Vigilancia de Aguas Residuales: Una Herramienta Clave para la Salud Pública
Monitorear las aguas residuales puede ayudar a rastrear virus que afectan la salud de las comunidades.
William J Bradshaw, S. L. Grimm, J. T. Kaufman, D. P. Rice, C. Whittaker, M. R. McLaren
― 8 minilectura
Tabla de contenidos
- El Papel de las Aguas Residuales en el Rastreo de Virus
- El Impacto del COVID-19 en la Vigilancia de Aguas Residuales
- Ampliando Métodos de Detección
- Desafíos en la Detección
- Desarrollando una Mejor Comprensión
- Hallazgos sobre la Abundancia Viral
- La Importancia de un Modelo Bayesiano
- Estimaciones de Costos para la Detección de Patógenos
- Variabilidad en los Costos
- Limitaciones de la Investigación Actual
- Direcciones para la Investigación Futura
- Conclusión
- Fuente original
- Enlaces de referencia
La vigilancia de Aguas residuales es una herramienta que se usa para monitorear virus que pueden afectar la Salud Pública. Este método ha existido durante muchos años y se volvió especialmente importante durante la reciente pandemia de COVID-19. Al estudiar las aguas residuales, los oficiales de salud pueden rastrear la presencia de virus, como el poliovirus y el norovirus, para prevenir brotes y manejar la propagación de enfermedades.
El Papel de las Aguas Residuales en el Rastreo de Virus
Las aguas residuales contienen una mezcla de sustancias, incluidos los productos de desecho de las personas que viven en la zona. Cuando alguien está infectado con un virus, a menudo se pueden encontrar trazas del virus en sus desechos. Esto significa que los sistemas de alcantarillado pueden actuar como un espejo, reflejando el estado de salud de una comunidad.
Históricamente, el poliovirus se encontró por primera vez en aguas residuales en 1939. Desde entonces, monitorear el poliovirus en aguas residuales ha sido crucial para controlar brotes e incluso trabajar hacia su erradicación. De manera similar, los investigadores han rastreado el norovirus en aguas residuales para proporcionar advertencias tempranas sobre posibles brotes y estudiar cómo evoluciona el virus con el tiempo.
El Impacto del COVID-19 en la Vigilancia de Aguas Residuales
Antes del COVID-19, la vigilancia de aguas residuales se centraba principalmente en un pequeño número de virus específicos. Sin embargo, la pandemia cambió todo. Hubo una mayor demanda de monitoreo del COVID-19, lo que llevó a un aumento en las pruebas de aguas residuales alrededor del mundo. Las agencias de salud pública y las empresas privadas comenzaron a usar técnicas avanzadas para identificar el virus y sus variantes en las aguas residuales.
Ahora, los esfuerzos se están ampliando para incluir otros virus, como aquellos que causan enfermedades como Chikungunya, dengue e influenza. Sin embargo, la mayoría de los métodos de prueba existentes aún se centran en un conjunto limitado de virus objetivo, lo que puede restringir la capacidad de encontrar patógenos nuevos o inesperados.
Ampliando Métodos de Detección
Para superar esta limitación, los investigadores están explorando nuevos métodos que pueden detectar una mayor variedad de virus en aguas residuales. Un enfoque prometedor es la secuenciación metagenómica no dirigida. Este método permite identificar cualquier ácido nucleico presente en una muestra, lo que significa que se puede detectar un rango más amplio de virus.
Los investigadores han descubierto muchos virus diferentes en aguas residuales, incluidos patógenos que no se han monitoreado de manera rutinaria. Los métodos no dirigidos también pueden ayudar a encontrar nuevos virus que pueden estar propagándose sin causar síntomas obvios en la comunidad. Esto ofrece una alternativa a los métodos tradicionales de rastreo, que a menudo dependen de notificar a los oficiales de salud solo después de que las personas muestran síntomas de enfermedad.
Desafíos en la Detección
El éxito de la secuenciación metagenómica no dirigida depende de su capacidad para detectar bajos niveles de patógenos. La eficiencia de este método depende de dos factores principales: cuánta secuenciación se haga y cuán abundante esté el virus en la muestra.
Esencialmente, si un virus está presente en bajas cantidades, los científicos necesitarán secuenciar más datos para detectarlo de manera efectiva. Esto puede aumentar los costos asociados con las pruebas. A pesar de que los costos de secuenciación han estado disminuyendo, si un virus es extremadamente raro, aún puede ser demasiado caro de detectar.
Para entender verdaderamente la rentabilidad de las pruebas de aguas residuales utilizando estos métodos más nuevos, se necesita más investigación. Específicamente, debería haber un enfoque en cómo la prevalencia o incidencia de un virus en una comunidad se relaciona con su detección en aguas residuales.
