Может ли появиться штамм коронавируса, от которого не защитят вакцины? Когда это случится? И как этому противостоять?

Интервью генетика Федора Кондрашова, который специально изучал этот вопрос

Во многих странах и городах снимают эпидемиологические ограничения. Послабления вводят по мере того, как жители, привившись или переболев, получили иммунитет к коронавирусу. Все это происходит несмотря на то, что в тех же странах и городах наблюдается рост заболеваемости, вызванный распространением очень заразного варианта дельта. Однако, по мнению властей, поскольку заражение вакцинированных как правило не угрожает здоровью и жизни, дополнительная борьба с вирусом не требуется. Так, с 19 июля один из мировых лидеров вакцинации — Великобритания — сняла почти все ограничения; теперь тут не нужно даже соблюдать социальную дистанцию. Отменяют ограничения и американские штаты. В исследовании, опубликованном в журнале Scientific Reports группы Nature, ученые из Института науки и технологий Австрии предсказали, что такое снятие ограничений в момент, когда заболеваемость растет, может привести к появлению и закреплению в популяции новых штаммов — способных избегать иммунитета, полученного с помощью прививок. «Медуза» попросила рассказать об исследовании одного из его авторов, генетика Федора Кондрашова.

Вне зависимости от ситуации с заболеваемостью мы рекомендуем вам вакцинироваться от коронавируса. Если вы все еще сомневаетесь в этом, прочитайте, например, этот материал «Медузы».

— За неделю в СМИ по всему миру появилось много разных вариантов научно-популярного изложения вашей статьи. Если бы вы сами писали научно-популярную версию о своей научной статье, как бы вы ее озаглавили — и как изложили ее краткое содержание?

— Эту [научно-популярную] статью можно написать совершенно по-разному, в зависимости от того, какая стоит цель. Нам было просто интересно понять, как взаимодействуют несколько параметров, которые описывают прогрессию [распространение] пандемии — уровень вакцинации, частота мутации вируса и эффективность ограничительных мер и социального дистанцирования. И как это взаимодействие влияет на вероятность появления штамма, устойчивого к вакцине. Одна из причин, почему есть разные «интерпретации» или разные популярные описания нашей работы, состоит в том, что взаимодействия эти получились сложные.

Некоторые журналисты спрашивают: «Как вы объясните простому человеку, почему он должен продолжать носить маску, когда он уже вакцинирован и все вокруг тоже?» Наш ответ кажется контринтуитивным для обывателя — хотя для популяционных генетиков он понятен. Вероятность того, что мы потеряем контроль над штаммом, резистентным [устойчивым] к вакцинам, самая высокая в момент, когда мы достигаем порога коллективного иммунитета.

При этом, насколько я знаю, такого моделирования, сочетающего эпидемиологию и популяционную генетику, никто до нас не делал.

— На первый взгляд, ваша модель содержит параметры, которые отличаются от тех, что мы видим в реальности. Скажем, модель рассматривает все варианты вируса как одинаково заразные.

— Нужно понимать, какие бывают концепции моделирования в науке. Есть эмпирические модели, которые должны строго количественно описывать реальность. А есть теоретические, которые пытаются описать фундаментальные механизмы того, как работает эта реальность. Они могут выявить, что есть такой механизм; может быть, определить какие-то границы, в которых этот механизм работает. Они делаются для того, чтобы понять фундаментальный аспект природы, а уже применять их к реальности нужно по-другому.

Наша модель как раз второго типа — мы пытаемся понять фундаментальный механизм. Безусловно, она реалистичная, потому что она описывает, как, по нашему мнению, этот механизм должен функционировать в природе, в том числе в нынешней ситуации. Но он не призван быть количественно верным в каких-то конкретных ситуациях. Нельзя сказать: «О, смотрите, в Уганде оно вот так, и модель показывает, что там этот показатель должен быть 58,4»; такие модели для этого неприменимы.

— Давайте тогда поговорим сначала о фундаментальном понимании того, что ваша модель говорит про устройство природы. Расскажите, на чем она основана?

— Чтобы сделать модель применимой к пониманию нынешней пандемии, мы использовали параметры, которые уже были более-менее нормально измерены в естественной среде. Нам не нужно было самостоятельно измерять число распространения вируса Rt — мы использовали уже имеющиеся данные. Мы знали, сколько раз за год случаются «волны эпидемии» — сменяющие друг друга периоды повышения и понижения скорости распространения вируса. И так далее.

К этому мы добавили вероятность возникновения резистентного штамма у конкретного пациента. Некоторые называют это «скорость мутаций». На самом деле, это неправда — речь о более сложном параметре. Это кумулятивное влияние двух эффектов: самой скорости мутаций вируса внутри конкретного пациента — и вероятности того, что какая-то из мутаций или набора мутаций приведет к появлению определенного фенотипа, а именно — к резистентности к вакцине.

