Грипп сообщение по биологии: болезнь, издавна известная тяжелыми эпидемиями и является одним из самых распространенных инфекционных заболеваний.

изменить размер значкаПоказать больше

Это 19На фотографии 51 изображены Йохан Халтин (слева) и его коллеги по университету во время его первой попытки получить вирус 1918 года из тел жертв, захороненных в вечной мерзлоте на месте захоронения миссии Бревиг. Фото: Йохан Халтин

resize iconView Larger

На протяжении десятилетий вирус 1918 года был утерян для истории, являясь пережитком того времени, когда понимание инфекционных патогенов и инструментов для их изучения все еще находилось в зачаточном состоянии. После пандемии 1918 года у поколений ученых и экспертов в области общественного здравоохранения остались только эпидемиологические данные о 1918 летальность пандемического вируса и пагубное воздействие, которое он оказал на население мира. Небольшая деревушка на берегу океана на Аляске под названием Бревиг-Мишн стала одновременно свидетельством этого смертоносного наследия, а также сыграла решающую роль в окончательном открытии вируса 1918 года.

Сегодня в Миссии Бревиг проживает менее 400 человек, но осенью 1918 года там проживало около 80 взрослых, в основном инуиты. Хотя существуют разные версии того, как вирус 1918 года попал в маленькую деревню — будь то торговцы из близлежащего города, которые путешествовали на собачьих упряжках, или даже местный почтальон, — его влияние на население деревни хорошо задокументировано. За пятидневку с 15 по 20 ноября 19 г.18 ноября пандемия 1918 года унесла жизни 72 из 80 взрослых жителей деревни.

Позже, по распоряжению местного правительства, на холме рядом с селом была создана братская могила, отмеченная лишь маленькими белыми крестиками – мрачный памятник почти стертой с лица земли общине. Могила была заморожена в вечной мерзлоте и оставалась нетронутой до 1951 года. В том же году Йохан Халтин, 25-летний шведский микробиолог и доктор философии. студент Университета Айовы, отправился в экспедицию на миссию Бревиг в надежде найти 1918 и в процессе раскопать новые идеи и ответы. Халтин считал, что в этом сохранившемся могильнике он все еще может найти следы самого вируса 1918 года, застывшего во времени в тканях сельских жителей, чьи жизни он унес.

В 1951 году Халтин успешно получил разрешение от деревенских старейшин на раскопки места захоронения Миссии Бревиг. С помощью нескольких своих коллег по университету Халтин устроил раскопки над могилой. Раскопки заняли несколько дней, так как Халтину пришлось разжечь костры, чтобы земля оттаяла настолько, чтобы можно было копать. Через два дня Халтин наткнулся на тело маленькой девочки — ее тело все еще сохранилось в голубом платье, а волосы были украшены красными лентами 9.0039 5 . В конце концов, Халтин успешно получил легочную ткань еще от четырех тел, захороненных на этом месте, но логистические и технологические ограничения того времени оказались огромными.

В беседе Халтина, состоявшейся несколько десятилетий спустя с микробиологом CDC доктором Терренсом Тампи (см. часть III – реконструкция), Халтин объяснил, как во время обратного пути с Аляски в Университет Айовы он летел на пропеллере DC-3. управляемый самолет, который был вынужден делать несколько остановок по пути для дозаправки. Во время каждой остановки Халтин, всегда находчивый, выходил из самолета и пытался повторно заморозить образцы легких с помощью углекислого газа из огнетушителя.

Шум от этой деятельности явно привлек озадаченные взгляды попутчиков и зевак. Вернувшись в Айову, Халтин попытался ввести легочную ткань в куриные яйца, чтобы заставить вирус расти. ⁵ Нет. В конце концов, что, возможно, неудивительно, Халтин не смог извлечь вирус 1918 года из этой первой попытки.

Фотография Йохана Халтина, работающего в лаборатории в 1951 году. Первоначальная попытка Халтина спасти вирус 1918 года не увенчалась успехом. Примечание: забор вируса ртом в пипетку сегодня не считается безопасной лабораторной практикой. Практика безопасности в лабораториях значительно улучшилась в наше время. Фото предоставлено Йоханом Халтином.

resize iconУвеличить

Фотография доктора Джеффри Таубенбергера и доктора Энн Рид, изучающих генетическую последовательность вируса 1918 года. Им приписывают секвенирование генома вируса 1918 года. Фото предоставлено онлайн-выставкой Национального музея здоровья и медицины — MIS 377212.

resize iconView Larger

Лишь 46 лет спустя, в 1997 году, у Халтина появится еще одна возможность исследовать вирус 1918 года. В том же году Халтин наткнулся на статью в журнале Наука Автор Джеффри Таубенбергер и др. под названием «Первоначальная генетическая характеристика «испанского» вируса гриппа 1918 года». ⁶ В то время доктор Таубенбергер был молодым молекулярным патологом, работавшим в Институте патологии вооруженных сил в Вашингтоне, округ Колумбия.

вирус. Геном — это полный список генетических инструкций, из которых состоит организм, подобный чертежу, используемому для его построения. Многие люди знакомы с концепцией двухцепочечной ДНК, которая определяет фундаментальные генетические характеристики почти всех живых существ. Однако вместо этого геном вируса гриппа состоит из одноцепочечной РНК. Команда Таубенбергера успешно выделила РНК 1918 из ткани легкого, полученной от 21-летнего мужчины, военнослужащего США, дислоцированного в Форт-Джексон, Южная Каролина. В лагерный госпиталь военнослужащий поступил 20 сентября 1918 г. с диагнозом гриппозная инфекция и пневмония. Он умер через шесть дней, 26 сентября 1918 года, и образец его легочной ткани был собран и сохранен для дальнейшего изучения.

Из этой ткани группе Таубенбергера удалось секвенировать девять фрагментов вирусной РНК из четырех из восьми генных сегментов вируса. Эта работа не представляла собой полную последовательность всех 1918, но он дал более четкое представление о пандемическом вирусе, чем когда-либо прежде. Основываясь на данных о последовательности вируса 1918 года, собранных Таубенбергером в 1997 году, он и его коллеги-исследователи первоначально утверждали, что вирус 1918 года был новым вирусом гриппа A (h2N1), который принадлежал к подгруппе вирусов, полученных от людей и свиней, в отличие от птицы. ⁶ Однако многое еще предстоит узнать о вирусе.

Прочитав статью Таубенбергера, Халтин снова вдохновился на попытку вернуть 1918 вирус. Халтин написал письмо Таубенбергеру, спрашивая, будет ли Таубенбергер заинтересован, если он сможет вернуться в миссию Бревиг и получить ткани легких жертв вируса 1918 года, похороненных в вечной мерзлоте Аляски. Во время ответного телефонного звонка Таубенбергер ответил утвердительно. Неделю спустя Халтин снова отправился в миссию Бревига с скудными инструментами для этой задачи. Известно, что он одолжил садовые ножницы своей жены, чтобы помочь в раскопках.

Со времени первой поездки Халтина к могиле прошло сорок шесть лет, и сейчас ему было 72 года. Он снова обратился за разрешением на раскопки могилы к сельскому совету, которое он получил, а также нанял местных жителей для помощи в работе. Халтин сам оплатил поездку, что обошлось ему примерно в 3200 долларов. ⁷ Раскопки заняли около пяти дней, но на этот раз Халтин сделал замечательную находку.

В вечной мерзлоте на глубине около 7 футов было погребено и сохранено тело женщины-инуитки, которую Халтин назвал Люси. Люси, как узнал Халтин, была женщиной с ожирением, которая, вероятно, умерла в возрасте около 20 лет из-за осложнений, вызванных вирусом 1918 года. Ее легкие были идеально заморожены и сохранились в вечной мерзлоте Аляски. Халтин удалил их, поместил в консервирующую жидкость, а затем отправил по отдельности Таубенбергеру и его коллегам-исследователям, включая доктора Энн Рид, в Институт патологии вооруженных сил. ⁵ Десять дней спустя Халтину позвонили ученые, чтобы подтвердить — возможно, ко всеобщему удивлению — что положительный генетический материал вируса 1918 действительно был получен из ткани легких Люси.

Фотография Йохана Халтина на могиле миссии Бревиг в 1997 году, через 46 лет после его первой попытки спасти вирус пандемического гриппа 1918 года. Халтин увидел, что маленькие кресты, которые ранее покрывали это место, отсутствуют, поэтому Халтин построил два больших креста (показанных выше) в столярной мастерской местной школы, чтобы отметить место захоронения. Фото предоставлено Йоханом Халтином.

resize iconУвеличить

Йохан Халтин в возрасте 72 лет во время своей второй поездки на кладбище миссии Бревиг в 1997 году. Фото: Йохан Халтин.

resize iconУвеличить

Фотография Йохана Халтина, извлекающего тело из могильника миссии Бревиг. Садовые ножницы его жены, которые Халтин одолжил для проведения раскопок, показаны в центре картины. Кредит Фотографии: Йохан Халтин.

изменить размер значкаПоказать больше

Начало страницы

Это изображение вируса гриппа. Гемагглютинин (HA) представляет собой поверхностный белок вируса, который играет роль в обеспечении проникновения вируса гриппа в здоровую клетку и ее инфицирования. Кредит Фотографии: Дэн Хиггинс, CDC.

resize iconView Larger

Первоначальное влияние этого открытия будет впервые описано в статье в феврале 1999 г. в журнале Proceedings of the National Academy of Science (PNAS) под названием «Происхождение и эволюция 1918 «Испанский» ген гемагглютинина вируса гриппа», авторы Ann Reid et al. ⁸ Халтин признан соавтором. В статье авторы описали свои попытки секвенировать (т. е. охарактеризовать) ген гемагглютинина «HA» вируса 1918 года.

Ген НА вируса гриппа определяет свойства поверхностных белков НА вируса. Эти поверхностные белки НА позволяют вирусу гриппа проникать в здоровые клетки дыхательных путей и инфицировать их. НА также нацелены антитела, вырабатываемые иммунной системой для борьбы с инфекцией. Современные вакцины против гриппа работают, нацеливаясь на уникальный HA вируса гриппа (факт, что вирусолог доктор Питер Палезе, описанный позже в этой статье, помог первопроходцу).

В исследовании 1999 года авторам удалось секвенировать полноразмерную последовательность гена НА вируса 1918 года. Для этого авторы использовали фрагменты РНК вируса, полученные из тел ранее описанной 21-летней военнослужащей Форт-Джексона, «Люси» из миссии Бревик, и третьего человека, 30-летнего военнослужащего-мужчины. член, дислоцированный в Кэмп-Аптоне, Нью-Йорк. Этот человек поступил в лагерную больницу с гриппом 23 сентября 1918 г., имел быстрое клиническое течение болезни и умер от острой дыхательной недостаточности 26 сентября 1919 г.18.

Результаты секвенирования показали, что предок вируса 1918 года заразил людей где-то между 1900 и 1915 годами. Drs. Рид и Таубенбергер отметили, что ген HA 1918 года имел ряд адаптаций млекопитающих, а не птиц, и был более человеческим или свиным, в зависимости от метода анализа. Филогенетический анализ, который используется для группировки вирусов гриппа в соответствии с их эволюционным развитием и разнообразием, поместил HA вируса 1918 года внутри и вокруг корня клады млекопитающих. Это означает, что он, вероятно, был предком или тесно связан с самыми ранними вирусами гриппа, поражающими млекопитающих. Однако авторы полагали, что вирус, вероятно, получил свой HA от птичьих вирусов, но не были уверены, как долго вирус мог адаптироваться в организме-хозяине-млекопитающем, прежде чем проявиться в форме пандемии.

По мнению авторов, существующим штаммом, с которым последовательности вируса 1918 года были наиболее тесно связаны, был «A/sw/Iowa/30», старейший штамм классического свиного гриппа. Авторы отметили, что современные штаммы вируса птичьего гриппа сильно отличаются от вируса пандемии 1918 года, и, к сожалению, более старые штаммы птичьего гриппа, появившиеся примерно во время пандемии 1918 года, не были доступны для изучения. Авторы также отметили, что HA1 вируса 1918 года имел только четыре сайта гликозилирования, что отличается от HA современного человека, которые накопили до пяти дополнительных сайтов гликозилирования в процессе антигенного дрейфа. Антигенный дрейф относится к небольшим изменениям в генах вирусов гриппа, которые происходят постоянно с течением времени по мере того, как вирус копирует себя. Антигенный дрейф является одной из причин ежегодного сезона гриппа, а также причиной того, что люди могут болеть гриппом несколько раз в течение жизни.

