Forskare vid Niels Bohr Institute, Köpenhamns universitet, tillsammans med epidemiologen Lone Simonsen från Roskilde Universitet ingår i panelen som ger råd till den danska regeringen om hur man kan tackla de olika infektionsspridande situationer som vi alla har sett utvecklas under det senaste året. Forskare har modellerat spridningen av infektioner under en mängd olika scenarier, och Coronaviruset har visat sig inte följa de äldre modellerna av sjukdomsspridning.

En allt mer varierad bild av dess beteende och därmed dess påverkan på samhället har vuxit fram. I flera vetenskapliga artiklar, forskare har beskrivit den kunskap som tillkommit hittills, senast kring begreppet "superspridare". Det visar sig att endast cirka 10% av de infekterade står för ungefär 80% av smittspridningen. Resultaten har publicerats i den vetenskapliga tidskriften Förfaranden från National Academy of Sciences , PNAS .

Var kommer vår kunskap om smittspridning ifrån?

Dataforskarna använder för att "mata" och utveckla datormodeller kommer från en lång rad olika källor. De danska kommunerna har fört inventeringar över smittspridningen, och denna data har fördelen att den härrör från enheter som inte är alltför stora. Det finns en hög detaljgrad och det gör att man kan spåra lokal utveckling tydligare och därmed konstruera parametrar för superspridning, som postdoc Julius Kirkegaard har bidragit till. Kontaktspårning är en annan informationskälla. Isåfall, fokus ligger på att lokalisera och begränsa individens överföring av viruset. Den tredje källan är något mer komplicerad eftersom den försöker följa infektionskedjan via virusets gensekvens.

Vilka är superspridarna?

Oavsett vilken källforskare undersöker, resultaten ger ungefär samma sak:10 % av alla smittade står för så mycket som 80 % av smittspridningen. Det är därför avgörande, i förhållande till spridningen av viruset för att lokalisera de så kallade superspridarna och avslöja hur superspridningen sker. Forskare betonar att just nu, vi är inte helt säkra på vad som utgör en person som en superspridare. Det kan vara rent personligt, fysiologiska egenskaper. Dessutom, det finns olika grader av superspridning i befolkningen, så det är inte nödvändigtvis bara det ena eller det andra. Vissa människor sprider helt enkelt viruset mer än andra och variationen från personer med nästan ingen överföring till superspridare är stor.

Hur modellerar forskare en befolkning på knappt 6 miljoner individer?

Tre grundläggande kategorier anses viktiga när man modellerar befolkningens beteende, vid beräkning av ett scenario för smittspridning:1. Familjesammanhang, 2. Arbetssammanhang och 3. De slumpmässiga sammanhang människor befinner sig i – med andra ord, människor i närheten på kollektivtrafiken, vid fritidsaktiviteter etc. Tidsfaktorn i alla tre är avgörande, eftersom det tar tid att smitta andra människor. När det gäller tid, dessa tre kategorier är något identiska när det gäller vanliga sjukdomar, men inte en superspridande coronavirusvariant.

Men det är här som virusets individuella egenskaper spelar in:superspridare är helt olika när de hanteras i en datormodell. Metoder som är kända från fysiken blir viktiga här, eftersom det är nödvändigt att modellera individer och deras kontakter. Forskare har satt upp datormodeller både för scenarier med och utan superspridare, och det visar sig att stängning av arbetsytor och sportevenemang, och kollektivtrafiken har samma effekt när modellen inte tar hänsyn till superspridare. Men när vi inkluderar superspridare, det finns en uttalad skillnad, och nedläggningen av offentliga evenemang har en mycket större effekt.

Sjukdomsmodellering står inför nya utmaningar och ett starkt tvärvetenskapligt samarbete

Sjukdomar kan bete sig väldigt olika och det är därför otroligt viktigt att vara både redo och kapabel till snabb förändring i förhållande till utvecklingen av nya modeller som speglar egenskaperna hos olika sjukdomar så exakt som möjligt, om vi hoppas kunna innehålla dem. Professor Kim Sneppen förklarar:"Den biologiska variationen av olika virus är enorm. SARS-CoV-2 innehåller ett särdrag genom att det är som mest smittsamt precis innan man utvecklar symtom. Detta är raka motsatsen till en tidigare sjukdom som hotade att bli en pandemi, nämligen SARS, som oftast är smittsam efter att man uppvisar symtom. Virus är extremt avancerade maskiner som var och en hittar specifika svaga punkter att utnyttja. Ett nytt forskningsområde utvecklas snabbt, som undersöker hur virus angriper cellerna i vår kropp. COVID-19 har visat sig leda till väldigt olika sjukdomsförlopp för olika patienter. I den meningen, det beter sig kaotiskt, som vi säger i fysiken."

Ph.D. studenten Bjarke Frost Nielsen och professor Kim Sneppen ser ett stort öppet forskningsfält inom samarbetet mellan fysik och biologi. Att samla in så mycket information som möjligt om olika virus är avgörande, vilket gör det möjligt för fysiker att använda denna kunskap i kartläggningsscenarier för att svara på dem.

Potentialen för forskning om smittspridning är stor

Bjarke Frost Nielsen säger:"Vi måste skapa en verktygslåda som innehåller en stor variation i hur vi tacklar spridningen av överföring, i våra datorprogram. Detta är det omedelbara perspektivet vi kan se framför oss, just nu. Matematisk sjukdomsmodellering har funnits i nästan 100 år, men tyvärr har inte mycket framsteg gjorts under den perioden. För att gå rakt på sak, samma ekvationer från 1930-talet används fortfarande idag. I samband med vissa sjukdomar, de kan vara korrekta, men i förhållande till andra kan de vara långt borta. Det är här, som fysiker, vi har ett helt annat förhållningssätt. Det finns många parametrar, d.v.s. social dynamik och mycket mer varierande interaktioner mellan individer som vi kan bygga våra scenarier på. Detta är välbehövligt, när vi ser de enorma variationerna i de olika sjukdomarna."