- 3 次围观
1. 准确识别生物入侵、疾病暴发或环境污染物的空间起源，对于及时采取干预措施至关重要。然而，现有方法难以分辨来自多个来源的重叠信号，也难以应对有界数据中极端的零/一膨胀现象。2. 我们开发了 HiBASIL（Hierarchical BAyesian Source Inference and Localization，层级贝叶斯源点推断与定位），这是一种贝叶斯框架，可根据零—一膨胀的空间观测数据，联合推断源点坐标和机制驱动的扩散核函数。我们通过 2,500 次模拟对 HiBASIL 进行了系统测试，涵盖从局地扩散到远距离扩散的不同情景、不同源点权重组合（0.5/0.5 至 0.95/0.05）以及不同样本量（N = 50 至 500），以评估其对几何配置的敏感性、空间稳健性、参数恢复能力和多源点分辨能力。我们将 HiBASIL 应用于田间试验，以追踪瓜类霜霉病的扩散；试验采用随机完全区组设计，设置未接种对照、单焦点处理和双焦点处理。为展示其广泛适用性，我们利用伦敦历史霍乱疫情数据对 HiBASIL 进行了验证，以评估其能否准确定位疫情中心。3. 在模型设定正确时，HiBASIL 的扩散核函数识别准确率达到 100%；在欠参数化和过度参数化情景下，识别准确率分别为 100% 和 98%（另有 2% 的结果在预测上等效），并在零假设情景下保持了适当的简约性。其源点定位精度很高，中位偏差为 0.11 米，并成功分辨出观测值占比仅为 5% 的次要来源。重要的是，该框架具有内在的自诊断能力：欠参数化时，后验分布呈双峰；过度参数化时，则出现参数坍缩，从而提示模型复杂度不匹配。HiBASIL 适用于多种疫情情景，包括远距离扩散。在各向同性传播过程中，HiBASIL 在葫芦科霜霉病田间试验的双源定位中实现了亚米级平均误差；即使采样稀疏，也能有效地从景观噪声中分离出传播信号。尽管历史霍乱数据中潜在网络过程的影响造成了混杂，后验定位结果仍将疫情中心定位在约 33 m 范围内，展现了该方法在植物病害流行病学之外的可迁移性。4. 总之，HiBASIL 能够在多种疫情情景、疫源点组合极不均衡以及采样稀疏的条件下，准确定位多个源头。HiBASIL 还展现出在农业和人类疾病流行系统中的广泛适用性。通过提供开源 Python 实现，HiBASIL 为生态学、流行病学和环境监测提供了严谨的空间反演推断方法，改变了在复杂景观中识别离散传播源的方式。
- 识别生物入侵、疾病暴发或环境污染物的空间来源对于及时干预至关重要。然而，现有方法难以解析来自多个来源的重叠信号，也难以应对有界数据中极端的零/一膨胀现象。
- 我们开发了 HiBASIL（Hierarchical BAyesian Source Inference and Localization，分层贝叶斯源推断与定位），这是一个贝叶斯框架，可根据零-一膨胀空间观测数据联合推断源坐标和机制性扩散核。我们在2,500次模拟中系统测试了 HiBASIL，涵盖从局地扩散到远距离扩散的情形、不同的焦点权重混合比例（0.5/0.5至0.95/0.05）以及不同样本量（N = 50至500），以评估其几何敏感性、空间稳健性、参数恢复能力和多焦点分辨率。我们将 HiBASIL 应用于田间试验中葫芦科霜霉病扩散的追踪；这些试验包括未接种对照、单焦点和双焦点处理，并采用随机完全区组设计。为展示其广泛适用性，我们利用历史上的伦敦霍乱流行病数据对 HiBASIL 进行了验证，以确定其能否准确定位疫情中心。
- 在模型设定正确的情况下，HiBASIL 在扩散核识别方面达到了100%的准确率；在欠参数化和过参数化情形下，准确率分别为100%和98%（另有2%的结果在预测上等价），并且在零模型情形下保持了适当的简约性。源定位具有很高的精确度，中位偏差为0.11 m，并成功解析出仅占观测数据5%的少数源。重要的是，该框架具备内在的自诊断功能：通过后验双峰性（欠参数化）或参数坍缩（过参数化）提示模型复杂度不匹配。
HiBASIL 适用于多种疫情场景，包括远距离扩散。在各向同性传播过程中，HiBASIL 在葫芦科作物霜霉病田间试验的双源定位中实现了亚米级平均误差；尽管采样稀疏，仍能有效地从景观噪声中分离出传播信号。尽管历史霍乱数据受到潜在网络传播过程的混杂影响，后验分析仍将疫情中心定位在约 33 m 范围内，展现了该方法在植物病害流行病学之外的适用性。
- 总之，HiBASIL 能够在多种疫情场景、极度不均衡的疫源混合分布以及稀疏采样条件下，准确定位多个疫源。HiBASIL 还展现出在农业和人类疾病疫情系统中的广泛适用性。通过提供开源 Python 实现，HiBASIL 为生态学、流行病学和环境监测提供了严谨的空间反演推断方法，改变了在复杂景观中识别离散传播源的方式。
作者声明不存在利益冲突。
感谢您有意帮助传播 bioRxiv 的信息。
注意：要求提供您的电子邮件地址，仅用于确认您是本文的发送者。
关键词：层次贝叶斯模型 · 空间流行病学 · 多源点定位 · 扩散核函数 · 零一膨胀数据 · 计算生物学
原文链接：https://www.biorxiv.org/content/10.64898/2026.07.28.741334v1?rss=1