Оценить этот параметр даже с точностью до порядка величины очень сложно, наука до этого пока не дошла. Поэтому мы исследовали его в очень широком диапазоне — диапазоне четырех порядков величины, то есть от очень вероятного до очень маловероятного. Это большой, но при этом разумный диапазон: если скорость мутирования бесконечно мала, резистентность не возникнет; а если скорость мутаций высокая — например, как это наблюдается у ВИЧ, — резистентность практически неизбежна.

Важным аспектом является то, что мы сочетаем классическое эпидемиологическое моделирование (модель SIR) с популяционной генетикой, что позволяет нам рассматривать эволюцию вируса в эпидемиологическом контексте. Популяционная генетика добавляет в стандартную эпидемиологическую модель (которая детерминирована) необходимые элементы случайности. Мы можем учитывать динамику того, что происходит с резистентным штаммом, когда он очень редко встречается в популяции, что невозможно учесть в моделях SIR.

— И что показало моделирование?

— С самого начала пандемии все привыкли думать, что мы пытаемся защищаться от одного вируса. На самом деле, если мы посмотрим на какую-нибудь конкретную страну — скажем, на Великобританию, где сейчас сотни тысяч больных, — и учтем скорость мутаций вируса в каждом пациенте, мы поймем, что в стране существуют тысячи разных вирусов. Эти вирусы отличаются друг от друга небольшим количеством новых мутаций. Большая часть мутаций, конечно, не влияет на эпидемиологические показатели. Но, поскольку вариантов вируса очень много, есть вероятность того, что какой-то очень редкий штамм, который есть, скажем, у пяти пациентов, — уже немножко другой с точки зрения того, как он заражает, кого он заражает, насколько хорошо заражает, и, в том числе, насколько он хорошо уходит от вакцины.

И безо всяких моделей понятно, что, чем больше на протяжении всего времени пандемии болеет людей, тем больше будет вероятность, что возникнет такой резистентный штамм — просто потому, что будет больше людей, в [организме] которых может возникнуть эта мутация. То есть более высокая эффективность ограничений и социального дистанцирования не только уменьшает количество заразившихся и снижает смертность, но и уменьшает вероятность появления резистентного к вакцинам штамма.

Точно так же очевидно, что, при прочих равных условиях, низкая скорость вакцинации увеличивает вероятность появления резистентного штамма — и увеличивает смертность. Если мы вакцинируем всех за один день, вероятность появления резистентного штамма будет низкая. Если мы вакцинируем людей медленно, заразившихся будет больше — и, тем самым, вероятность появления новых опасных штаммов будет выше. Это все очевидно.

Однако есть и менее очевидные выводы. Мы знаем, что вирус распространяется волнообразно: периоды быстрого распространения вируса сменяются периодами медленного распространения. Это происходит из-за того, что — наряду с другими факторами — на скорость распространения с разной эффективностью действуют ограничения, то, что называется non-pharmaceutical interventions (NPI).

Мутации, облегчающие распространение вирусов (увеличивающие скорость их передачи или резистентность [к вакцинам]), могут быть удалены из популяции за счет стохастических процессов, прежде чем они станут доминирующими. Если в стране ввели локдаун, количество инфицированных становится меньше. С популяционно-генетической точки зрения, это означает падение численности популяции вирусов. Это условия, в которых велика вероятность того, что редкие мутации вымрут. Чем больше снижается число заразившихся, тем больше вариантов — в том числе опасных — будет удалено. По сути дела, уменьшение количества инфицированных не просто спасает людям жизни и разгружает больницы, но также вычищает потенциально опасные варианты из популяции вирусов.

В период «высокой волны» появляющиеся новые, в том числе резистентные, штаммы конкурируют за инфицирование людей с другими вариантами. Когда в популяции вакцинировано мало людей, резистентные к вакцинам штаммы не имеют большого преимущества перед другими. Но если такой устойчивый к вакцинам штамм возник в тот момент, когда привиты почти все, то он получает большое преимущество.

Так вот, самая высокая вероятность появления резистентного штамма возникает тогда, когда с помощью вакцинации достигнут порог коллективного иммунитета, а ограничения (NPI) ослаблены или неэффективны — все уже расслабились, потому что [почти все] вакцинировались от другого штамма; стали тусить, как до эпидемии. Число заразившихся растет, шансы на то, что редкие варианты вымрут, уменьшаются. Так мы позволяем резистентному варианту закрепиться в популяции.

Наше моделирование показывает, что самые высокие шансы на то, чтобы укрепился резистентный вариант, возникают тогда, когда привиты многие, но не все, а NPI не эффективны и число больных растет.

— За время эпидемии уже возникали варианты вируса, против которых вакцины показали относительно низкую эффективность. Однако сейчас наибольший «успех» имеет вариант дельта, главная особенность которого — большая заразность. Как это можно объяснить?

