Als sich das Ebolafieber 2014 zu einer Epidemie entwickelte, errechnete ein internationales Team von Wissenschaftlern in Computersimulationen und gestützt auf Virusproben, dass sich das Erbgut des Erregers im Schnitt alle 9,5 Tage verändert. Das war eine untypisch hohe Veränderungsrate. Normalerweise mutiert das Ebolavirus-Erbgut nur mit knapp halb so hoher Geschwindigkeit.
Die hohe Mutationsrate gab damals Anlass zu Befürchtungen, dass sich das Virus, wenn es sich schnell verändert, auch schnell virulenter wird. In späteren Studien konnten Forschende, die sehr viel mehr Virusproben auswerteten, die hohe Rate allerdings nicht bestätigen. Sie zeigten, dass sich der Erreger auch während der Epidemie langfristig gesehen nur mit der für ihn typischen, langsamen Geschwindigkeit veränderte.
Die ETH-Forschenden zeigen nun, dass die hohen geschätzten Mutationsraten zu Beginn der Epidemie einerseits auf die damals noch geringe Zahl von Virusproben zurückzuführen sind, und andererseits auf die verwendeten Computermodelle zurückzuführen sind, welche die Werte anhand von genetischen Daten von Virusproben und von getroffenen Grundannahmen errechnen.
Computermodelle vereinfachten die Realität
„Je weniger genetische Daten einem Modell zur Verfügung stehen, desto stärker beeinflussen die getroffenen Annahmen das Endresultat", erklärt ETH-Professorin Stadler. Die frühen Berechnungen zur Ebola-Epidemie seien entsprechend stark von Annahmen beeinflusst gewesen, die sich im Nachhinein als ungenau erwiesen hätten.
Aktuelle Computermodelle vereinfachten die Realität jedoch weniger als die vor einigen Jahren verwendeten, und sie würden weniger stark von den Grundannahmen beeinflusst, sagt Stadler. So nehmen die neuen Modelle zum Beispiel nicht mehr an, dass alle infizierten Personen den Erreger mit gleicher Wahrscheinlichkeit an Mitmenschen weitergeben, sondern sie berücksichtigen unterschiedliche Bevölkerungsstrukturen.
Zwar sind die neuen Modelle, an deren Entwicklung auch Stadler arbeitet, komplexer und rechenintensiver, dafür liefern sie auch zu Beginn einer Epidemie, wenn erst wenige genetische Daten vorliegen, genauere Resultate, wie neue Berechnungen der ETH-Wissenschaftler mit den genetischen Daten von 2014 gezeigt haben.
Quelle: idw – Informationsdienst Wissenschaft
Publikation: Möller S. et al.; Impact of the tree prior on estimating clock rates during epidemic outbreaks; PNAS, 2018; doi: 10.1073/pnas.1713314115
