Published June 10, 2022
| Version v1
Publication
Open
Disentangling the Dynamics of VOCs and VOIs during the COVID-19 Pandemic in Peru using Bayesian Phylogenetics
Creators
- 1. Universidad Ricardo Palma
- 2. University of Auckland
- 3. Universidad Univer
- 4. Hospital Israelita Albert Einstein
Description
Abstract At over 0.6% of the population, Peru has the highest SARS-CoV-2 mortality rate in the world. Much effort to sequence genomes was done in this country since mid-2020. However, an adequate analysis of the dynamics of the variants of concern and interest (VOCIs) is missing. We performed Bayesian phylodynamic analyses using different sampling approaches to determine the origin of the VOCIs in Peru, as well as their population dynamics. The COVID-19 pandemic in Peru was characterized by three waves. We showed that Lambda emerged in Peru during the first wave (April-July, 2020) but it did not reach high frequencies until the second wave. Alpha and Gamma were imported to Peru between the first and second waves (October-December, 2020). The gamma variant reached Peru from Brazil, whereas Alpha arrived at Peru from the United Kingdom. Effective population size (Ne) and effective reproductive number (Rt) suggest that Lambda, followed by Gamma, dominated the second wave of COVID-19 in Peru whereas Alpha was not very prevalent. During this wave, Lambda dominated all the Peruvian regions except the Northeast, where Gamma dominated. Migration patterns of Lambda and Gamma between the Northeast and other regions indicate that the different VOCI prevalence in the Northeast was not due to the isolation of this region. Also, during the second wave, Mu and Delta arrived in Peru (February-May, 2021) from the USA and the United Kingdom, respectively. Mu never reached high Rt nor Ne; on the other hand, at the final of the second wave, Delta showed Rt values higher than other VOCIs, beginning to increase its Ne and replacing Lambda and Gamma. Finally, Omicron reached Peru just before the beginning of the third wave (October-December, 2021) from the USA. Omicron had a high Rt since its arrival to Peru, originating new lineages and rapidly increasing its Ne which caused the third wave. In summary, we were able to determine important patterns of virus dynamics in Peru using Bayesian Phylogenetics. Besides, we demonstrated that Bayesian phylodynamics with a portion of the available genomes were sufficient to reconstruct the COVID-19 pandemic in Peru.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
الخلاصة أكثر من 0.6 ٪ من السكان، بيرو لديها أعلى معدل وفيات سارس- كوف-2 في العالم. تم بذل الكثير من الجهد لتسلسل الجينوم في هذا البلد منذ منتصف عام 2020. ومع ذلك، لا يوجد تحليل كافٍ لديناميكيات المتغيرات المثيرة للقلق والاهتمام (VOCIs). أجرينا تحليلات ديناميكية السلالة البايزية باستخدام مناهج مختلفة لأخذ العينات لتحديد أصل VOCIs في بيرو، بالإضافة إلى ديناميكياتها السكانية. تميزت جائحة كوفيد-19 في بيرو بثلاث موجات. أظهرنا أن لامدا ظهرت في بيرو خلال الموجة الأولى (أبريل- يوليو 2020) لكنها لم تصل إلى ترددات عالية حتى الموجة الثانية. تم استيراد ألفا وغاما إلى بيرو بين الموجتين الأولى والثانية (أكتوبر- ديسمبر 2020). وصل متغير جاما إلى بيرو من البرازيل، في حين وصل ألفا إلى بيرو من المملكة المتحدة. يشير حجم السكان الفعال (Ne) والعدد الإنجابي الفعال (Rt) إلى أن Lambda، تليها Gamma، هيمنت على الموجة الثانية من COVID -19 في بيرو في حين لم يكن ألفا سائدًا جدًا. خلال هذه الموجة، سيطرت لامدا على جميع مناطق بيرو باستثناء الشمال الشرقي، حيث سيطرت غاما. تشير أنماط الهجرة في لامدا وغاما بين الشمال الشرقي والمناطق الأخرى إلى أن انتشار VOCI المختلف في الشمال الشرقي لم يكن بسبب عزلة هذه المنطقة. أيضًا، خلال الموجة الثانية، وصل مو ودلتا إلى بيرو (فبراير- مايو 2021) من الولايات المتحدة الأمريكية والمملكة المتحدة، على التوالي. لم يصل مو أبدًا إلى Rt ولا Ne ؛ من ناحية أخرى، في نهاية الموجة الثانية، أظهرت دلتا قيم Rt أعلى من VOCIs الأخرى، وبدأت في زيادة Ne واستبدال Lambda و Gamma. أخيرًا، وصلت أوميكرون إلى بيرو قبل بداية الموجة الثالثة (أكتوبر- ديسمبر 2021) من الولايات المتحدة الأمريكية. كان لدى أوميكرون رت عالٍ منذ وصوله إلى بيرو، حيث نشأ سلالات جديدة وزاد بسرعة ني مما تسبب في الموجة الثالثة. باختصار، تمكنا من تحديد أنماط مهمة لديناميكيات الفيروسات في بيرو باستخدام علم الوراثة العرقي البايزي. إلى جانب ذلك، أظهرنا أن الديناميكا السلالية البايزية مع جزء من الجينومات المتاحة كانت كافية لإعادة بناء جائحة كوفيد-19 في بيرو.Translated Description (French)
