今天Science发表了一项十分重要的研究论文。我反复强调SARS-CoV-2作为病毒在传播、致病和免疫逃逸之间建立的适应性（fitness）是其最重要的病毒学特征，也是预测疫情走向最重要的病毒学因素。今天Science发表了来自Broad研究所一篇十分重要的文章，这篇文章第一次将“适应性”这个概念进行了量化，这篇文章对理解病毒的进化机制和趋势十分关键。

这项大型研究分析了640万个SARS-CoV-2病毒基因组，分析了单个氨基酸突变造成的病毒适应性增加和突变株整体的适应性增加。研究开发了算法模型PyR0，这是一种分层贝叶斯多项逻辑回归模型，可推断地理区域内所有病毒谱系的相对流行率，检测谱系的流行率增加，并识别与适应性相关的突变。研究以最早的原始野生型为对照，发现Omicron BA.1的适应性增加6.8倍，BA.2适应性增加8.88倍，等等。Omicron是SARS-CoV-2的适应性佼佼者，而BA.2进一步提高了Omicron的适应性，所以图中可见BA.2的适应性在坐标的最顶点位置。

研究进而分析了单个氨基酸突变对于病毒适应性的影响，有趣的是，研究发现增加病毒适应性的并不是452，478，484，501这些常见的RBD突变，而是其他突变。增加病毒适应性排名第一的是Furin上的H655Y，可以将病毒适应性增加5.1%，实际上因为655在Furin上，其突变可增加S1/2切割效率，进而使病毒感染细胞能力增强。第二是S2上的T951，可将适应性增加4.6%。第三是ORF1a上的P3395H，可将适应性增加3.9%，所以可见并不是Spike一个蛋白决定病毒适应性。突变株之所以能够成倍增加适应性，是因为这些突变同时出现在了一个病毒谱系中。研究进一步构建了含有这些病毒突变的假病毒，进行293T-ACE2感染实验，验证了病毒突变可增加病毒感染细胞的能力，如K417T可使病毒感染力增加超过1.5倍。

这项研究构建的评估量化病毒适应性的PyR0模型十分重要，它可以在每次新的病毒出现后预测这种病毒潜在的流行趋势，因为高适应性的病毒会取代低适应性的病毒。

•