生态与环境因子预测欧洲野鸟H5高致病性禽流感2.3.4.4b分支的空间分层风险

《Scientific Reports》：Ecology and environment predict spatially stratified risk of H5 highly pathogenic avian influenza clade 2.3.4.4b in wild birds across Europe

　　本研究针对H5高致病性禽流感（HPAI）2.3.4.4b分支在欧洲野鸟中的传播机制不明问题，通过贝叶斯加性回归树（BART）模型整合环境与宿主生态数据，构建了10公里分辨率的空间风险分布图。研究发现H5N1亚型导致风险热点向西北欧低温沿海地区转移，并揭示气候、地形及特定水鸟类群（如雁鸭科）丰度是关键驱动因素。该模型为禽流感监测和防控策略提供了高精度时空预测工具，对公共卫生和动物健康具有重要预警价值。

　　

高致病性禽流感（HPAI）病毒，尤其是H5N1亚型，近年来在全球范围内引发大规模野生动物死亡和家禽疫情，甚至威胁人类健康。然而，其传播机制尤其是野鸟在病毒跨洲传播中的作用仍不明确。欧洲自2016年起多次暴发H5高致病性禽流感2.3.4.4b分支疫情，但病毒亚型从早期的H5N6/H5N8转变为当前主导的H5N1后，空间分布和驱动因子是否发生变化尚不清楚。传统研究多依赖环境变量建模，忽视野鸟行为与生态特征的影响，限制了预测精度。

为解决上述问题，英国牛津大学、利物浦大学等机构的研究团队在《Scientific Reports》发表研究，首次将宿主生态数据与气候、地理因子结合，构建了欧洲尺度的禽流感空间分布模型（SDM）。研究利用贝叶斯加性回归树（BART）机器学习方法，分析了2016-2024年欧洲野鸟H5高致病性禽流感监测数据，并整合了温度、湿度、海拔、植被指数等环境变量，以及基于eBird数据库的617种鸟类丰度、物种丰富度、迁徙行为、取食习性等生态指标。模型通过环境细化采样减少空间偏差，并采用伪缺失点生成策略优化训练集。

关键方法概述

研究整合多源数据：野鸟H5高致病性禽流感病例来自联合国粮农组织EMPRES-i和世界动物卫生组织WAHIS数据库；环境变量包括地形（海拔、NDVI）、气候（温度、降水、零度等温线）和家禽密度；生态变量通过eBird Status and Trends和EltonTraits数据库计算鸟类丰度指数和功能性状。采用BART模型进行变量重要性分析和风险投影，并通过五折交叉验证评估模型性能。样本队列涵盖欧洲10公里网格单元，按鸟类行为季节（非繁殖期、迁徙期等）分层建模。

研究结果

风险分布呈现时空分异

模型投影显示，H5N8/H5N6疫情（2016-2021年）的风险热点分布于中欧沿海地区，季节性波动显著；而H5N1疫情（2021年后）风险向西北欧沿海（如北海沿岸）集中，且全年持续性更高。

不确定性分析表明，山区和伊比利亚半岛始终为低风险区。

环境与生态因子驱动机制

气候变量（如低温、零度等温线高度）是全年风险的最稳定预测因子，尤其在非繁殖季节。宿主生态因子中，雁鸭科（Anatinae）和潜鸭类（Aythyini）丰度对H5N1风险预测贡献最大，而物种丰富度在中等水平（50-100种）时风险最高。

行为性状（如食腐、水下取食）的影响具有季节特异性，例如繁殖期迁徙鸟类丰度可预测后续季节的疫情暴发。

模型验证与公共卫生关联

模型在测试集上曲线下面积（AUROC）达0.79-0.93，表现出良好泛化能力。家禽疫情数据验证显示，野生鸟类高风险区的家禽感染发生比（Odds）显著上升（图5），证实野鸟-家禽传播链的空间关联性。

结论与意义

本研究揭示了H5高致病性禽流感2.3.4.4b分支在欧洲的空间生态学特征：H5N1亚型导致风险重心西移，气候因子通过影响病毒环境存留和宿主聚集行为间接驱动传播，而特定水鸟类群（如雁鸭科）是关键维持宿主。方法学上，证明整合宿主生态数据可提升SDM预测精度，尤其通过贝叶斯框架量化不确定性，为高风险区靶向监测（如东巴尔干地区）提供依据。成果对禽流感跨物种传播预警、家禽生物安全措施制定及“One Health”策略具有实践价值，同时呼吁加强野鸟生态数据标准化以优化宏观模型。