Считается, что сайты гликозилирования необходимы для функционирования вирусов гриппа, а включение дополнительных сайтов гликозилирования считается адаптацией вируса к человеку-хозяину. Также следует отметить, что авторы не обнаружили каких-либо генетических изменений в НА вируса 1918 года, которые могли бы объяснить его исключительную вирулентность.

В отличие от современных вирулентных штаммов птичьего гриппа, таких как вирусы птичьего гриппа А (Н5) и (Н7), НА вируса 1918 не имел мутации «сайт расщепления», которая является признанным генетическим маркером вирулентности, т.е. тяжести или вредоносности болезни. Вставка аминокислот в сайт расщепления НА может позволить вирусу гриппа расти в тканях за пределами его нормальных клеток-хозяев. В отсутствие таких очевидных маркеров доктор Рид и ее коллеги-исследователи пришли к выводу, что, вероятно, существует несколько генетических факторов, ответственных за 1918 тяжесть вируса.

Микробиолог доктор Питер Палезе и его команда создали плазмиды, которые доктор Терренс Тампи использовал для реконструкции пандемического вируса 1918 года. У Палезе много достижений, в том числе создание первых генетических карт вирусов гриппа A, B и C, а также определение механизма, используемого большинством современных противовирусных препаратов против гриппа. Фото предоставлено: Википедия (https://en.wikipedia.org/wiki/Peter_Palese)

resize iconView Larger

Последующая статья, опубликованная в июне 2000 г. под названием «Характеристика 1918 «Испанский» ген нейраминидазы вируса гриппа», описано секвенирование гена нейраминидазы (NA) вируса 1918 года. ⁹ В вирусе гриппа ген нейраминидазы отвечает за кодирование поверхностных белков NA вируса (для справки см. предыдущее изображение вируса). Поверхностные белки NA вируса гриппа позволяют вирусу гриппа покинуть инфицированную клетку и заразить другие клетки. Поэтому он играет важную роль в распространении гриппозной инфекции. Автор отметил, что НА также является мишенью иммунной системы, и что антитела против НА не предотвращают инфекцию, но значительно ограничивают способность вируса распространяться.

Следует отметить, что авторам удалось секвенировать весь код NA вируса 1918 года из образца вируса, полученного из тела «Люси». Так что и здесь работа Халтина оказалась неоценимой. Авторы обнаружили, что ген NA вируса 1918 года имеет много общих последовательностей и структурных характеристик со штаммами вируса гриппа млекопитающих и птиц. ⁹ Филогенетический анализ показал, что ген NA вируса 1918 г. располагался промежуточно между млекопитающими и птицами, предполагая, что он, вероятно, был введен млекопитающим незадолго до 1918 пандемия. Кроме того, NA вируса 1918 года, полученная от Люси, показала, что он очень похож на предка всех последующих изолятов свиней и людей. ⁹

В целом, филогенетический анализ показал, что основным источником NA вируса 1918 года были птицы, но авторы не смогли определить путь от его птичьего источника до окончательной пандемической формы вируса. Что касается генетических особенностей NA, которые могли бы объяснить тяжесть вируса 1918 года, исследователи снова не смогли найти ни одной особенности 19 вируса.18 NA, которые способствовали вирулентности вируса. ⁹ Например, у некоторых современных вирусов гриппа потеря сайта гликозилирования в NA по аминокислоте 146 (в WSN/33) способствует вирулентности, а также приводит к тому, что вирус атакует нервную систему у мышей. Однако это изменение не было обнаружено в NA вируса 1918 года.

После этого исследования была опубликована серия дополнительных исследований, в каждом из которых подробно описывались результаты каждого из оставшихся генов вируса 1918 года (всего вирусы гриппа имеют 8 генов). В 2001 г. статья Кристофера Баслера и соавт. опубликованный в Proceedings of the National Academic of Science (PNAS), описал последовательность 19Неструктурный (NS) ген 18 вируса. ¹⁰ Исследование 2002 г., опубликованное в Journal of Virology, проведенное Ann Reid et al. описали секвенирование матричного гена вируса. ¹¹ Два года спустя в журнале Journal of Virology за 2004 год было описано секвенирование гена нуклеопротеина (NP) вируса 1918 года. ¹² В 2005 г. Taubenberger et al. секвенировали гены вирусной полимеразы и описали их в статье в Nature. ¹³ Это последнее исследование завершило почти десятилетний процесс секвенирования всего генома 1918 вирус.

Теперь, когда весь геном вируса 1918 года секвенирован, появилась необходимая информация для реконструкции живой версии вируса 1918 года. Однако для запуска обратного генетического процесса требовался еще один промежуточный шаг, который заключался в создании плазмид для каждого из восьми генных сегментов вируса 1918 года.

Эту задачу выполнили известные микробиологи, доктор Питер Палезе и доктор Адольфо Гарсия-Састре из Медицинской школы Маунт-Синай в Нью-Йорке. Плазмида представляет собой небольшую кольцевую цепь ДНК, которую можно амплифицировать (или реплицировать) в лаборатории. Несколькими годами ранее доктор Палезе помог впервые использовать плазмиды в обратной генетике для получения жизнеспособных вирусов гриппа. Методы, которые он разработал, позволили изучить взаимосвязь между структурой и функцией вирусных генов, и эти усилия проложили путь для методов, используемых для реконструкции 1918 вирус. Как только доктор Палезе и его коллеги на горе Синай завершили создание плазмид, они были отправлены в CDC, чтобы можно было начать официальный процесс реконструкции.

К началу страницы

Решение реконструировать самый смертоносный вирус пандемического гриппа 20-го века было принято с большой осторожностью и вниманием к безопасности. Высокопоставленные правительственные чиновники выбрали штаб-квартиру CDC в Атланте местом реконструкции. Центры по контролю и профилактике заболеваний США (CDC) провели два уровня одобрения: первый — Институциональный комитет по биобезопасности CDC, а второй — Институциональный комитет по уходу и использованию животных CDC, до начала работы в лаборатории. Работа будет выполняться с использованием строгих мер предосторожности и средств биобезопасности и биозащиты, в том числе методов и средств, известных как уровень биобезопасности 3 (BSL-3), с усовершенствованиями.

Фотография доктора Терренса Тумпи, работающего в лабораторных условиях с улучшенными условиями BSL3. Это включает (но не ограничивается) использование респиратора для очистки воздуха с электроприводом (PAPR), двойных перчаток, костюма и работы в боксе биологической безопасности класса II (BSC). Сегодня д-р Тампи является заведующим отделением иммунологии и патогенеза в отделе гриппа CDC. Фото: Джеймс Гатани — Библиотека изображений общественного здравоохранения № 7989.

resize iconView Larger

Для справки: существует четыре уровня биобезопасности, соответствующие степени риска, связанного с исследованиями, при этом 1 представляет наименьший риск, а 4 представляет наибольший риск. Каждый уровень биобезопасности также соответствует конкретным лабораторным практикам и методам, требованиям к обучению персонала, лабораторному оборудованию и лабораторным помещениям, которые подходят для выполняемых операций. Строгость этих соображений — опять же в пределах от 1 как самого низкого до 4 как самого высокого — предназначена для защиты персонала, выполняющего работу, окружающей среды и общества.

Каждый уровень биобезопасности включает в себя так называемые «первичные» и «вторичные» барьеры. Примеры первичных барьеров включают в себя защитные шкафы, изоляторы, перчатки и халаты, тогда как вторичные барьеры включают в себя такие соображения, как конструкция объекта и фильтрация воздуха HEPA в лаборатории. Конкретные критерии для каждого уровня биобезопасности подробно описаны в публикации CDC/NIH Biosafety in Microbiological and Biomedical Laboratories.

Лаборатория BSL3 с улучшениями включает ряд первичных и вторичных барьеров и другие соображения. Например, весь персонал должен носить респиратор для очистки воздуха с электроприводом (PAPR), двойные перчатки, халаты, бахилы и хирургический халат. Они также должны принять душ перед выходом из лаборатории. Кроме того, вся работа с вирусом или животными должна проводиться в сертифицированном боксе биобезопасности класса II (БББ), а поток воздуха в лаборатории направленно контролируется и фильтруется, чтобы он не мог случайно покинуть лабораторию.

Для реконструкции вируса 1918 года были созданы дополнительные правила для проведения экспериментов. Например, во избежание путаницы и перекрестного заражения работа над вирусом 1918 года не могла проводиться одновременно с работой над другими вирусами гриппа.

В рамках соображений безопасности офис директора CDC определил, что только одному человеку будет предоставлено разрешение, доступ в лабораторию и огромная ответственность за реконструкцию вируса 1918 года. Этим человеком был обученный микробиолог доктор Терренс Тампи, который был одобрен для участия в проекте тогдашним директором CDC доктором Джули Гербердинг. Реконструкция 1918 также был одобрен Национальным институтом аллергии и инфекционных заболеваний (NIAID) при Национальном институте здравоохранения (NIH), который частично финансировал проект.

Доктор Тампи ранее работал микробиологом Министерства сельского хозяйства США в Юго-восточной исследовательской лаборатории птицеводства в Афинах, штат Джорджия. Ранее в своей карьере он подал заявку на постдокторскую стипендию Американского общества микробиологии (ASM) вместе с микробиологом CDC и экспертом по гриппу доктором Жаклин Кац, которая недавно вышла на пенсию с должности заместителя директора отдела гриппа CDC. Эта двухлетняя стипендия в отделе гриппа CDC ознаменовала бы начало карьеры доктора Тампи в CDC. Он официально перешел на работу в CDC с целью изучения воздействия вирусов гриппа на здоровье человека, в том числе 1918 пандемический вирус.

Вирус 1918 года был чрезвычайно опасен. На изображении а) показана ткань легкого мыши, инфицированная вирусом сезонного гриппа человека h2N1. На изображении c) показано влияние вируса 1918 года на легочную ткань мыши. Вирус 1918 быстро размножается и вызывает тяжелое заболевание в тканях легких мышей. В 1918 году вирус также вызывал тяжелое заболевание легких инфицированных людей. Фото предоставлено: CDC, Science .

resize iconView Larger

Работа доктора Тампи по реконструкции полных 1918 начался летом 2005 года. Чтобы снизить риск для коллег и общественности, он должен был работать над вирусом в одиночку и только в нерабочее время, когда его коллеги покидали лаборатории на день и уходили домой. Для доступа в лабораторию BSL-3E требовалось биометрическое сканирование отпечатков пальцев, а доступ к морозильным камерам для хранения вирусов был возможен только через сканирование радужной оболочки его глаз. Доктор Тампи должен был принимать назначенную профилактическую (превентивную) суточную дозу противовирусного препарата против гриппа осельтамивира в качестве дополнительной меры предосторожности, чтобы предотвратить заражение. Если он заразится, ему сообщат, что он будет помещен в карантин и ему будет отказано в контакте с внешним миром. Он понял и принял эту ответственность и ее последствия.

Используя обратную генетику, доктор Тампи взял плазмиды, созданные доктором Палезе для каждого из восьми генных сегментов вируса 1918 года, и вставил их в клетки почек человека. Затем плазмиды инструктировали клетки реконструировать РНК полного вируса 1918 года. В течение нескольких недель в июле 2005 года коллеги и сотрудники спрашивали доктора Тампи, есть ли у него вирус 1918 года и появился ли он уже в клеточной культуре.

В тот день, когда вирус 1918 года появился в его клеточной культуре, доктор Тампи знал, что история вошла в историю, и на самом деле исторический вирус был возвращен из вымирания. Позже в тот же день он разослал своим коллегам и соавторам игривое электронное письмо, вдохновленное Нилом Армстронгом, в котором просто говорилось: «Это один маленький шаг для человека, но гигантский скачок для человечества». Тогда все знали, что было сделано. Доктор Тампи стал первым человеком, реконструировавшим полные 1918 вирус. Следующим шагом было изучить его и раскрыть его смертельные секреты.

Лабораторные исследования реконструированного вируса 1918 года начались в августе 2005 г. Отчет об этой работе «Характеристика реконструированного вируса пандемии испанского гриппа 1918 г.» был опубликован в выпуске журнала Science от 7 октября 2005 г. ¹⁴ Для оценки патогенности вируса 1918 (т. е. способности вируса вызывать заболевание и наносить вред хозяину) были проведены исследования на животных с участием мышей. Мышей заражали вирусом 19.18, а также меры заболеваемости (т. е. потеря веса, репликация вируса и 50% титров летальной дозы) были собраны и задокументированы. Для сравнения, другие мыши были инфицированы различными вирусами гриппа, которые были созданы с помощью обратной генетики, чтобы иметь различные комбинации генов вируса 1918 года и современных вирусов сезонного гриппа человека A(h2N1). Эти вирусы называются «рекомбинантными вирусами».

