正文
此外，Phylowave还通过多项创新实现了更高的分析效率和适应性。例如，研究中使用了一种广义加性模型（generalized additive model），动态分区系统发生树以捕捉适应性增强谱系的出现时间点。对于每个谱系，Phylowave还通过多项逻辑模型（multinomial logistic models）估算其相对适应性，从而量化其在种群中的传播潜力。
该方法的优势在多病原体研究中得到了验证。例如，在分析SARS-CoV-2时，Phylowave成功地识别了Alpha、Delta和Omicron等已知变异株，并准确捕捉了这些谱系的适应性变化。对于百日咳杆菌和结核分枝杆菌等较少研究的病原体，Phylowave还发现了新的适应性谱系，尤其是在疫苗压力和抗生素耐药性背景下。这表明Phylowave能够处理数据采样不均和时间跨度较大的基因组数据，展现了极高的稳定性。
更重要的是，Phylowave并非仅限于检测谱系变化，其分析结果还能够直接指导公共卫生行动。例如，通过识别特定基因突变与适应性增强的关联，Phylowave为新疫苗开发和靶向治疗策略提供了关键信息。此外，其实时分析能力使得研究人员可以在新变异株传播初期就发出预警，从而赢得宝贵的应对时间。
通过追踪指数动态解析种群组成的变化
（Credit:
Nature
）
这一部分以时间分辨的系统发生树（time-resolved phylogenetic tree）为例，说明指数计算的基本概念。图中展示了一个背景种群（灰色）和一个新兴谱系（绿色）的演化过程。
左图：时间分辨系统发生树，显示了新兴谱系与背景种群之间的分化。
中图：以节点A和节点B为起点，计算它们与种群中其他节点的成对距离分布（pairwise distance distribution），并以蓝色虚线表示几何加权（geometric weighting）。这种加权方法有助于突出近期的种群动态变化。
右图：显示了新兴谱系的指数动态随时间的变化趋势，并通过模型预测其预期的指数变化。
通过Phylowave方法，对四种病原体（SARS-CoV-2、H3N2、百日咳杆菌和结核分枝杆菌）的指数动态进行了分析：
(b) SARS-CoV-2：分析了病毒不同谱系的指数动态，识别出了已知的主要变异株（如Alpha和Omicron）。不同颜色表示不同谱系的指数动态。
(c) H3N2流感病毒：展示了流感病毒不同谱系（如3C.2a1b.1b）的指数变化，说明了抗原漂移对谱系动态的影响。
(d) 百日咳杆菌：发现了多个新兴谱系，这些谱系表现出明显的适应性增强，与疫苗压力密切相关。
(e) 结核分枝杆菌：揭示了其谱系的长期稳定性，但同时发现了少数适应性更强的新谱系。
SARS-CoV-2：从Alpha到Omicron的演化轨迹
新冠病毒（SARS-CoV-2）的进化速度和适应能力为现代公共卫生带来了前所未有的挑战。从最初的Alpha变异株（B.1.1.7）到后续的Delta（B.1.617.2）和Omicron（BA.*）谱系，每一波主要变异的出现都伴随着传播能力的增强或免疫逃逸的提高。利用Phylowave分析，研究人员精确追踪了这些谱系的演化轨迹，揭示了关键突变对病毒适应性的影响。例如，Omicron谱系中的刺突蛋白发生了一系列氨基酸替换，显著提高了病毒对人类细胞的结合效率，同时减弱了抗体中和作用。这些基因变异不仅推动了病毒在全球的快速传播，也对现有疫苗的有效性构成了威胁。
Phylowave还表明，SARS-CoV-2的进化并非线性过程，而是多个谱系同时存在并竞争适应性。在不同地域的分析中，该方法成功捕捉到局部流行的变异株，例如在非洲流行的Eta（B.1.525）和在欧洲传播的EU1谱系。这些发现为疫情防控措施的区域优化提供了科学依据。
相比于SARS-CoV-2，H3N2流感病毒的演化显得更加平稳但同样复杂。作为导致季节性流感的主要病原体之一，H3N2的进化主要体现在抗原漂移（antigenic drift），即表面抗原区域的渐进性突变。研究显示，H3N2的适应性增强与其血凝素（haemagglutinin, HA）基因中的关键位点变化密切相关，特别是在抗原结合域（receptor-binding domain, RBD）。