Résumé Avec plus de 0,6 % de la population, le Pérou a le taux de mortalité par SRAS-CoV-2 le plus élevé au monde. Beaucoup d'efforts pour séquencer les génomes ont été faits dans ce pays depuis la mi-2020. Cependant, une analyse adéquate de la dynamique des variants préoccupants et intéressants (COVI) fait défaut. Nous avons effectué des analyses phylodynamiques bayésiennes en utilisant différentes approches d'échantillonnage pour déterminer l'origine des COVI au Pérou, ainsi que leur dynamique de population. La pandémie de COVID-19 au Pérou a été caractérisée par trois vagues. Nous avons montré que Lambda a émergé au Pérou lors de la première vague (avril-juillet 2020) mais il n'a pas atteint les hautes fréquences avant la deuxième vague. Alpha et Gamma ont été importés au Pérou entre la première et la deuxième vague (octobre-décembre 2020). La variante gamma a atteint le Pérou depuis le Brésil, tandis que Alpha est arrivé au Pérou depuis le Royaume-Uni. La taille effective de la population (Ne) et le nombre effectif de reproduction (Rt) suggèrent que Lambda, suivi de Gamma, a dominé la deuxième vague de COVID-19 au Pérou alors que Alpha n'était pas très répandu. Au cours de cette vague, Lambda a dominé toutes les régions péruviennes à l'exception du Nord-Est, où Gamma a dominé. Les schémas de migration de Lambda et Gamma entre le Nord-Est et d'autres régions indiquent que la prévalence différente de VOCI dans le Nord-Est n'était pas due à l'isolement de cette région. De plus, au cours de la deuxième vague, Mu et Delta sont arrivés au Pérou (février-mai 2021) en provenance des États-Unis et du Royaume-Uni, respectivement. Mu n'a jamais atteint de Rt élevé ni de Ne ; en revanche, lors de la finale de la deuxième vague, Delta a montré des valeurs de Rt plus élevées que les autres VOCI, commençant à augmenter son Ne et remplaçant Lambda et Gamma. Enfin, Omicron a atteint le Pérou juste avant le début de la troisième vague (octobre-décembre 2021) depuis les États-Unis. Omicron avait un Rt élevé depuis son arrivée au Pérou, créant de nouvelles lignées et augmentant rapidement son Ne, ce qui provoqua la troisième vague. En résumé, nous avons pu déterminer des modèles importants de la dynamique des virus au Pérou en utilisant la phylogénétique bayésienne. En outre, nous avons démontré que la phylodynamique bayésienne avec une partie des génomes disponibles était suffisante pour reconstruire la pandémie de COVID-19 au Pérou.Translated Description (Spanish)
Resumen En más del 0,6% de la población, Perú tiene la tasa de mortalidad por SARS-CoV-2 más alta del mundo. Desde mediados de 2020 se ha hecho un gran esfuerzo para secuenciar los genomas en este país. Sin embargo, falta un análisis adecuado de la dinámica de las variantes de preocupación e interés (VOCIs). Realizamos análisis filodinámicos bayesianos utilizando diferentes enfoques de muestreo para determinar el origen de los VOCI en Perú, así como su dinámica poblacional. La pandemia de COVID-19 en Perú se caracterizó por tres olas. Mostramos que Lambda surgió en Perú durante la primera ola (abril-julio de 2020) pero no alcanzó altas frecuencias hasta la segunda ola. Alpha y Gamma se importaron a Perú entre la primera y la segunda oleada (octubre-diciembre de 2020). La variante gamma llegó a Perú desde Brasil, mientras que Alpha llegó a Perú desde el Reino Unido. El tamaño efectivo de la población (Ne) y el número reproductivo