Полностью реконструированный вирус 1918 года поразил своей способностью быстро реплицироваться, т. е. копировать себя и распространять инфекцию в легких зараженных мышей. Например, через четыре дня после заражения количество 1918, обнаруженный в ткани легких инфицированных мышей, был в 39 000 раз выше, чем у одного из рекомбинантных вирусов гриппа сравнения. ¹⁴

На левом рисунке показана репликация вируса сезонного гриппа человека Tx/91 в культуре клеток. На рисунке справа показано, как при замене гена полимеразы (PB1) этого же вируса на ген вируса 1918 года способность результирующего вируса к репликации (то есть к созданию собственных копий) значительно повышается. Фото: Терренс Тампи, CDC.

resize iconView Увеличить

Кроме того, вирус 1918 года был очень смертельным для мышей. Некоторые мыши погибли в течение трех дней после заражения вирусом 1918 года, а мыши потеряли до 13% массы тела в течение двух дней после заражения вирусом 1918 года. Вирус 1918 года был как минимум в 100 раз более смертоносным, чем один из других протестированных рекомбинантных вирусов. ¹⁴ Эксперименты показали, что ген HA вируса 1918 играет большую роль в его тяжести. Когда ген HA вируса 1918 года был заменен геном современного вируса сезонного гриппа A (h2N1) человека, известного как «A/Texas/36/91” или Tx/91 для краткости, и в сочетании с оставшимися семью генами вируса 1918 года, полученный рекомбинантный вирус заметно не убивал инфицированных мышей и не приводил к значительной потере веса. ¹⁴

Были проведены другие эксперименты, чтобы определить, может ли инфекция вирусом 1918 распространяться на другие жизненно важные органы мышей, такие как мозг, сердце, печень и селезенка. Лабораторные испытания не обнаружили вируса в этих органах, что позволяет предположить, что вирус 1918 года не вызывал системной инфекции у своих жертв.

Однако одним хорошо задокументированным эффектом вируса 1918 года было быстрое и серьезное повреждение легких. В 1918 году жертвы пандемического вируса страдали наполненными жидкостью легкими, а также тяжелой пневмонией и воспалением легочной ткани. В течение четырех дней после заражения у мышей, инфицированных вирусом 1918 года, наблюдались аналогичные осложнения в легких, что позволяет предположить, что это был уникальный аспект тяжести вируса 1918 года. ¹⁴

Воздействие вируса 1918 на легочную ткань также изучалось с использованием линии клеток легких человека (известной как клетки Calu-3). Сумма 19Вирус гриппа 18 измеряли в клетках через 12, 16 и 24 часа после заражения, и эти результаты сравнивали с результатами, полученными рекомбинантными вирусами с комбинацией генов вируса 1918, смешанных с генами современных вирусов сезонного гриппа человека. Подобно экспериментам с мышами, вирус 1918 года быстро размножался и распространялся в клетках легких человека. Настолько, что вирус 1918 года производил в клетках легких человека в 50 раз больше вируса, чем один из вирусов сравнения. Эти эксперименты позволили предположить, что в дополнение к НА, гены полимеразы 1918 сыграл значительную роль в инфекционности и вирулентности вируса в легочной ткани человека. ¹⁴

Лаборант ЦКЗ «засвечивает» куриное яйцо, чтобы показать куриный эмбрион внутри. Фото: Джеймс Гатани — Библиотека изображений общественного здравоохранения № 10759.

resize iconView Larger

Еще одна серия экспериментов была проведена для лучшего понимания возможного птичьего происхождения вируса 1918 года. Более ранние усилия по секвенированию под руководством доктора Таубенбергера и Рида предполагали, что 1918 генных сегментов вируса были более тесно связаны с вирусами птичьего гриппа A(h2N1), чем с вирусами h2N1, обнаруженными у других млекопитающих. Исследователей интересовало, будет ли вирус 1918 года летальным для оплодотворенных куриных яиц, то есть куриных яиц, содержащих эмбрион, подобно современным высокопатогенным вирусам птичьего гриппа.

Чтобы найти ответ, 10-дневные оплодотворенные куриные яйца были инокулированы вирусом 1918 года. Вирус 1918 года оказался смертельным для эмбрионов куриных яиц, подобно эффектам, вызываемым современными вирусами птичьего гриппа h2N1. ¹⁴ Примечательно, что сравнительные эксперименты с использованием вирусов сезонного гриппа человека A(h2N1) не оказали такого разрушительного воздействия на куриные эмбрионы. Кроме того, созданные доктором Тампи рекомбинантные вирусы гриппа, содержащие два, пять или семь генов вируса 1918 года, также не поражали куриные эмбрионы. ¹⁴ Подобно результатам исследований, проведенных на мышах и клетках легких человека, эти эксперименты с оплодотворенными куриными яйцами показали, что гены HA и полимеразы вируса 1918, вероятно, играют роль в его вирулентности.

Работа, проведенная доктором Тампи и его коллегами из CDC, предоставила новую информацию о свойствах, которые способствовали вирулентности вируса 1918 года. Доктор Тампи определил, что гены вируса HA и PB1 играют особенно важную роль в его инфекционности и серьезности. Однако, как показали его эксперименты с рекомбинантными вирусами гриппа с некоторыми, но не со всеми генами вируса 1918 года, не какой-то отдельный компонент вируса 1918 года, а уникальное сочетание всех его генов вместе сделало его особенно опасным.

Тампи и его коллеги написали, что «совокупность всех восьми генов образует исключительно вирулентный вирус». ¹⁴ Никакие другие протестированные вирусы гриппа человека не обладали такой исключительной вирулентностью. Таким образом, вирус 1918 года был особенным — уникальным смертоносным продуктом природы, эволюции и смешения людей и животных. Это послужило бы предзнаменованием способности природы вызывать будущие пандемии различной важности и происхождения для общественного здравоохранения.

Начало страницы

Скученность и передвижение войск во время Первой мировой войны, вероятно, способствовали распространению вируса 1918 года по всему миру. (Фото предоставлено: www. museumsyndicate.com/item.php?item=56784#). пандемии были менее серьезными и вызывали значительно более низкие уровни смертности, чем 1918 пандемия. ^2,3,4 Пандемия h3N2 1957 г. и пандемия h4N2 1968 г. каждая привели к примерно 1 миллиону смертей во всем мире, в то время как пандемия h2N1 2009 г. привела к менее чем 0,3 миллиона смертей в первый год. ^3,4 Это, возможно, вызывает вопрос о том, могла ли пандемия высокой степени тяжести в масштабах 1918 года произойти в наше время.

Так считают многие специалисты. В частности, внимание и озабоченность международной общественности привлек один вирус: вирус птичьего гриппа A(H7N9) из Китая. H7N9На сегодняшний день вирус вызвал 1568 случаев заражения людей в Китае с долей летальности около 39% с 2013 года. Однако он не приобрел способность быстро и эффективно распространяться между людьми. Эксперты считают, что если бы это произошло, это могло бы привести к пандемии, серьезность которой сравнима с пандемией 1918 года. До сих пор он продемонстрировал лишь ограниченную способность распространяться между людьми. Большинство случаев заражения человека этим вирусом происходит в результате контакта с птицами.

При рассмотрении возможности пандемии высокой степени тяжести в современную эпоху это важно; однако, если задуматься о значительных медицинских, научных и социальных достижениях, произошедших с 1918, признавая при этом, что есть ряд способов, которыми глобальная подготовка к следующей пандемии все еще требует улучшения.

Помимо свойств самого вируса, на вирулентность пандемии 1918 года повлияло множество дополнительных факторов. В 1918 году мир все еще был вовлечен в Первую мировую войну. Передвижение и мобилизация войск привели к тесному контакту большого количества людей, а жилые помещения были переполнены. Медицинские услуги были ограничены, и до 30% врачей США были отправлены на военную службу. ³

Кроме того, медицинские технологии и контрмеры в то время были ограничены или отсутствовали. В то время не существовало диагностических тестов, которые могли бы выявить гриппозную инфекцию. На самом деле врачи не знали о существовании вирусов гриппа. Многие эксперты в области здравоохранения в то время считали, что пандемия 1918 года была вызвана бактерией под названием «бацилла Пфайффера», которая теперь известна как Haemophilus influenzae.

Вакцины против гриппа в то время не существовало, и даже антибиотики еще не были разработаны. Например, пенициллин не был открыт до 1928. Точно так же отсутствовали противовирусные препараты против гриппа. Меры интенсивной терапии, такие как интенсивная терапия и искусственная вентиляция легких, также не были доступны в 1918 году. ⁴ Без этих медицинских контрмер и возможностей лечения у врачей оставалось мало вариантов лечения, кроме поддерживающей терапии. ³

Что касается национального, государственного и местного планирования пандемии, то в 1918 году не существовало скоординированных планов на случай пандемии. федеральное правительство не играло централизованной роли в планировании или инициировании этих вмешательств в течение 19-го века.18 пандемия. ³

В настоящее время достигнуты значительные успехи в области медицинских технологий, эпиднадзора, медицинской помощи, лекарственных препаратов, вакцин и планирования пандемии. Вакцины против гриппа в настоящее время производятся и ежегодно обновляются, а ежегодная вакцинация рекомендуется для всех в возрасте 6 месяцев и старше. В настоящее время существуют противовирусные препараты, которые лечат заболевание гриппом, а в случае воздействия вируса могут использоваться и для профилактики (предотвращения). Важно отметить, что в настоящее время доступно множество различных антибиотиков, которые можно использовать для лечения вторичных бактериальных инфекций.

В настоящее время доступны диагностические тесты для выявления гриппа, и со временем они совершенствуются. Текущие экспресс-тесты на грипп, также известные как RIDT, дают результаты в течение 15 минут и имеют чувствительность от 50 до 70%. Недавно стали доступны новые «быстрые молекулярные анализы», которые являются своевременными и гораздо более точными, чем RIDT. Столь же важными, как и эти достижения в диагностических тестах, являются улучшения, которые были сделаны в лабораторных тестах как в Соединенных Штатах, так и во всем мире.

Глобальная система эпиднадзора за гриппом и ответных мер (ГСЭГО) Всемирной организации здравоохранения (ВОЗ) представляет собой глобальную сеть эпиднадзора за гриппом, которая отслеживает изменения в вирусах сезонного гриппа, а также отслеживает появление новых (т. е. новых у людей) вирусов гриппа, многие из которых происходят из популяций животных. В результате взаимодействия с животными и людьми и воздействия окружающей среды эти вирусы могут вызывать инфекции у человека. CDC в Атланте является одним из шести сотрудничающих центров ВОЗ по справочной информации и исследованиям гриппа (наряду с другими центрами в Австралии, Китае, Японии и Соединенном Королевстве). Сотрудничающие центры ВОЗ собирают вирусы гриппа, полученные из респираторных образцов пациентов во всем мире, и их поддерживают 143 национальных центра по гриппу в 114 странах-членах ВОЗ. ³

Расширение возможностей лабораторного тестирования и наблюдения за гриппом во всем мире было важным направлением усилий по обеспечению готовности к пандемии. В 2004 году CDC начал международную инициативу по наращиванию потенциала в области эпиднадзора, которая предусматривала пятилетний период финансовой поддержки для улучшения лабораторных диагностических тестов и эпиднадзора за гриппоподобными заболеваниями (ГПЗ) и тяжелыми острыми респираторными инфекциями (ТОРИ) в 39 странах-партнерах.

В 2008 году CDC учредил Международный ресурс реагентов (IRR), который предоставляет реагенты лабораториям по всему миру для идентификации сезонных вирусов гриппа A и B, а также новых вирусов гриппа A. В течение 2009 г.пандемии h2N1, IRR распространила новый ПЦР-анализ h2N1 2009 года, разработанный CDC, среди национальных лабораторий общественного здравоохранения и лабораторий по всему миру менее чем через 2 недели после того, как вирус h2N1 2009 года был впервые идентифицирован. Это значительно повысило возможности глобального сообщества по эпиднадзору за гриппом отслеживать распространение вируса. ³

В соответствии с Международными медико-санитарными правилами ВОЗ (ММСП) страны должны уведомлять ВОЗ в течение 24 часов о любом случае заражения человека, вызванного новым подтипом вируса гриппа А. Это требование разработано, чтобы помочь быстро идентифицировать новые вирусы с пандемическим потенциалом.

