GISAID + github + Nextstrain，对抗疫情的国际接力

本文来自微信公众号： 余晟以为（ID：yurii-says），作者：余晟

如果你真的关心2019n-CoV，一定不要过多关注各种所谓自媒体的文章。这些文章大部分都没有调查能力，只能凑字数。无论引起盲目乐观还是盲目恐慌，都不是好事。今天我介绍一些国际接力合作的资源，希望对你有用。

首先登场的是GISAID。

GISAID的全称是Global Initiative of Sharing All Influenza Data（全球共享所有流感数据倡议），由多位顶尖科学家和诺贝尔奖获得者倡导成立。根据网站自述，其使命是：

GISAID力图促进下列数据的国际间共享：所有流感病毒序列、与人类病毒有关的相关临床和流行病学数据，与禽和其他动物病毒有关的地理以及物种特定数据。目的在于帮助研究人员了解病毒如何进化，传播，甚至成为潜在的重大流行疾病。

传统上，流感数据在论文正式发布之前，会遭遇到各种阻碍和限制，GISAID希望打破限制、克服阻碍，来促进数据的共享。

虽然GISAID的初衷关注“流感”，但目前已经把传染疾病也纳入其中，这当然就包括了2019n-CoV。

打开首页就可以看到，起码有三块内容是关于2019n-CoV的。其中1显示目前已经有13个国家开放共享了自己的2019n-CoV的病毒序列，2是全球的感染分布图，3是进一步的遗传变异分析 （下面会详细介绍）。

目前，世界各国都有科学家将2019n-CoV的病毒相关数据提供给GISAID，掌握这些数据之后，GISAID提供了约翰·霍普金斯大学制作的，近乎实时的全球病例分布图，这块看板非常清楚，一目了然，看得出来花了心思设计。值得一提的是，中国的数据来自丁香园。

如果认为GISAID只提供了这点信息，那就错了。GISAID的目的是“共享”，所以它不会只提供成品报告，而是像开源软件运动一样，开放了元数据，所以外界可以这些共享数据作为基础，进行各种二次开发。

因此，有程序员在著名的源代码托管网站上创建了一个项目ncov，将元数据维护在其中。

注意上面说的是元数据，根据GISAID的规范，真实的序列数据需要用户自己去GISAID下载（也是免费的），而不能直接由ncov来提供。下载完成之后的内容类似下面这样：

>Wuhan/WIV04/2019

attaaaggtttat...

>USA/IL1/2020

attaaaggtttat...

>Wuhan/WIV06/2019

ccttcccaggtaa...

其中>开头的行对应的是data/metadata.tsv中基因序列的名字，而attaaaggtttat之类就是检测出来的基因序列。 有了这些数据，你可以在本地机器上使用下面的命令来生成json文件，然后用auspice或者nextstrain来做可视化。

ncov项目创建于1月19日，到现在已经有20名贡献者，239次提交，150个star，29个fork。值得一提的是，贡献者中不乏中国程序员的身影。而且，已经有人将报告翻译为中文版本。

你大概注意到了，上面出现了一个名字nextstrain。它也是一个开源项目，目的是从病原体的基因序列中挖掘科学和公共健康的价值，根据公开的数据提供及时的查看方式，以及强大的分析和可视化工具。

目前我们看到的许多疫情报告，都是基于医学的统计数字，而比较少流行病学的分析。流行病学的分析需要关注病毒是如何传播的，传播链条是什么，在传播过程中有没有变化…… 这些信息，可以通过走访、筛查获得，也可以通过基因序列获得。

关于2019n-CoV，该网站基于GISAID的开放数据不断更新分析报告，最新的报告是1月30日的，有中文版。

查看该报告可以发现，科学家已经通过基因序列的比对，找出了病毒的变异树（有点像源代码的分支管理）。因为病毒在复制时可能发生变异，而变异会累积下来，所以通过比对基因序列，就可以分析出病毒样本的继承关系，得到病毒的发展图谱。

根据已经公开的42株病毒序列比对发现，有少数病毒的基因序列仍然保持不变，而其它病毒的基因序列已经发生了突变，突变的数量从1个到7个不等。

其中值得关注的是，有一组样本包含广东的一例和美国的四例，已经发生了累积的突变，最多的突变（7个）也来自这一组，这说明病毒在离开武汉之后已经开始累积突变。

虽然目前还没有证据证明突变会改变病毒的行为，病毒的突变是正常的客观现象，但我们都不能掉以轻心。

最后我想说，经常有很多人说“正能量”，我也赞成“正能量”有用。但是“正能量”不只限于我们自己的动人故事，也应该让大家知道“吾道不孤”，在这个世界上的其它地方，还有许多聪明的头脑在无私奉献，在用科学的方法，接力协作，并肩作战，解决人类共同的难题。

你说，是这样吗？