Desarrollando una Mejor Comprensión
Para cerrar la brecha de conocimiento, los investigadores combinaron datos existentes de estudios metagenómicos con información de salud pública sobre varios virus conocidos. Al crear un modelo, pudieron estimar cuán abundante podría ser un virus en aguas residuales basado en su prevalencia o incidencia conocida en la comunidad.
Este nuevo modelo ayuda a proyectar los costos asociados con las pruebas para varios patógenos utilizando secuenciación metagenómica.
Hallazgos sobre la Abundancia Viral
Un resultado significativo de esta investigación muestra que la abundancia de virus que infectan humanos en aguas residuales varía enormemente de un estudio a otro. Esta variación puede deberse a muchos factores, como la demografía de la población local, la forma en que se toman las muestras y los métodos utilizados para procesar esas muestras.
Por ejemplo, algunos estudios encontraron que los virus que infectan humanos representaban una pequeña fracción del total de lecturas en las aguas residuales, mientras que otros mostraron porcentajes mucho más altos. Esto resalta la necesidad de considerar los contextos locales al interpretar los datos.
La Importancia de un Modelo Bayesiano
La investigación utilizó un modelo bayesiano jerárquico, que permite un análisis sofisticado que considera varios factores que influyen en la abundancia viral. En este modelo, los investigadores pudieron analizar datos distribuidos en múltiples ubicaciones, teniendo en cuenta tanto métricas de salud de la población general como características específicas de las muestras.
Los resultados mostraron que incluso después de tener en cuenta factores como la incidencia y prevalencia del virus, todavía había diferencias significativas en la abundancia viral esperada entre diferentes estudios. Para algunos virus, la abundancia estimada varió ampliamente, llevando a diferentes predicciones sobre cuánto esfuerzo y dinero se necesitarían para su detección.
Estimaciones de Costos para la Detección de Patógenos
Para evaluar la practicidad de la vigilancia de aguas residuales, los investigadores estimaron el número de lecturas de secuenciación necesarias para detectar un virus basado en su abundancia esperada. Esta estimación puede convertirse en proyecciones de costos a lo largo del tiempo.
Para algunos virus, como el norovirus, el costo promedio para detectarlos fue significativamente más bajo que para virus más complejos como el SARS-CoV-2. Esto significa que, aunque puede ser razonable monitorear algunos patógenos a través de la secuenciación metagenómica, otros pueden requerir una inversión sustancialmente mayor, lo que podría ser una barrera para su adopción generalizada.
Variabilidad en los Costos
Las estimaciones de costos variaron enormemente entre los diferentes estudios y patógenos. Por ejemplo, el costo anual para la detección efectiva del norovirus varió de casi $200 a casi $960,000 dependiendo del contexto específico de los estudios evaluados. En comparación, detectar SARS-CoV-2 podría costar entre $200,000 y más de $300 millones al año.
Estos hallazgos resaltan la importancia de entender las condiciones específicas bajo las cuales se utilizará un método de vigilancia. Si los costos son demasiado altos para ciertos patógenos, puede limitar la capacidad para monitorearlos de manera efectiva a través de aguas residuales.
Limitaciones de la Investigación Actual
Aunque este estudio proporciona información valiosa, también destaca limitaciones importantes. Un problema principal es la falta de datos de secuenciación disponibles de áreas con buena información de salud pública. La mayoría de los estudios incluidos en la investigación proporcionaron datos relativamente limitados para estimaciones precisas de virus que ocurren en menor abundancia.
Además, los datos epidemiológicos disponibles tienen sus propias limitaciones. Muchos virus carecían de estimaciones suficientes de salud pública, lo que dificulta crear modelos confiables para esos patógenos.
Direcciones para la Investigación Futura
De cara al futuro, la investigación debería centrarse en recopilar datos de secuenciación viral más robustos. También se beneficiaría de mejorar la información de salud pública para que los investigadores puedan hacer comparaciones más precisas.
Combinar conjuntos de datos más grandes con modelos sofisticados ayudará a crear mejores estimaciones para la abundancia de virus en aguas residuales. Mejores métodos para probar aguas residuales apoyarían mejor las estrategias de salud pública, especialmente a medida que los costos de secuenciación continúan disminuyendo.
Conclusión
La vigilancia de aguas residuales tiene un potencial significativo para monitorear la salud pública, especialmente a medida que surgen nuevas enfermedades. Al aprovechar los datos encontrados en las aguas residuales, los investigadores pueden comprender y combatir mejor las amenazas virales a la salud de la comunidad.
Sin embargo, la implementación efectiva depende de equilibrar sensibilidad, costos y métodos científicos disponibles. A medida que el campo evoluciona, la investigación continua y los avances en tecnología serán esenciales para aprovechar al máximo las capacidades de la biosurveillance basada en aguas residuales.