С 2010 года CDC использует свой Инструмент оценки риска гриппа (IRAT) для оценки и оценки возникающих новых вирусов гриппа А и других вирусов, потенциально представляющих опасность для общественного здравоохранения. Оценка, предоставленная IRAT, отвечает на два вопроса: 1) Каков риск того, что вирус, который является новым для человека, может привести к устойчивой передаче вируса от человека к человеку? и: 2) Какова вероятность существенного воздействия вируса на общественное здравоохранение, если он сможет эффективно распространяться от человека к человеку? Результаты IRAT помогли экспертам в области общественного здравоохранения направить ресурсы для обеспечения готовности к пандемии против самых серьезных угроз заболеваний и расставить приоритеты в выборе вакцинных вирусов-кандидатов и разработке предпандемических вакцин против возникающих вирусов с наибольшим потенциалом вызвать серьезную пандемию.

При изготовлении предпандемических вакцин они хранятся в Стратегическом национальном запасе вместе с масками для лица, противовирусными препаратами и другими материалами, которые можно использовать в случае пандемии.

Все эти ресурсы, инструменты, технологии, программы и мероприятия являются отличными инструментами для планирования пандемии, и само планирование пандемии значительно улучшилось с 1918 года. В Соединенных Штатах Министерство здравоохранения и социальных служб (HHS) поддерживает национальный план борьбы с гриппом, и этот план был обновлен в 2017 году. Всемирная организация здравоохранения (ВОЗ) опубликовала инструкции для стран, которые они должны использовать при разработке своих собственных национальных планов борьбы с пандемией, а также контрольный список для управления рисками и последствиями пандемического гриппа. ³

Планировщики также имеют доступ к другим материалам. Например, в 2014 году Центр контроля заболеваний опубликовал структуру пандемии с шестью интервалами, которые попадают в кривую пандемии. Каждый интервал помогает расставить приоритеты при сборе данных, государственных ресурсах и вмешательствах, а также других важных мероприятиях во время пандемии. Кроме того, эксперты Центра по контролю и профилактике заболеваний США разработали систему оценки серьезности пандемии, которая использует данные для присвоения пандемиям оценок серьезности и трансмиссивности. Этот инструмент полезен для целей планирования и определения соответствующих мер по смягчению последствий в зависимости от серьезности пандемии. Кроме того, для использования во время пандемии были разработаны и пересмотрены руководящие принципы нефармацевтических вмешательств, таких как закрытие школ и массовых мероприятий.

Хотя все эти планы, ресурсы, продукты и улучшения показывают, что с 1918 года был достигнут значительный прогресс, пробелы остаются, и тяжелая пандемия все еще может иметь разрушительные последствия для населения во всем мире. В 1918 году население земного шара составляло 1,8 миллиарда человек. Спустя сто лет население мира выросло до 7,6 миллиарда человек в 2018 году. ³ По мере роста населения росло и поголовье свиней и домашней птицы как средства их пропитания. Это увеличенное число хозяев обеспечивает новые возможности распространения, эволюции и заражения людей новыми вирусами гриппа от птиц и свиней. Глобальное перемещение людей и товаров также увеличилось, что позволяет последней угрозе болезни находиться на расстоянии международного авиарейса. Из-за мобильности и расширения человеческого населения даже когда-то экзотические патогены, такие как лихорадка Эбола, которые ранее поражали только людей, живущих в отдаленных деревнях африканских джунглей, теперь сумели проникнуть в городские районы, вызывая крупные вспышки.

Если бы серьезная пандемия, подобная той, что произошла в 1918 году, случилась сегодня, она все равно, вероятно, перегрузила бы инфраструктуру здравоохранения как в Соединенных Штатах, так и во всем мире. Больницы и врачебные кабинеты будут изо всех сил пытаться удовлетворить спрос из-за большого количества пациентов, нуждающихся в уходе. Такое событие потребует значительного увеличения производства, распределения и поставок лекарств, продуктов и спасательного медицинского оборудования, такого как аппараты искусственной вентиляции легких. Предприятия и школы будут с трудом функционировать, и это может повлиять даже на основные услуги, такие как вывоз мусора и вывоз мусора.

Лучшей защитой от гриппа по-прежнему является вакцина против гриппа, но даже сегодня вакцины против гриппа сталкиваются с рядом проблем. Одна из проблем заключается в том, что вакцины против гриппа часто умеренно эффективны, даже если они хорошо подходят для циркулирующих вирусов. Но, возможно, самой большой проблемой является время, необходимое для производства новой вакцины против возникающей угрозы пандемии. Как правило, на выбор и производство новой вакцины уходит около 20 недель.

Во время пандемии h2N1 2009 г. первые дозы пандемической вакцины стали доступны только через 26 недель после принятия решения о производстве моновалентной вакцины. ³ В результате большинство прививок в Соединенных Штатах было проведено после пика заболеваемости вирусом h2N1 в 2009 году. План HHS по борьбе с пандемическим гриппом ставит перед собой цель сократить сроки изготовления вакцины против пандемического гриппа с 20 до 12 недель, но добиться этого сложно.

Одним из возможных решений является создание вакцин с более широким защитным действием и более продолжительным действием. Создание «универсальной вакцины» продолжает ускользать от ведущих ученых мира, но в будущем оно может стать реальностью. Тем временем чиновники здравоохранения стремятся получить максимальную отдачу от новых и существующих технологий вакцин против гриппа, таких как клеточные и рекомбинантные вакцины, которые не зависят от поставок куриных яиц, как традиционные вакцины, и могут быть произведены. Быстрее.

Еще одна проблема с вакцинами — неадекватные глобальные возможности для массового производства гриппозных вакцин. По оценкам, в 2015 году глобальные возможности вакцины против пандемического гриппа составили 6,4 миллиарда доз, но этого недостаточно, чтобы охватить даже половину населения мира, если для защиты потребуются две дозы пандемической вакцины. ³

Другие проблемы на глобальном уровне включают возможности эпиднадзора, инфраструктуру и планирование пандемии. В большинстве стран, которые отчитываются перед ВОЗ, до сих пор нет национального плана борьбы с пандемией, а возможности оказания неотложной и клинической помощи, особенно в странах с низким уровнем дохода, по-прежнему недостаточны для удовлетворения потребностей в условиях тяжелой пандемии. ³ В 2005 г. в пересмотренных Международных медико-санитарных правилах (ММСП) для стран были созданы вехи для улучшения их потенциала реагирования на чрезвычайные ситуации в области общественного здравоохранения, но в 2016 г. только одна треть стран соблюдала требования. ³

Все эти вопросы показывают, что необходимо проделать дополнительную работу как здесь, в Соединенных Штатах, так и на международном уровне, чтобы подготовиться к следующей пандемии. 7 мая 2018 г. Школа общественного здравоохранения имени Роллинза при Университете Эмори в партнерстве с Центрами США по контролю и профилактике заболеваний провела однодневный симпозиум, посвященный 100-летию 19-летия18 пандемия гриппа. В мероприятии приняли участие эксперты из правительства и научных кругов, которые обсудили текущие угрозы пандемии и будущее готовности к пандемии, профилактики гриппа и борьбы с ним. Эксперты по гриппу из США и других стран мира, присутствовавшие на встрече, согласились с тем, что мы по-прежнему сталкиваемся с большими проблемами, чтобы подготовиться к будущим пандемиям гриппа, но частью решения является признание этих проблем и совместная работа с остальным миром для их решения.

Для получения дополнительной информации о пандемии 1918 года см.18 (вирус h2N1). Для получения дополнительной информации о пандемиях гриппа см. Пандемический грипп.

К началу страницы

1. П. Джонсон и Дж. Мюллер. Обновление счетов: глобальная смертность от пандемии «испанского» гриппа 1918–1920 гг. Бык. История Мед. 2002. 76(1): 105-115. внешний значок
2. Барбара Джестер и др. Исторические и клинические аспекты пандемии h2N1 1918 года в США. Вирусология 2019. 527: 32-37.внешний значок
3. Барбара Джестер и др. Готовность к реагированию на серьезную пандемию через 100 лет после 1918 года. Am J Epidemiol. июль 2018 г. 187(12): 2596-2602. DOI: 10.1093/aje/kwy165.внешний значок
4. Барбара Джестер и др. 100 лет медицинских контрмер и готовности к пандемическому гриппу. Am J Общественное здравоохранение. 2018; 108: 1469-1472. Doi: 10.2105/AJPH.2018.304586.внешний значок
5. Журнал NYT: Зачем возрождать смертельный вирус гриппа? https://www.nytimes.com/2006/01/29/magazine/why-revive-a-deadly-flu-virus.htmlвнешний значок.
6. К. Таубенбергер, Энн Рейд, Эми Крафт и др. Первоначальная генетическая характеристика «испанского» вируса гриппа 1998 года. Наука . март 1997 г .; Том 275, Вып. 5307, стр. 1793-1796внешняя икона.
7. Хроники Сан-Франциско: Детектив по вирусам / Доктор Джон Халтин нашел доказательства эпидемии гриппа 1918 года, которые десятилетиями ускользали от внимания экспертов https://www. sfgate.com/magazine/article/The-Virus-detective-Dr-John -Hultin-has-found-2872017.phpвнешний значок
8. Энн Рид и др. Происхождение и эволюция 1918 Ген гемагглютинина вируса «испанского» гриппа PNAS. Февраль 1999 г. Том 96. Стр. 1651-1656.внешний значок
9. Энн Рид и др. Характеристика гена нейраминидазы вируса испанского гриппа 1918 года. ПНАС. Том. 97. № 12. Июнь 2000. Стр. 6785-6790внешняя иконка.
10. Кристофер Баслер и др. «Последовательность сегмента неструктурного гена (NS) вируса пандемического гриппа 1918 года и характеристика рекомбинантных вирусов, несущих гены NS 1918 года» PNAS. Том. 98. № 5. Февраль 2001 г. Стр. 1746-2751.внешний значок
11. Энн Рид и др. «Характеристика сегмента матриксного гена вируса «испанского» гриппа 1918 года» Журнал вирусологии. Ноябрь 2002 г. Том. 76. № 21. с. 10717-10723 Внешний значок.
12. Энн Рид и др. «Новое происхождение гена нуклеопротеина вируса пандемического гриппа 1918 года» Журнал вирусологии. Ноябрь 2004 г. Том. 78, № 22. Стр. 12462-12470pdf значоквнешний значок.
13. Джеффри К. Таубенбергер и др. «Характеристика генов полимеразы вируса гриппа 1918 г.» Природа. Октябрь 2005 г. Том 437 (6). Стр. 889-893внешняя иконка.
14. Tumpey TM, Baster CF, Aguilar PV и др. Характеристика реконструированного вируса пандемии испанского гриппа 1918 года» Science . Октябрь 2005 г. 310(5745): 77-80.внешний значок

Связанные ресурсы

• Terrence Tumpey et al. «Существующие противовирусные препараты эффективны против вирусов гриппа с генами пандемического вируса 1918 года». ПНАС. Октябрь 2002 г. Том. 99. № 21 с. 13849-13854 Внешний значок.
• Терренс Тампи и др. «Патогенность и иммуногенность вирусов гриппа с генами из 1918 пандемический вирус. ПНАС. Март 2004 г. Том. 101 № 9. Стр. 3166-3171.внешний значок
• Гиббс М.Дж., Армстронг Дж.С., Гиббс А.Дж. и др. «Рекомбинация в гене гемагглютинина науки об «испанке» 1918 года. Сентябрь 2001 г. Том 293 (5536). Стр. 1842-1845внешний значок.
• Лорел Глейзер и др. «Одна аминокислотная замена в гемагглютинине вируса гриппа 1918 года изменяет специфичность связывания рецептора» Журнал вирусологии. Сентябрь 2005 г. Том 79. № 17. Стр. 11533-11536внешняя иконка.
• Эрвин Фодор и др. «Спасение вируса гриппа А из рекомбинантной ДНК» Журнал вирусологии. Ноябрь 1999 г. Том 73. № 11. Стр. 9679-9682внешний значок.
• Дарвин Кобаса и др. «Повышенная вирулентность вирусов гриппа А с гемагглютинином пандемического вируса 1918 года». Природа. Октябрь 2004 г. Том 431 стр. 703-707 Внешний значок.
• Масато Хатта и др. «Молекулярная основа высокой вирулентности гонконгских вирусов гриппа H5N1 A» Наука. Сентябрь 2001 г. Том 293. Стр. 1840-1842 гг.Внешняя икона.
• Биография Питера Палезе – Медицинская школа Икана на горе Синай: http://labs.icahn.mssm.edu/paleselab/external icon

К началу страницы

Эпидемиология и вирусология пандемии гриппа 1918 года

10:30–11:45

10:30–21:95 Ведущий Сессия и модератор: Ральф Барик, доктор философии , профессор эпидемиологии, Школа глобального общественного здравоохранения UNC Gillings; профессор микробиологии и иммунологии медицинского факультета; UNC-Чапел-Хилл

10:30–10:50
«Раскрытие патогенных механизмов вируса гриппа; от первых охотников за гриппом до наших дней»
Адольфо Гарсия-Састре, доктор философии , директор Института глобального здравоохранения и новых патогенов; профессор микробиологии; Профессор медицины Фишберга, отделение инфекционных заболеваний, Медицинская школа Икан на горе Синай

Доктор Адольфо Гарсия-Састре

Адольфо Гарсия-Састре, доктор философии, последние 25 лет сосредоточил свои исследования на молекулярной биологии вирусов гриппа и несколько других РНК-вирусов с отрицательной цепью. Он внес значительный вклад в изучение вирусов гриппа, включая разработку новых генетических методов и вакцин-кандидатов против различных инфекционных заболеваний, например, малярии и СПИДа. Результатом его исследований стало более 480 научных публикаций и обзоров. Доктор Гарсия-Састре является директором Центра исследований патогенеза гриппа, одного из пяти центров передового опыта по исследованиям и эпиднадзору за гриппом, финансируемых Национальным институтом аллергии и инфекционных заболеваний. Его публикация в Наука по реконструкции и характеристике вируса пандемического гриппа 1918 года была отмечена наградой журнала Lancet в 2005 году как статья года. В., Миорин Л., Суриссо М., Шварц М., Санчес-Секо М., Эванс М., Бест С., Гарсия-Састре А. Вирус Зика нацелен на STAT2 человека, чтобы ингибировать передачу сигналов интерферона I типа. Сотовый хозяин и микроб 2016; 19: 882-890.

