Nature Methods
BEAST X：用于病毒进化分析的高效贝叶斯推理平台

小赛推荐：

本文介绍了BEAST X这一开源、跨平台软件，它将分子系统发育重建与复杂性状进化、分歧时间定年和溯祖推断结合在高效的统计推断引擎中。该平台显著提升了进化模型的灵活性和可扩展性，适用于RNA病毒如SARS-CoV-2、埃博拉病毒和猴痘的实时进化分析。

 

文献概述
本文《BEAST X for Bayesian phylogenetic, phylogeographic and phylodynamic inference》，发表于《Nature Methods》杂志，回顾并总结了进化系统发育和传播动态推断的最新进展。文章重点介绍了一种结合分子进化和流行病学数据的高效贝叶斯推断工具，用于分析病毒进化、地理传播和流行病动态，特别适用于大规模基因组数据的实时追踪。

背景知识
近年来，病原体基因组测序技术的迅速发展推动了RNA病毒进化分析的需求。传统的系统发育推断工具在面对大规模、高维数据时存在计算瓶颈，而BEAST X通过引入新型时钟模型、替换模型和基于哈密顿蒙特卡洛（HMC）的高效采样方法，克服了这一问题。研究团队通过分析SARS-CoV-2 Omicron BA.1在英格兰的入侵过程，展示了该平台在地理传播建模和流行病动力学推断中的实用性。此外，该工具还可用于埃博拉和猴痘等病毒的进化研究，为病毒起源、传播路径和变异机制提供关键见解。

 

全人源化抗体小鼠模型，用于高亲和力、低免疫原性抗体药物开发，适用于肿瘤、自身免疫病和传染病研究。

了解更多

 

研究方法与实验
BEAST X 引入了多种新模型，包括：1）马尔可夫调制替换模型（MMM），通过整合多个替换过程，捕捉位点和分支特异性选择压力；2）随机效应替换模型，扩展连续时间马尔可夫链（CTMC）模型，提升对替换过程的描述能力；3）时间依赖进化速率模型，结合离散时间区间，提高节点高度估计的准确性；4）混合效应与收缩型随机本地时钟模型，改进传统放松时钟模型，适应高维参数空间；5）基于HMC的线性梯度算法，提升对大规模系统发育和高维性状数据的推断效率，显著提高有效样本数（ESS）/单位时间。

关键结论与观点

• BEAST X 提升了系统发育、地理传播和流行病动态推断的灵活性和可扩展性，支持大规模基因组数据的高维分析。
• 新引入的马尔可夫调制替换模型和随机效应模型，显著改善对病毒替换过程的非可逆性建模，如SARS-CoV-2中C→T替换率高于T→C。
• 时间依赖和混合效应时钟模型可有效捕捉病毒进化速率随时间的变化，提升对节点高度的估计精度。
• HMC采ing算法显著提升高维参数空间的采样效率，相比传统Metropolis–Hastings采样方法，在多个模型中实现数倍至数十倍ESS提升。
• 在分析Omicron BA.1入侵英格兰的案例中，BEAST X成功推断出其传播速率比Alpha变种快3.5倍，揭示了流行病动态和地理扩散的关键模式。

研究意义与展望
BEAST X 为病毒进化分析、病原体传播建模和分子流行病学研究提供了高效、灵活的工具。其在处理大规模基因组和性状数据中的能力，为未来RNA病毒进化与传播机制研究、疫苗开发及公共卫生政策制定提供了重要支持。随着更多高维进化模型的整合，该平台有望进一步扩展至宿主-病原体共进化、多物种系统发育分析等领域。

 

免疫缺陷小鼠模型，支持异种移植、抗肿瘤药物筛选及免疫治疗研究，适用于构建人源化肿瘤模型和评估免疫相关药物。

了解更多

 

结语
本文介绍了BEAST X作为新一代贝叶斯进化分析工具，在系统发育、地理传播和流行病动力学推断方面实现重大突破。其通过高效梯度算法和哈密顿蒙特卡洛（HMC）采样，显著提升了大规模数据的推断速度和精度，为RNA病毒如SARS-CoV-2、埃博拉病毒和猴痘的进化分析提供了强大支持。文章还展示了其在分析Omicron BA.1入侵英格兰过程中的应用，包括传播速率估计、有效种群规模变化和地理扩散模式识别。BEAST X的发布不仅推动了系统发育分析的计算效率，也为整合多组学和流行病学数据提供了标准化方法，有助于病毒起源、变异和传播研究的深入发展。

 

Guy Baele, Xiang Ji, Gabriel W Hassler, Andrew Rambaut, and Marc A Suchard. BEAST X for Bayesian phylogenetic, phylogeographic and phylodynamic inference. Nature Methods.