efectivo (Rt) sugieren que Lambda, seguido de Gamma, dominó la segunda ola de COVID-19 en Perú, mientras que Alpha no fue muy frecuente. Durante esta ola, Lambda dominó todas las regiones peruanas excepto el noreste, donde dominó Gamma. Los patrones de migración de Lambda y Gamma entre el Noreste y otras regiones indican que la diferente prevalencia de VOCI en el Noreste no se debió al aislamiento de esta región. Asimismo, durante la segunda ola, Mu y Delta llegaron a Perú (febrero-mayo de 2021) desde Estados Unidos y Reino Unido, respectivamente. Mu nunca alcanzó Rt ni Ne altos; por otro lado, al final de la segunda ola, Delta mostró valores de Rt más altos que otros VOCI, comenzando a aumentar su Ne y reemplazando a Lambda y Gamma. Finalmente, Omicron llegó a Perú justo antes del comienzo de la tercera ola (octubre-diciembre de 2021) desde Estados Unidos. Omicron tenía un Rt alto desde su llegada a Perú, originando nuevos linajes y aumentando rápidamente su Ne, lo que causó la tercera ola. En resumen, pudimos determinar patrones importantes de la dinámica de los virus en Perú utilizando la filogenética bayesiana. Además, demostramos que la filodinámica bayesiana con una parte de los genomas disponibles fue suficiente para reconstruir la pandemia de COVID-19 en Perú.Files
latest.pdf.pdf
Files
(1.0 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:514a3ba4cccd84c5f3462b5a3377a59e
|
1.0 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- فك تشابك ديناميكيات المركبات العضوية المتطايرة VOCs و VOIs خلال جائحة COVID -19 في بيرو باستخدام علم الوراثة الوراثي البايزي Bayesian Phylogenetics
- Translated title (French)
- Dissocier la dynamique des COV et des VoI pendant la pandémie de COVID-19 au Pérou en utilisant la phylogénétique bayésienne
- Translated title (Spanish)
- Desentrañar la dinámica de los COV y los voi durante la pandemia de COVID-19 en Perú utilizando la filogenética bayesiana
Identifiers
- Other
- https://openalex.org/W4281788373
- DOI
- 10.21203/rs.3.rs-1709506/v1
References
- https://openalex.org/W1507573241
- https://openalex.org/W1993210385
- https://openalex.org/W2002858652
- https://openalex.org/W2029330897
- https://openalex.org/W2031611770
- https://openalex.org/W2086540936
- https://openalex.org/W2088267428
- https://openalex.org/W2094939159
- https://openalex.org/W2105329815
- https://openalex.org/W2130362098
- https://openalex.org/W2136485386
- https://openalex.org/W2151041036
- https://openalex.org/W2160253520
- https://openalex.org/W2789843538
- https://openalex.org/W2801159594
- https://openalex.org/W2883251903
- https://openalex.org/W2892409874
- https://openalex.org/W2901954177
- https://openalex.org/W2951531074
- https://openalex.org/W2952045272
- https://openalex.org/W2982255935
- https://openalex.org/W3005235420
- https://openalex.org/W3008443627
- https://openalex.org/W3081341939
- https://openalex.org/W3084297096
- https://openalex.org/W3094870207
- https://openalex.org/W3121286195
- https://openalex.org/W3127401064
- https://openalex.org/W3134013687
- https://openalex.org/W3134208712
- https://openalex.org/W3135257712
- https://openalex.org/W3136588845
- https://openalex.org/W3156343712
- https://openalex.org/W3161922031
- https://openalex.org/W3163533277
- https://openalex.org/W3165479483
- https://openalex.org/W3169503674
- https://openalex.org/W3183741867
- https://openalex.org/W3189995795
- https://openalex.org/W3198233589
- https://openalex.org/W3198502301
- https://openalex.org/W3202134042
- https://openalex.org/W3209221616
- https://openalex.org/W3214101927
- https://openalex.org/W3214683033
- https://openalex.org/W3215610096
- https://openalex.org/W3217529418
- https://openalex.org/W4200212523
- https://openalex.org/W4200339974
- https://openalex.org/W4205901551
- https://openalex.org/W4206979529
- https://openalex.org/W4210677197
- https://openalex.org/W4214911971
- https://openalex.org/W4225297917