Langlois R, Albrecht R, Kimble B, Sutton T, Shapiro J, Finch C, Angel M, Chua M, Gonzalez-Reiche A, Xu K, Perez D, García-Sastre A. Стратегия на основе микроРНК для снижения риска исследования гриппа с усилением функции. Нац. Биотех. 2013; 31: 844-847.

10:50-11:10
«Разработка лучших вакцин: не за горами?»
Барни С. Грэм, доктор медицинских наук , заместитель директора Центра исследований вакцин Национального института аллергии и инфекционных заболеваний (NIAID)

Д-р Барни С. Грэм

Барни С. Грэм, доктор медицинских наук, иммунолог , вирусолог и врач, занимающийся клиническими испытаниями, основными интересами которого являются вирусный патогенез, иммунитет и разработка вакцин. Его работа сосредоточена на ВИЧ, респираторно-синцитиальном вирусе (RSV), гриппе, коронавирусах и других новых вирусных заболеваниях. В 2000 году он стал одним из основателей Исследовательского центра вакцин NIAID при Национальном институте здравоохранения, где в настоящее время является заместителем директора и руководителем лаборатории вирусного патогенеза и курирует передовую разработку вакцин-кандидатов. Его лаборатория исследует основные механизмы, с помощью которых Т-клетки влияют на клиренс вируса и иммунопатологию, исследует механизмы опосредованной антителами нейтрализации вируса и разрабатывает подходы к вакцинам против респираторных вирусных инфекций и возникающих вирусных заболеваний, включая коронавирус Зика и MERS. Он является лауреатом премии Роберта М. Чанока за пожизненный вклад в исследования РСВ. Он работает консультантом для организаций, занимающихся разработкой вакцин против ВИЧ, туберкулеза, малярии, RSV и новых вирусных патогенов.

Избранные публикации:

1. Graham BS. Успехи в разработке противовирусных вакцин. (внешняя ссылка) Immunol Rev. 2013 Sep;255(1):230-42.
2. Уильямс В.Б., Ляо Х.С., Муди М.А., Кеплер Т.Б., Алам С.М., Гао Ф., Вихе К., Трама А.М., Джонс К., Чжан Р., Сонг Х., Маршалл Д.Дж., Уайтсайдс Д.Ф., Саватцки К., Хуа А., Лю П., Тай MZ, Seaton KE, Shen X, Foulger A, Lloyd KE, Parks R, Pollara J, Ferrari G, Yu JS, Vandergrift N, Montefiori DC, Sobieszczyk ME, Hammer S, Karuna S, Gilbert P, Grove D, Grunenberg N, МакЭлрат М. Дж., Маскола Дж.Р., Куп Р.А., Кори Л., Набель Г.Дж., Морган С., Черчиярд Г., Маенза Дж., Кифер М., Грэм Б.С., Баден Л.Р., Томарас Г.Д., Хейнс Б.Ф. ВАКЦИНЫ ВИЧ-1. Перенаправление иммунитета, индуцированного вакциной против ВИЧ-1, перекрестно-реактивными антителами к gp41-микробиоте. Наука. 2015 14 августа; 349(6249):aab1253. doi: 10.1126/science.aab1253. Epub 2015 30 июля.
3. Гилберт П.Б., Юраска М., деКэмп А.С., Каруна С., Эдупуганти С., Мгоди Н., Доннелл Д.Дж., Бентли С., Систа Н., Эндрю П., Исаакс А., Хуанг И., Чжан Л., Каппарелли Э., Кочар Н., Ван Дж., Эшлеман SH, Mayer KH, Magaret CA, Hural J, Kublin JG, Gray G, Montefiori DC, Gomez MM, Burns DN, McElrath J, Ledgerwood J, Graham BS, Mascola JR, Cohen M, Corey L. Базис и статистический план Пассивная профилактика, опосредованная антителами к ВИЧ-1 (AMP), испытания эффективности проверки концепции. Stat Commun Infect Dis. 2017 янв;9(1). pii: 20160001. doi: 10.1515/scid-2016-0001. Epub 2017 6 июня.

11:15-11:35
«Лучшие антивирусные препараты: будут ли они готовы?»
Фредерик Г. Хейден, MD , Стюарт С. Ричардсон, почетный профессор клинической вирусологии; Почетный профессор медицины Медицинского факультета Университета Вирджинии

Dr. Frederick G. Hayden

Frederick G. Hayden, MD, занимается исследованиями респираторных вирусных инфекций, уделяя особое внимание разработке и применению противовирусных препаратов для лечения гриппа. , риновирус и другие респираторные вирусы. Ранее он работал врачом в Глобальной программе по гриппу Всемирной организации здравоохранения (ВОЗ) и координатором исследований гриппа в Wellcome Trust в Лондоне. Он опубликовал более 350 рецензируемых статей, глав и обзоров, а также вместе с Дугласом Ричманом и Ричардом Уитли редактирует учебник 9.0093 Клиническая вирусология . В 2012–2013 годах он работал с коллегами из ВОЗ над разработкой программы «Битва с респираторными вирусами» (BRAVE) для содействия исследованиям этой важной проблемы общественного здравоохранения. Он также помог создать Международный консорциум по тяжелым острым респираторным и новым инфекциям, чтобы улучшить реакцию клинических исследований на угрозы респираторных и других новых инфекционных заболеваний.

Избранные публикации:

1. Хуи Д.С., Хейден Ф.Г., Редакционный комментарий: хозяин и вирусные факторы в возникающих вирусных инфекциях гриппа., 2014; Клинические инфекционные заболевания: официальное издание Американского общества инфекционистов. 58(8) 1104-6. PMID: 24488976
2. Bresee J, Hayden FG, Эпидемия гриппа – реакция на ожидаемое, но непредсказуемое, 2013 г.; Медицинский журнал Новой Англии. 368(7) 589-92. PMID: 23343038
3. McCullers JA, Hayden FG, Летальные инфекции гриппа B: время пересмотреть приоритеты исследований гриппа., 2012; Журнал инфекционных болезней. 205(6) 870-2. PMID: 222

11:35-11:50
Модерируемые вопросы/обсуждение

11:50 – 12:40

Анализ Twitter и веб-запросов для прогнозирования тенденций гриппа | Теоретическая биология и медицинское моделирование

Том 11, Приложение 1

• Исследования
• Открытый доступ
• Опубликовано: 07 мая 2014 г.

• Хосе Карлос Сантос ¹ и
• Серхио Матос ¹  

Теоретическая биология и медицинское моделирование том 11 , Номер статьи: S6 (2014) Процитировать эту статью

• 6662 Доступ

• 19 Альтметрический

• Сведения о показателях

Abstract

Background

Платформы социальных сетей поощряют людей делиться различными аспектами своей повседневной жизни. Среди них общая информация, связанная со здоровьем, может использоваться для вывода о состоянии здоровья и уровне заболеваемости для конкретных состояний или симптомов. В этой работе мы представляем инфодемиологическое исследование, в котором оценивается использование сообщений Twitter и журналов запросов поисковых систем для оценки и прогнозирования уровня заболеваемости гриппоподобными заболеваниями в Португалии.

Результаты

Основываясь на классифицированном вручную наборе данных из 2704 твитов из Португалии, мы выбрали набор из 650 текстовых признаков для обучения наивного байесовского классификатора идентифицировать твиты, в которых упоминается грипп или гриппоподобные заболевания или симптомы. Мы получили точность 0,78 и F-меру 0,83 на основе перекрестной проверки полного аннотированного набора. Кроме того, мы обучили модель множественной линейной регрессии для оценки данных мониторинга здоровья из проекта Influenzanet, используя в качестве предикторов относительную частоту, полученную из результатов классификации твитов и из журналов запросов, и получили коэффициент корреляции 0,89. ( р < 0,001). Эти классификационные и регрессионные модели также применялись для оценки заболеваемости гриппом в следующем сезоне гриппа, при этом была достигнута корреляция 0,72.

Выводы

Предыдущие исследования, посвященные оценке заболеваемости на основе пользовательского контента, в основном были сосредоточены на английском языке. Наши результаты еще раз подтверждают эти исследования и показывают, что, изменив начальные этапы предварительной обработки данных, извлечения и выбора признаков, предлагаемые подходы можно адаптировать к другим языкам. Кроме того, мы исследовали, можно ли применить созданную прогностическую модель к данным следующего сезона гриппа. В этом случае, хотя результат прогнозирования был хорошим, для достижения более надежных результатов может потребоваться начальная фаза адаптации регрессионной модели.

Предыстория

С установлением парадигмы Web2.0 Интернет стал средством распространения личной информации, а не только источником информации. Кроме того, благодаря широкому доступу к компьютерам и появлению других более мобильных платформ, таких как смартфоны и планшеты, в настоящее время каждый день создается большое количество пользовательского контента (UGC) на веб-страницах, в блогах и через службы социальных сетей, такие как Твиттер или Фейсбук. Этот контент включает, например, личный опыт, знания, обзоры продуктов и информацию о здоровье [1, 2], представляющие большие возможности со многими возможными приложениями. Добыча этих данных обеспечивает мгновенный снимок общественного мнения, а лонгитюдное отслеживание позволяет выявить изменения во мнениях [3]. Twitter [4], например, предлагает сервис микроблогов, который позволяет пользователям общаться через обновления статуса, ограниченные 140 символами, обычно называемые «твитами». У него более 200 миллионов активных пользователей, ежедневно публикуется около 400 миллионов твитов.

Среди различных форм создаваемого контента люди часто используют службы социальных сетей для обмена личной информацией, связанной со здоровьем, такой как появление симптомов гриппа или восстановление этих симптомов. Другие типы пользовательского контента, такие как поисковые запросы в Интернете или комментарии к новостным статьям, также могут содержать информацию, связанную с некоторыми из этих аспектов. Таким образом, эту информацию можно использовать для выявления случаев заболевания и оценки уровня заболеваемости во времени. Использование этих различных форм интернет-данных для вывода и прогнозирования заболеваемости является предметом инфодемиологии, новой области исследований, которая также сосредоточена на синдромном надзоре, а также на измерении и отслеживании распространения медицинской информации через Интернет [5].