— Понятно, что большая разница в скорости инфицирования дает очень большое конкурентное преимущество [варианту вируса]. Разница между дельтой и изначальным штаммом настолько велика, что дельта побеждает этот изначальный штамм в одну калитку — с популяционной точки зрения — чрезвычайно быстро, практически мгновенно. Если, допустим, у нас разница [в скорости инфицирования] в десять раз — это чудовищное преимущество, которое действует на любом этапе эпидемии — вне зависимости от того, сколько людей вакцинировано или переболело. При этом отбор по скорости инфицирования имеет биологический порог, выше которого этому вирусу очень сложно эволюционировать. Эффект же отбора по признаку резистентности против вакцины лучше всего работает тогда, когда привитых много, но привиты не все. То есть важно, чтобы такой вариант вируса возник в правильный момент.

Непонятно? Вот чуть проще

В популяции сперва всегда побеждает более заразный вариант вируса. Вариант дельта — существенно более заразный, чем предыдущие (в полтора-два раза заразнее, и это огромная разница). А вот устойчивый к вакцинам вариант вируса побеждает в тот момент, когда появляется много вакцинированных. Это как раз нынешняя ситуация в Европе и США. Где и снимают ограничения.

— Ваше моделирование показывает, что этот «правильный момент» возникает тогда, когда популяция пересекает порог коллективного иммунитета. Между тем, порог коллективного иммунитета для штамма дельта выше, чем для изначального варианта. Значит ли это, что распространение дельты снижает вероятность закрепления резистентного штамма?

— Это просто сдвигает [вероятностный] пик — он будет на [уровне вакцинации] примерно в 90% [населения], а не 60% [как у изначального варианта]. Но фундаментальный принцип природы у нас останется тот же самый: если есть много вакцинированных, а количество инфицированных растет, вероятность закрепления опасного штамма повышается. При этом снизить количество заболевших в борьбе с вариантом, имеющим большую скорость инфицирования — как с той же дельтой, — тяжелее.

Наша модель, на самом деле, применима не только для понимания появления резистентных штаммов, но также для понимания штаммов с большей скоростью инфицирования. Из нее видно, как сложно взаимодействуют разные факторы: динамика количества инфицированных, эффективность ограничений, доля вакцинированных и так далее.

— Что из вашего исследования должны почерпнуть те, кто занимаются принятием решений о борьбе с эпидемией?

— Главный вывод: если на протяжении всей кампании вакцинации снижать скорость инфицирования, можно существенно уменьшить вероятность возникновения резистентного штамма.

Но мне кажется, что особенно в нынешней ситуации в мире чрезвычайно важно быть очень аккуратным, в том числе разделять модели и их приложение к тому, что по-английски называется policy. Я не хотел бы этим заниматься сам. Причина, по которой мы изначально взялись за эту модель, и то, как мы ее описали, как мы очень аккуратно обращались с языком, который при этом использовали, состоит в том, что мы хотели сделать инструмент для других.

В частности, мы надеялись, что код, который мы выложили [в открытый доступ на сервис] GitHub, послужит инструментом, в том числе, для людей, которые принимают конкретные решения [о политике противостояния эпидемии]. Я не думаю, что помощник человека, который принимает решения, будет гонять сам код, но уже человек, который советует человеку, который советует условному [премьер-министру Великобритании] Борису Джонсону — он, наверное, этот код погоняет.

Но, если честно, я все-таки думаю, что в основном коллеги будут использовать этот код для исследования фундаментальных вопросов, а не для применения к конкретным ситуациям — во всяком случае, без существенных изменений этого кода.

— У условного Бориса Джонсона, наверное, возникнет вопрос, как долго нужно сохранять обременительные для общества ограничения и есть ли этому альтернатива?

— Я уже писал, что нужно увеличить долю секвенирования [генетического материала вирусов у выявленных заразившихся] — с тем, чтобы внимательно следить за тем, что происходит с редкими штаммами. Нужно попытаться поймать тот момент, когда в популяции появился потенциально опасный, но еще редкий штамм, чтобы можно было его остановить вовремя.

— Допустим, условный Борис Джонсон может себе это позволить и даже старается это сделать. А руководитель другой страны — или ее ученые — не могут себе этого позволить по финансовым и организационном соображениям. Не получится ли так, что из-за того, что не все страны могут применить все доступные меры, мы упустим распространение опасного штамма?

— Да, и это тоже очень важная вещь, про которую мы, на самом деле, тоже сказали в статье: кампания по секвенированию должна быть глобальной. Если условная Великобритания все сделала абсолютно правильно, а другая страна этого сделать не смогла, штамм все равно рано или поздно попадет и в Великобританию и все другие страны.

Кажется очевидным, что должна быть глобальная координация как вакцинирования, так и отслеживания появления редких штаммов. Я считаю, что у богатых стран есть моральное обязательство не только перед другими странами, но и перед самими собой — создать такую систему отслеживания штаммов, в том числе, в странах, которые не могут себе это позволить.

Короткий вывод. Если вы хотите помешать возникновению штаммов, от которых не защитят вакцины, — прививайтесь и по-прежнему соблюдайте осторожность. Избегайте закрытых помещений с плохой вентиляцией; общайтесь с друзьями, особенно непривитыми, на воздухе; соблюдайте дистанцию — и носите маски там, где это необходимо.

Беседовал Дмитрий Кузнец