虽然大致一致，但受当地采样策略和测序能力的影响，存在差异。这种不平衡强调了持续和系统的全球监测的重要性，以便准确地捕捉病毒合并感染的动态。
在研究宿主内重组时，该研究通过AF分布的复杂性和原始测序数据分析进行了导航。识别潜在的重组，特别是在含有常见变异组合的样本中，如Delta和Omicron，提供了有趣的见解。
最终，该研究分析了超过200万份SARS-CoV-2病毒共感染和重组样本的方法，提供了一个强大的框架，可以平衡严格的检测标准和大规模基因组数据分析的实际挑战。