Различные предыдущие работы использовали Twitter и другие данные, созданные пользователями, для оценки и категоризации информации, которую ищут люди, чтобы сделать вывод о состоянии здоровья или измерить распространение болезни среди населения [6]. В Лионе и др. [7], например, авторы сравнили три сетевые интеллектуальные системы биобезопасности и подчеркнули ценность социальных сетей, а именно Twitter, с точки зрения скорости передачи информации, а также потому, что многие вопросы или сообщения не распространялись другими способами. . Чу и Эйзенбах [3] предложили дополнительный подход к информационной слежке в 2009 г.Пандемия h2N1 с использованием Twitter. Они применили анализ контента и настроений к 2 миллионам твитов, содержащих ключевые слова «свиной грипп», «свиной грипп» или «h2N1». Для этого они создали ряд запросов, связанных с различными категориями контента, и показали, что результаты этих запросов хорошо коррелируют с результатами ручного кодирования, предполагая, что можно достичь контента и анализа настроений почти в реальном времени, что позволяет отслеживать большие объемы. текстовых данных во времени. Синьорини и др. [8] собрали твиты, соответствующие набору из 15 предварительно заданных поисковых запросов, включая «грипп», «вакцина», «тамифлю» и «h2n1», и применили контент-анализ и регрессионные модели для измерения и мониторинга общественного беспокойства и уровней заболеваемости во время пандемии. пандемия h2N1 в США. Используя регрессионную модель, обученную на 1 миллионе твитов, связанных с гриппом, и используя в качестве эталона показатели заболеваемости, сообщаемые Центрами по контролю и профилактике заболеваний (CDC), авторы сообщили об ошибках в диапазоне от 0,04% до 0,9. 3% для оценки уровней гриппоподобных заболеваний. Чунара и др. [9] проанализировали связанные с холерой твиты, опубликованные в течение первых 100 дней вспышки холеры на Гаити в 2010 году. Для этого были рассмотрены все твиты, опубликованные в этот период и содержащие слово «холера» или хэштег «#холера», и эти данные были сопоставлены с данными из двух источников: HealthMap, автоматизированной платформы эпиднадзора, и Министерства общественного здравоохранения Гаити. Здоровье (МСПП). Они показали хорошую корреляцию между данными Twitter и HealthMap, а также показали хорошую корреляцию (0,83) между данными Twitter и MSPP в начальный период вспышки, хотя это значение уменьшилось до 0,25, когда рассматривался полный 100-дневный период.

Арамаки и др. [10] применили методы машинного обучения SVM к сообщениям Twitter, чтобы предсказать уровень заболеваемости гриппом в Японии. Лампос и Кристианини [11] и Кулотта [12, 13] проанализировали сообщения Твиттера с использованием регрессионных моделей в Соединенном Королевстве и США соответственно, получив коэффициент корреляции примерно 0,95. Совсем недавно Lee и соавт. [14] предложили инструмент для наблюдения за заболеванием в режиме реального времени с использованием данных Twitter, показывающий суточную активность заболевания и соответствующие симптомы, автоматически извлеченные из текста, а также географическую заболеваемость.

Различные работы также полагаются на журналы запросов для отслеживания активности гриппа. Одна из первых работ в этой области была выполнена Эйзенбахом [15], который наблюдал коэффициент корреляции Пирсона, равный 0,91, между кликами по рекламе, инициируемой ключевыми словами, в поисковой системе Google с эпидемиологическими данными из Канады. Позже эта работа была расширена Ginsberg et al. [16], которые представили Google Flu Trends, инструмент, основанный на поисковых запросах Google и достигший средней корреляции 0,97 по сравнению с процентами ГПЗ, предоставленными Центрами по контролю за заболеваниями (CDC).

Самым большим преимуществом этих методов перед традиционными является мгновенная обратная связь: в то время как отчеты о состоянии здоровья публикуются еженедельно или ежемесячно, анализ Twitter и/или журналов запросов можно получить почти мгновенно. Эта характеристика имеет чрезвычайно важное значение, поскольку выявление на ранней стадии может уменьшить воздействие эпидемических вспышек [10, 16]. В этой работе мы адаптировали ранее описанные методы для оценки частоты возникновения гриппа в Португалии с использованием пользовательского контента из разных источников, а именно твитов и журналов запросов, объединенных с помощью нескольких моделей линейной регрессии. Мы используем двухэтапный подход, который использовался в аналогичных исследованиях: сначала твиты и пользовательские запросы отбираются в соответствии с созданными вручную регулярными выражениями, а затем твиты классифицируются как «положительные» или «отрицательные» в зависимости от того, указывает ли текст на возникновение гриппа или нет; во-вторых, мы используем относительную частоту выбранных твитов и поисковых запросов для оценки показателей заболеваемости гриппом, как это было предсказано с помощью онлайн-схемы самоотчетности. Мы показываем результаты проверки для каждого из этих шагов, а также оцениваем, можно ли напрямую применять обученные модели в следующие сезоны гриппа, что позволяет отслеживать тенденции заболеваемости.

Статья организована следующим образом: в следующем разделе описывается методология с последующим изложением и обсуждением полученных результатов; наконец, в последнем разделе представлены некоторые выводы и предложения для дальнейших исследований.

Методы

Основная цель этой работы заключалась в том, чтобы оценить, можно ли использовать пользовательский контент для создания надежной прогностической модели для получения мгновенной обратной связи относительно заболеваемости гриппом в Португалии, позволяющей отслеживать ее изменения во времени в течение основного период гриппа. Чтобы оценить эффективность нашего подхода, мы сравнили его с эпидемиологическими результатами Influenzanet [17], проекта по мониторингу здоровья, связанного с гриппом. Данные Influenzanet собираются от нескольких участников, которые регистрируются в проекте и еженедельно сообщают о любых симптомах гриппа, таких как лихорадка или головные боли. Результаты Influenzanet представлены в виде еженедельных уровней активности, определяемых как количество проявлений симптомов на данной неделе, деленное на количество недель участия. По состоянию на май 2013 года более 41 200 добровольцев из девяти европейских стран внесли свой вклад в проект Influenzanet. В Португалии на тот момент было зарегистрировано 1552 участника, которые внесли свой вклад в данные.

Предлагаемый нами метод основан на анализе твитов и поисковых запросов в Интернете. Мы начнем с определения твитов и запросов, которые релевантны для указания на наличие гриппа или его симптомов. Это может быть, например, заявление о статусе в Твиттере или веб-поиск лекарства от гриппа. Затем мы рассчитываем еженедельную относительную частоту твитов и веб-запросов, связанных с гриппом, то есть долю твитов (запросов) за данную неделю, связанных с гриппом. Учитывая эти значения, мы обучили различные регрессионные модели, используя результаты Influenzanet в качестве зависимой переменной или предиктора. Данные были согласованы по времени с результатами Influenzanet. Мы использовали обучающие данные из почти 14 миллионов твитов, созданных в Португалии и охватывающих период с марта 2011 г. по февраль 2012 г., в среднем 324 тысячи твитов в неделю. Первоначальный анализ показал, что большое количество твитов, включая ссылки на веб-адреса (URL), были взяты из источников новостей или содержали ссылки на новости. Поэтому все твиты, содержащие URL, были удалены из набора данных, чтобы избежать предвзятости. Точно так же исключались и ответы (ретвиты). Помимо Twitter, мы также использовали около 15 миллионов записей журнала запросов из поисковой платформы SAPO [18] с декабря 2011 года по май 2012 года, в среднем 780 тысяч записей журнала в неделю.

Чтобы проверить возможность применения предложенного метода в реальном сценарии, мы проверили гипотезу о том, что модели классификации и регрессии, обученные в одном сезоне гриппа, могут быть применены в следующем сезоне. Это позволило бы еженедельно измерять заболеваемость гриппом практически в режиме реального времени. Для этого мы получили в общей сложности 24 миллиона твитов, созданных с декабря 2012 по апрель 2013 года, в среднем 1,1 миллиона твитов в неделю. Из журналов веб-поиска мы получили в общей сложности 14 миллионов запросов за тот же период, в среднем 650 тысяч запросов в неделю.

Регулярные выражения

Начнем с применения регулярных выражений для захвата твитов и запросов, содержащих слова, связанные с гриппом. Для запросов мы использовали простое регулярное выражение, которое соответствует производным слова « gripe » (португальское слово, обозначающее грипп): « (en)?grip[az]+ ». Был определен набор из 1547 поисковых запросов, в среднем 47 поисковых запросов в неделю.

Для фильтрации данных Twitter мы использовали более сложное выражение, поскольку твиты могут содержать более описательный отчет о чьем-либо состоянии здоровья. Регулярное выражение было построено в соответствии с общими представлениями о том, как люди описывают грипп и гриппоподобные симптомы, и может быть разделено на три группы, как описано в таблице 1: » gripe «(грипп) производные слова, » constipação » (простуда) производные слова и симптомы гриппа, такие как боли в теле/горле, головная боль и лихорадка. Используя это регулярное выражение, был идентифицирован набор из 3183 твитов, в среднем 67 твитов в неделю

Полноразмерная таблица

Методы классификации

Использование фильтрации на основе регулярных выражений, как описано выше, недостаточно, так как многие твиты, содержащие слова, относящиеся к гриппу, не подразумевают что у человека, пишущего текст, грипп. Твиты вроде « Надеясь, что грипп не ударит меня снова этой зимой «, содержат ключевое слово грипп, но не говорят нам, что у этого человека грипп. Чтобы решить эту проблему, мы применили методы машинного обучения, чтобы классифицировать каждый твит как «положительный» или «отрицательный» в соответствии с его содержанием. Каждому комментатору неоднократно назначался случайный твит со следующими ограничениями: каждый твит должен был быть помечен не более чем тремя комментаторами, и каждый комментатор не мог пометить один и тот же твит более одного раза. если выяснилось, что человек, написавший это, болел гриппом, имел симптомы гриппа или недавно болел гриппом. Также использовалась третья категория для обозначения твитов, относящихся к «простуде». оцените эти твиты как положительные или отрицательные в разделе результатов. Чтобы уменьшить количество неправильных ответов, комментаторы также могли пометить твит как неизвестный. Затем каждому сообщению присваивалась окончательная метка в соответствии с большинством голосов, то есть твит считался положительным, если хотя бы два аннотатора отмечали его как положительный. Твиты с непоследовательной или недостаточной информацией о маркировке не получали окончательную метку и не включались в набор данных.

Извлечение и выбор признаков

Для обучения моделей классификации твиты были представлены моделью мешка слов (BOW). Набор инструментов для обработки естественного языка [19] (NLTK) использовался для токенизации текста, удаления стоп-слов на португальском языке и выделения всех оставшихся слов в каждом твите. Также были сгенерированы биграммы символов для каждого слова, что составило в общей сложности 5106 признаков. Также были протестированы биграммы слов, но они не улучшили результаты классификации и поэтому были удалены.

Мы применили методы выбора функций для определения наилучшего набора функций для использования. Для этого каждую функцию сравнивали с меткой истинного класса, чтобы получить значение взаимной информации (MI). Чем выше оценка MI функции, тем больше она связана с меткой истинного класса, а это означает, что функция содержит отличительную информацию, позволяющую решить, следует ли классифицировать этот твит как положительный или отрицательный. Мы выбрали оптимальное количество признаков эмпирически, выбрав признаки со значением MI выше различных пороговых значений и выполнив перекрестную проверку с данными обучения.

Методы машинного обучения

Несколько методов машинного обучения (SVM, наивный байесовский метод, случайный лес, дерево решений, ближайший сосед) были протестированы, чтобы оценить, какие из них дадут лучшие результаты. Мы использовали SVM-light [20] реализацию SVM. Остальные классификаторы обучались с помощью инструментария Scikit-learn [21].

Модели линейной регрессии

Мы использовали модели линейной регрессии для оценки уровня заболеваемости гриппом, используя данные Influenzanet для обучения и проверки регрессии. Мы обучили как одиночную, так и множественную линейную регрессию, комбинируя предсказанные значения, полученные из разных классификаторов, журналов запросов и регулярных выражений:

yi=b0+∑k=1Kbkxi,k

(1)

где y _i представляет частоту гриппа на неделе i, b ₀ представляет собой точку пересечения, x _i,k — значение предиктора k на неделе i, b _k — коэффициент предиктора k , а K — общее количество используемых предикторов. В качестве входных данных для регрессий мы использовали еженедельные относительные частоты, полученные после применения регулярных выражений к веб-запросам и твитам, а также после классификации твитов с помощью различных протестированных классификаторов. Кроме того, вместо того, чтобы использовать количество положительных прогнозов от классификаторов для расчета еженедельных относительных частот, мы проверили суммирование вероятностей классификации положительных прогнозируемых документов на каждой неделе, аналогично тому, что было предложено Кулоттой [12, 13]:

fi=∑dj∈Dip(yj=1|xj)|Di|,p(yj=1|xj)>t

(2)

где f _i — прогнозируемая заболеваемость на неделе i, D _i комплект документов за неделю i, p ( y _j = 1 |х _j ) — вероятность классифицировать документ x _и как положительный, |D _i | — количество документов за неделю i , а t — порог классификации.