Título: Inferring the sensitivity of wastewater metagenomic sequencing for virus detection and monitoring
Resumen: BackgroundMetagenomic sequencing of wastewater (W-MGS) offers broad, pathogen-agnostic monitoring of infectious diseases. We quantify the sensitivity and cost of W-MGS for viral pathogen detection by jointly analysing W-MGS and epidemiological data for a range of human-infecting viruses. MethodsSequencing data from four studies were analysed to estimate the relative abundance (RA) of 11 human-infecting viruses. Corresponding prevalence and incidence estimates were obtained or calculated from academic and public-health reports. These estimates were combined using a hierarchical Bayesian model to predict RA at set prevalence or incidence values, allowing comparison across studies and viruses. These predictions were then used to estimate the sequencing depth and concomitant cost required for pathogen detection using W-MGS with or without use of a hybridization-capture enrichment panel. FindingsAfter controlling for variation in local infection rates, relative abundance varied by orders of magnitude across studies for a given virus. For instance, a local SARS-CoV-2 weekly incidence of 1% corresponds to predicted SARS-CoV-2 relative abundance ranging from 3{middle dot}8 x 10-10 to 2{middle dot}4 x 10-7 across studies, translating to orders-of-magnitude variation in the cost of operating a system able to detect a SARS-CoV-2-like pathogen at a given sensitivity. Use of a respiratory virus enrichment panel in two studies dramatically increased predicted relative abundance of SARS-CoV-2, lowering yearly costs by 24- to 29-fold for a system able to detect a SARS-CoV-2-like pathogen before reaching 0.01% cumulative incidence. InterpretationThe large variation in viral relative abundance after controlling for epidemiological factors indicates that other sources of inter-study variation, such as differences in sewershed hydrology and lab protocols, have a substantial impact on the sensitivity and cost of W-MGS. Well-chosen hybridization capture panels can dramatically increase sensitivity and reduce cost for viruses in the panel, but may reduce sensitivity to unknown or unexpected pathogens. FundingWellcome Trust; Open Philanthropy; Musk Foundation Research In ContextO_ST_ABSEvidence before this studyC_ST_ABSNumerous other studies have performed wastewater metagenomic sequencing (W-MGS), with a range of objectives. However, few have explicitly examined the performance of W-MGS as a monitoring tool. We searched PubMed between database inception and September 2024, using the search terms "MGS OR Metagenomic sequencing OR Metagenomics OR Shotgun sequencing" AND "Performance OR Precision OR Sensitivity OR Cost-effectiveness OR Effectiveness" AND "Virus OR Viral OR Virome" AND "Wastewater OR Sewage". Among the 88 resulting studies, 17 focused specifically on viruses in wastewater. A 2023 UK study by Child and colleagues assessed untargeted and hybridization-capture sequencing of wastewater for genomic epidemiology, concluding that the former but not the latter provided sufficient coverage for effective variant tracking. However, they did find untargeted sequencing sufficient for presence/absence calls of human pathogens in wastewater, a finding supported by numerous other W-MGS studies. While several studies examined the effect of different W-MGS protocols on viral abundance and composition, none accounted for epidemiological or study effects, and none explicitly quantified the sensitivity and cost of W-MGS for viral detection. Added value of this studyTo our knowledge, this study provides the first quantitative assessment of the sensitivity and cost of untargeted and hybridization-capture W-MGS for pathogen surveillance. Linking a large corpus of public wastewater metagenomic sequencing with epidemiological data in a Bayesian model, we predict pathogen relative abundance in W-MGS data at set infection prevalence or incidence, and estimate concomitant read-depth and cost requirements for effective detection across different studies and viruses. Our flexible modelling framework provides a valuable tool for evaluation of sequencing-based surveillance in other contexts. Implications of all the available evidenceThe sensitivity of untargeted W-MGS varies greatly with pathogen and study design, and large gaps in our understanding remain for pathogens not present in our data. As untargeted W-MGS protocols undergo further improvements, our Bayesian modelling framework is an effective tool for evaluating the sensitivity of new protocols under different epidemiological conditions. While less pathogen-agnostic, hybridization capture can dramatically increase the sensitivity of W-MGS-based pathogen monitoring, and our findings support piloting it as a tool for biosurveillance of known viruses.
Autores: William J Bradshaw, S. L. Grimm, J. T. Kaufman, D. P. Rice, C. Whittaker, M. R. McLaren
Última actualización: 2024-10-08 00:00:00
Idioma: English
Fuente URL: https://www.medrxiv.org/content/10.1101/2023.12.22.23300450
Fuente PDF: https://www.medrxiv.org/content/10.1101/2023.12.22.23300450.full.pdf
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a medrxiv por el uso de su interoperabilidad de acceso abierto.