Результаты и обсуждение

Аннотации данных

Всего было получено 7132 аннотаций, в результате чего было получено 2704 помеченных твита, из которых 949 были положительными на грипп. Хотя было привлечено большое количество аннотаторов, что могло внести несогласованность в данные, это было сведено к минимуму тем фактом, что меньшее количество аннотаторов фактически способствовало классификации большей части набора данных: три лучших аннотатора внесли свой вклад в маркировку 56 % набора данных, а десять лучших аннотаторов внесли свой вклад в 90% конечных меток (таблица 2). Кроме того, для проверки данных, полученных от аннотаторов, один из авторов проверил метки большинства 500 случайных твитов, получившие наибольшее количество голосов, что привело к точности аннотатора 95,2%.

Полноразмерная таблица

Двоичная классификация сообщений Twitter

Эффективность различных классификаторов сравнивалась с помощью 5 × 2-кратной перекрестной проверки с использованием всего набора данных из 2704 твитов, охватывающих период с мая 2011 г. по февраль 2012 г. полный набор признаков, наилучшие результаты были получены с классификатором SVM, с F-мерой 0,75. После выбора признаков наилучшие общие результаты были получены для набора из 650 признаков, с достижением F-меры 0,83 как с классификаторами SVM, так и с наивным байесовским классификатором (таблица 3).

Полноразмерная таблица

Для каждого классификатора мы выбрали из анализа рабочих характеристик приемника (ROC) (рис. 1) и на основе только обучающих данных рабочую точку, которая максимизирует точность классификации без серьезных потерь при отзыве классификатора. . Хотя можно было бы выбрать рабочие точки с более высокими значениями F-меры, они будут представлять более высокий отзыв за счет более низкой точности. Поэтому мы выбрали более строгие модели, чтобы уменьшить количество ложных срабатываний и, следовательно, количество шума, присутствующего в окончательных результатах.

ROC-анализ . Анализ рабочих характеристик приемника (ROC) для каждого классификатора после выбора функции.

Полноразмерное изображение

Применение простой линейной регрессии между предсказаниями каждого из этих классификаторов и данными Influenzanet привело к среднему коэффициенту корреляции 0,76 как для SVM, так и для наивного байесовского метода. Когда классификаторы были обучены с твитами, помеченными как «холодные», обработанными как положительные данные, результаты значительно улучшились для наивного байесовского классификатора (0,82), но для классификатора SVM было получено лишь небольшое изменение (0,77).

Прогнозирование тенденций гриппа

Для прогнозирования тенденций гриппа мы тестировали модели линейной регрессии с относительными частотами, рассчитанными на основе результатов классификации, журналов запросов и регулярных выражений в качестве предикторов.

Чтобы выбрать наилучшую регрессионную модель, мы провели серию экспериментов по перекрестной проверке, используя данные за период с декабря 2011 г. по апрель 2012 г. (20 недель). Чтобы избежать дублирования между обучающими и тестовыми данными, модели NB и SVM для классификации твитов были обучены на подмножестве из 1728 аннотированных вручную твитов, охватывающих период с марта 2011 г. по ноябрь 2011 г.

Для проведения экспериментов мы случайным образом разделили данные на обучающую и тестовую выборки, каждая из которых охватывала десять точек данных (недель). Это было повторено десять раз, и для каждого раздела был рассчитан коэффициент корреляции Пирсона между выходом предиктора и показателями Influenzanet, используемый в качестве золотого стандарта. Средние результаты показаны в таблице 4. В результатах, показанных в таблице, для классификации твитов использовался наивный байесовский классификатор. Корреляция 0,886 была получена для множественной регрессии, объединяющей относительную частоту запросов с относительной частотой твитов, с использованием вероятностей классификации вместо количества в расчете, как показано в таблице 4. Для сравнения, наилучшая регрессия, полученная с помощью классификатора SVM, была достигнута. с той же конфигурацией, что дает коэффициент корреляции 0,849. На рис. 2 показан результирующий прогнозируемый тренд для этих данных с использованием наилучшей регрессионной модели. Модель обучалась на данных за первые десять недель и применялась ко всей временной последовательности.

Полноразмерная таблица

Множественная линейная регрессия . Результаты прогнозирования для модели линейной регрессии с использованием относительной частоты запросов и твитов, классифицированных наивной байесовской моделью.

Полноразмерное изображение

Одним из возможных ограничений этого исследования является уменьшенный размер набора данных по сравнению с аналогичными работами. Фактически, несмотря на то, что Twitter является широко используемой социальной веб-платформой, он не очень популярен в Португалии, что ограничивает размер нашего набора данных. Для сравнения, у нас был доступ к примерно 14 миллионам твитов в качестве обучающих данных, в среднем ежедневно около 40 000 твитов, из которых 1728 использовались для обучения бинарных классификаторов. Арамаки и др. [10] использовали 300 миллионов твитов, из которых 5000 использовались для обучения. С другой стороны, Каллота [12] использовал в общей сложности 500 000 сообщений, выбрав 206 из них для обучения модели. Из-за ограниченного объема используемых данных в этой работе сообщается о проблемах переобучения. Однако, хотя данные, использованные для расчета коэффициентов модели, были ограничены, все же можно было получить хорошие результаты регрессии.

Чтобы проверить гипотезу о том, что модели классификации и регрессии, обученные в одном сезоне гриппа, могут быть применены в следующем сезоне, мы обучили модель классификации NB, используя полный набор из 2704 аннотированных твитов, и модель регрессии, используя 20 недель от С декабря 2011 г. по апрель 2012 г. Применяя регулярные выражения и предварительно обученный классификатор к 24 миллионам твитов за период с декабря 2012 г. по апрель 2013 г., мы получили в общей сложности 5594 положительных твита, что составляет в среднем 266 твитов в неделю. Точно так же, применив простое регулярное выражение для слов, связанных с гриппом, к 14 миллионам запросов за этот период, мы получили 1428 запросов, в среднем 68 запросов в неделю. Для каждой недели мы рассчитали относительную частоту запросов и твитов с учетом описанных выше вероятностей классификации и применили регрессионную модель, обученную на данных предыдущего сезона гриппа (с 2011 по 2012 год). Рисунок 3 иллюстрирует полученные результаты регрессии.

Прогноз тенденций гриппа . Прогноз заболеваемости гриппом в Португалии на период с декабря 2012 г. по апрель 2013 г. Для создания прогноза использовались модели, обученные на данных предыдущего сезона гриппа. Области с накоплением показывают минимальные, средние и максимальные значения, зарегистрированные проектом Influenzanet за каждую неделю. Уровень заболеваемости по данным Европейской сети эпиднадзора за гриппом (EISN) также показан (правая ось).

Полноразмерное изображение

Проект Influenzanet измеряет уровни активности ГПЗ по неделям, но обновляет и сообщает эти результаты ежедневно, принимая во внимание появление симптомов в предыдущие 7 дней и, следовательно, учитывая недели, начинающиеся в каждый день недели. Поскольку учитывается только начало симптомов, это приводит к изменчивости данных в зависимости от того, считаем ли мы, что неделя начинается в воскресенье или в понедельник. Чтобы справиться с этой изменчивостью, мы рассмотрели среднюю и максимальную зарегистрированную активность за данную неделю для обучения регрессионной модели. Примем понедельник за первый день недели.

Сложенные области на рис. 3 показывают минимальную, среднюю и максимальную активность ГПЗ, сообщаемую проектом Influenzanet за каждую неделю. Сплошная линия показывает прогнозируемый тренд, когда максимальное значение активности ГПЗ использовалось для обучения регрессионной модели. Пунктирная линия показывает тенденцию, когда использовалась средняя активность. Наилучший результат r = 0,72 получен с учетом максимального значения активности в регрессии. При рассмотрении среднего значения коэффициент корреляции снизился до 9.0569 r = 0,67.

Также показан еженедельный показатель заболеваемости, сообщаемый врачами и национальными агентствами в Европейскую сеть эпиднадзора за гриппом (EISN). Коэффициент корреляции в этом случае был намного ниже, r = 0,62, при использовании либо средних, либо максимальных значений активности в регрессии. Однако, учитывая временную задержку этой кривой на одну неделю по отношению к прогнозируемому тренду, эта корреляция значительно возрастает до r = 0,79.. На самом деле, рассматривая линии на графике, можно заметить, что тренд EISN, кажется, отстает от прогнозируемого тренда на одну неделю. Эта разница может быть результатом времени, которое люди тратят на визит к врачу, в отличие от характера социальных сетей в реальном времени.

Еще одно интересное наблюдение на графике — явно завышенный пик на 9 неделе (с 27 февраля по 4 марта 2013 г.). Фактически, хотя это и не указано в значениях Influenzanet и EISN, это соответствует периоду аномально высокой заболеваемости гриппом в Португалии, как сообщается в средствах массовой информации и Национальным институтом здравоохранения (INSA) в его еженедельном бюллетене по эпиднадзору за гриппом. Также возможно, что больше упоминаний о гриппе было сделано в социальных сетях из-за высокого влияния новостных сообщений. Это нужно проверить более подробно.

Выводы

Хотя было представлено много исследований, направленных на прогнозирование заболеваемости гриппом с использованием данных из журналов поисковых систем или из социальных сетей, это, насколько нам известно, одна из первых работ на эту тему, выполненных специально для Португальский язык. Хотя большинство используемых методов схожи и применимы для разных языков, ограниченный объем доступных данных на языках, отличных от английского, а также особенности языка могут повлиять на полученные окончательные результаты. Еще одна важная новинка в нашей работе — это сочетание твитов и пользовательских запросов с помощью нескольких моделей линейной регрессии. Это способствовало лучшей аппроксимации результатов мониторинга здоровья, используемых в данной работе в качестве золотого стандарта. Возможным расширением этого может быть использование других источников пользовательского контента, таких как сообщения в блогах и комментарии на веб-страницах.

Наилучший результат достигается при коэффициенте корреляции Пирсона между расчетным уровнем заболеваемости и данными Influenzanet, равном 0,89 ( p < 0,001). Этот результат указывает на то, что этот метод можно использовать в качестве дополнения к другим показателям заболеваемости. К сожалению, количество данных, доступных для проверки модели прогнозирования, было уменьшено, что может ограничить актуальность результатов.

Мы также оценили применение моделей классификации и регрессии от одного сезона гриппа к другому. Лучший результат, r = 0,72, указывает на то, что можно получить хорошую оценку, хотя для ее улучшения необходима дальнейшая работа. Одной из возможных возможностей является применение адаптивного обучения для обновления моделей классификации и регрессии по мере поступления новой информации, например, из еженедельных эпидемиологических отчетов.

Еще один важный аспект, который следует учитывать в дальнейших исследованиях, заключается в том, можно ли обнаружить в (почти) реальном времени или предсказать с некоторым заблаговременным увеличением заболеваемости гриппом (или другими заболеваниями) для оптимизации ответных мер путем органы здравоохранения. Задержка в одну неделю, наблюдаемая между данными EISN и прогнозируемой тенденцией, похоже, указывает на это направление, но это требует дальнейшей проверки.

Ссылки

1. Пол М., Дредзе М.: Вы — это то, что вы пишете в Твиттере: анализ Твиттера для общественного здравоохранения. Материалы 5-й Международной конференции AAAI по блогам и социальным сетям. 2011, 265-272.

   Google ученый

2. Scanfeld D, Scanfeld V, Larson EL: Распространение медицинской информации через социальные сети: Twitter и антибиотики. Американский журнал инфекционного контроля. 2010, 38 (3): 182-188. 10.1016/j.ajic.2009.11.004.

   Артикул пабмед ПабМед Центральный Google ученый

3. Чу К., Эйзенбах Г.: Пандемии в эпоху Твиттера: Контент-анализ твитов во время вспышки вируса h2N1 2009 года. ПЛОС ОДИН. 2010, 5 (11): e14118.-10.1371/journal.pone.0014118.

   Артикул пабмед ПабМед Центральный Google ученый

4. Твиттер. http://www.twitter.com

5. Eysenbach G: Инфодемиология и информационная слежка: основа для нового набора методов информатики общественного здравоохранения для анализа поведения при поиске, общении и публикациях в Интернете. J Med Internet Res. 2009, 11 (1): e11-10.2196/jmir.1157.

   Артикул пабмед ПабМед Центральный Google ученый

6. Бернардо Т.М., Раич А., Янг И., Робиадек К., Фам М.Т., Фанк Дж.А. Обзор поисковых запросов и социальных сетей для наблюдения за заболеваниями: хронология инноваций. J Med Internet Res. 2013, 15 (7): e147.-10.2196/жмир.2740.

   Артикул пабмед ПабМед Центральный Google ученый

7. «>

   Лайон А., Нанн М., Гроссель Г., Бургман М.: Сравнение сетевых интеллектуальных систем биобезопасности: Biocaster, epispider и healthmap. Трансграничные и возникающие болезни. 2012, 59 (3): 223-232. 10.1111/j.1865-1682.2011.01258.х.

   КАС Статья пабмед Google ученый

8. Синьорини А., Сегре А.М., Полгрин П.М.: Использование Твиттера для отслеживания уровней активности заболеваний и общественного беспокойства в США. во время пандемии гриппа h2n1. ПЛОС ОДИН. 2011, 6 (5): e19467-10.1371/journal.pone.0019467.

   КАС Статья пабмед ПабМед Центральный Google ученый

9. Чунара Р., Эндрюс Дж. Р., Браунштейн Дж. С.: Социальные сети и средства массовой информации позволяют оценить эпидемиологические модели в начале вспышки гаитянской холеры в 2010 году. Am J Trop Med Hyg. 2012, 86 (1): 39-45. 10.4269/АЖТМХ.2012. 11-0597.

   Артикул пабмед ПабМед Центральный Google ученый

10. Арамаки Э., Маскава С., Морита М. Твиттер подхватывает грипп: выявление эпидемий гриппа с помощью Твиттера. Материалы конференции по эмпирическим методам обработки естественного языка. 2011, Ассоциация компьютерной лингвистики, 1568–1576.

    Google ученый

11. Лампос В., Кристианини Н.: Отслеживание пандемии гриппа путем мониторинга социальных сетей. Материалы 2-го Международного семинара по когнитивной обработке информации (CIP). 2010, 411-416.

    Google ученый

12. Culotta A: На пути к выявлению эпидемий гриппа путем анализа сообщений Twitter. Материалы первого семинара по аналитике социальных сетей. 2010, АКМ, 115-122.

    Глава Google ученый

13. «>

    Culotta A: Обнаружение вспышек гриппа путем анализа сообщений Twitter. 2010, архив: 1007.4748 [cs.IR]

    Google ученый

14. Ли К., Агравал А., Чоудхари А.: Наблюдение за заболеваниями в режиме реального времени с использованием данных Twitter: демонстрация гриппа и рака. Материалы 19-й конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных (KDD): 11–14 августа 2013 г. 2013 г., Чикаго, Иллинойс. АКМ, 1474-1477 гг.

    Глава Google ученый

15. Eysenbach G: Инфодемиология: отслеживание поисковых запросов, связанных с гриппом, в Интернете для синдромального наблюдения. Материалы ежегодного симпозиума AMIA: 11-15 ноября 2006 г. 2006 г., Вашингтон, округ Колумбия. АМИА, 244–248.

    Google ученый

16. Гинзберг Дж., Мохебби М.Х., Патель Р. С., Браммер Л., Смолинский М.С., Бриллиант Л.: Выявление эпидемий гриппа с использованием данных поисковых систем. Природа. 2009, 457: 1012-1014. 10.1038/природа07634.

    КАС Статья пабмед Google ученый

17. Проект Influenzanet. http://www.influenzanet.eu

18. sapo.pt. http://www.sapo.pt

19. Лопер Э., Берд С., Кляйн Э.: Обработка естественного языка с помощью Python. 2009, О’Рейли Медиа Инк

    Google ученый

20. Йоахимс Т. Практика крупномасштабного обучения SVM. Достижения в методах ядра — поддержка векторного обучения. Под редакцией: Schölkopf B, Burges C, Smola A. 1999, МИТ-Пресс

    Google ученый

21. Педрегоса Ф., Вароко Г., Грамфор А., Мишель В., Тирион Б., Гризель О., Блондель М. , Преттенхофер П., Вайс Р., Дюбур В., Вандерплас Х., Пассос А., Курнапо Д., Брюше М., Перро М., Дюшене Э.: Scikit-learn: Машинное обучение в Python. Журнал исследований машинного обучения. 2011, 12: 2825-2830.

    Google ученый

Скачать ссылки

Благодарности

Эта исследовательская работа была частично профинансирована проектом Labs Sapo «SPotTED — Обнаружение событий общественного здравоохранения в социальных сетях».

Декларации

Финансирование публикации этой статьи поступило от FEDER через Факторы конкурентоспособности операционной программы — COMPETE и из национальных фондов через FCT — Foundation for Science and Technology в контексте проектов FCOMP-01-0124-FEDER-022682 (ссылка FCT PEst-C/EEI/UI0127/2011) и Incentivo/EEI/UI0127/2013.

Эта статья была опубликована как часть Theoretical Biology and Medical Modeling Volume 11 Supplement 1, 2014: Избранные статьи с 1-й Международной рабочей конференции по биоинформатике и биомедицинской инженерии-IWBBIO 2013. Полное содержание приложения доступно на сайте http://www.tbiomed.com/supplements/11/S1.

Информация об авторе

Авторы и организации

1. DETI/IEETA, Universidade de Aveiro, Aveiro, 3810-193, Portugal. PubMed Google Scholar

2. Sérgio Matos

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

Автор, ответственный за переписку

Серхио Матос.

Дополнительная информация

Конкурирующие интересы

Авторы заявляют об отсутствии конкурирующих интересов.

Вклад авторов

Компания JCS выполнила сбор и анализ данных и помогла составить рукопись. SM разработал и координировал исследование, провел анализ данных и составил рукопись. Все авторы прочитали и одобрили окончательный вариант рукописи.

Права и разрешения

Эта статья опубликована по лицензии BioMed Central Ltd. Это статья с открытым доступом, распространяемая в соответствии с условиями лицензии Creative Commons Attribution (http://creativecommons.org/licenses/by/2.0), который разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии надлежащего цитирования оригинальной работы. Отказ от права Creative Commons на общественное достояние (http://creativecommons.org/publicdomain/zero/1.0/) применяется к данным, представленным в этой статье, если не указано иное.

Перепечатки и разрешения

Об этой статье

После года практически полного отсутствия гриппа ученые опасаются, что следующий сезон может быть плохим , но теперь ученые предупреждают, что еще один вирус может представлять серьезную угрозу в ближайшие месяцы: грипп.

В этом сезоне грипп практически исчез: по данным Центров по контролю и профилактике заболеваний, на сегодняшний день в США зарегистрировано менее 2000 лабораторно подтвержденных случаев. В типичный сезон гриппа в это время года в США может быть зарегистрировано более 200 000 лабораторно подтвержденных случаев, что составляет ничтожную долю от истинного числа случаев, которое, по оценкам, колеблется от 9миллионов до 45 миллионов в год.

Полное освещение вспышки коронавируса

Ученые и эксперты в области общественного здравоохранения говорят, что в этом году меры по смягчению последствий Covid-19, такие как социальное дистанцирование и ношение масок, скорее всего, остановили передачу гриппа.

Но, по словам таких ученых, как доктор Энди Пекош, профессор микробиологии в Школе общественного здравоохранения Блумберга при Университете Джона Хопкинса, год без большого количества гриппа может привести к году с большим количеством гриппа.

«У нас уже больше года, как значительная часть населения не заразилась гриппом и не получила иммунитет из-за этого», — сказал Пекош. «Это может означать, что число восприимчивых к гриппу людей в популяции будет увеличиваться».

Когда кто-то заболевает гриппом, у него обычно вырабатывается некоторый иммунитет к вирусу. Вот почему маленькие дети и младенцы часто наиболее восприимчивы к заражению, потому что их иммунная система еще не распознала вирус. Но поскольку в этом году циркулировало очень мало вирусов гриппа, количество людей без предварительного иммунитета может удвоиться.

«При низком уровне популяционного иммунитета это может привести к большему количеству случаев», — сказал Скотт Хенсли, микробиолог из Медицинской школы Перельмана Пенсильванского университета. «Мы могли бы увидеть больше детских смертей и, одновременно с этим, рост числа случаев во всем сообществе. Это потому, что общий иммунитет населения, по прогнозам, будет низким».

Ученые говорят, что еще одним аспектом этого необычного сезона гриппа является то, что циркулирует не так много штаммов гриппа.

— Это интересно, — сказал Хенсли. «Как правило, эти вирусы отличаются большим генетическим разнообразием».

Неясно, циркулирует ли на самом деле меньше штаммов, или выборка вируса была ограничена из-за того, что было так мало случаев, что означает, что могут быть другие штаммы, которые не были обнаружены.

Какой из этих сценариев окажется верным, может оказать существенное влияние на вакцину против гриппа в следующем сезоне, которая производится ежегодно для защиты от наиболее известных штаммов вируса, циркулирующих по всему миру.

Загрузите приложение NBC News для получения полной информации о вспышке коронавируса.

Если действительно циркулирует меньше штаммов, то вакцина имеет больше шансов быть подходящей, что делает ее более эффективной. По словам Коби, в последние годы один известный штамм, h4N2, вызывал проблемы, поскольку существовало так много его подштаммов, что затрудняло широкую защиту вакцины от него. Пока в этом году было идентифицировано несколько штаммов.

Но если реальная проблема в том, что просто не было достаточного количества образцов, то это может означать, что вакцина не подходит, что вызывает проблемы с защитой.

«Поскольку у нас было так мало случаев, мы используем небольшое число, чтобы сделать выбор», — сказал Пекош. «Могут быть штаммы, циркулирующие в небольшом количестве, которые могут стать доминирующими. Обычно мы беспокоимся об этом в каждый сезон гриппа, но обычно у нас есть гораздо больший набор данных для выбора».

Всемирная организация здравоохранения выбрала штаммы для следующей вакцины против гриппа в феврале на основе того, что циркулирует по всему миру. Ученые часто уделяют особое внимание штаммам в южном полушарии, где сезон гриппа начинается в июне и обычно достигает пика в августе. Вирусная активность в этом регионе часто является предвестником того, что произойдет в США

«Активность гриппа в Южном полушарии готовит Северное полушарие к тому, что может произойти в следующем сезоне», — сказал Канта Суббарао, директор Сотрудничающего центра ВОЗ по справочной информации и исследованиям гриппа. «Часто новые вирусы, впервые обнаруженные в Южном полушарии, распространяются и становятся доминирующим штаммом в Северном полушарии».

Суббарао говорит, что в Южном полушарии пока нет локальной активности гриппа, но это еще рано.

Несмотря на опасения по поводу эффективности, вакцина по-прежнему будет играть ключевую роль в профилактике гриппа. Даже если прививка от гриппа плохо сочетается с циркулирующими штаммами, она все же обеспечивает некоторую защиту и снижает риск госпитализации и смерти человека.

«Многое из этого не в наших руках, — сказал Хенсли. «Единственное, что мы можем сделать, — это пройти вакцинацию. Если когда-либо был год, чтобы сделать прививку, то это именно тот год, когда нужно сделать это».

«Многое из этого не в наших руках, — сказал Хенсли. «Единственное, что мы можем сделать, — это пройти вакцинацию. Если когда-либо был год, чтобы сделать прививку, то это именно тот год, когда нужно сделать это».

Ученые также уверяют, что это не все сценарии конца света. Действительно, предсказывать что-либо о гриппе — необычайно сложная задача. Хотя вирус был впервые выделен более 80 лет назад, ученые говорят, что еще многое предстоит узнать.

«Что действительно сложно в гриппе, так это то, что он быстро развивается», — сказал Коби, добавив, что он мутирует быстрее, чем SARS-CoV-2, вирус, вызывающий Covid-19. «Каждый год мы видим вирусы гриппа, которых никогда не было на этой планете».

Доктор Джесси Гудман, профессор медицины и инфекционных заболеваний в Джорджтаунском университете и бывший главный научный сотрудник Управления по санитарному надзору за качеством пищевых продуктов и медикаментов, сказал, что, по его мнению, американское население многому научилось у Covid-19 и может принимать меры по смягчению последствий, такие как частые мытье и даже социальное дистанцирование.

«Если некоторые из этих практик продолжатся, может быть, в следующем году все будет неплохо», — сказал он. «Один вопрос будет заключаться в том, насколько долго будут сохраняться эти привычки?»

Следите за NBC HEALTH в Twitter и Facebook.

Ваша группа крови может влиять на вашу уязвимость к норовирусу: BioNews: Spring 2020: Информационные бюллетени: Новости и события: Кафедра биологии: Университет Индианы, Блумингтон

Ваша группа крови может влиять на вашу уязвимость к норовирусу, вирусу зимней рвоты

Автор: Патриция Л. Фостер

вторник, 24 марта 2020 г.