Lineage dynamics The scale of genome-sequencing efforts for severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) is unprecedented. The United Kingdom has contributed more than 26,000 sequences to this effort. This volume of data allowed du Plessis et al. to develop a detailed picture of the influxes of virus reaching U.K. shores as the pandemic developed during the first months of 2020 (see the Perspective by Nelson). Before lockdown, high travel volumes and few restrictions on international travel allowed more than 1000 lineages to become established. This accelerated local epidemic growth and exceeded contact tracing capacity. The authors were able to quantify the abundance, size distribution, and spatial range of the lineages that were transmitted. Transmission was highly heterogeneous, favoring some lineages that became widespread and subsequently harder to eliminate. This dire history indicates that rapid or even preemptive responses should have been used as they were elsewhere where containment was successful. Science , this issue p. 708 ; see also p. 680

The yellow fever virus (YFV) epidemic in Brazil is the largest in decades. The recent discovery of YFV in Brazilian Aedes species mosquitos highlights a need to monitor the risk of reestablishment of urban YFV transmission in the Americas. We use a suite of epidemiological, spatial, and genomic approaches to characterize YFV transmission. We show that the age and sex distribution of human cases is characteristic of sylvatic transmission. Analysis of YFV cases combined with genomes generated locally reveals an early phase of sylvatic YFV transmission and spatial expansion toward previously YFV-free areas, followed by a rise in viral spillover to humans in late 2016. Our results establish a framework for monitoring YFV transmission in real time that will contribute to a global strategy to eliminate future YFV epidemics.

Abstract Wide-scale SARS-CoV-2 genome sequencing is critical to tracking viral evolution during the ongoing pandemic. Variants first detected in the United Kingdom, South Africa, and Brazil have spread to multiple countries. We developed the software tool, Variant Database (VDB), for quickly examining the changing landscape of spike mutations. Using VDB, we detected an emerging lineage of SARS-CoV-2 in the New York region that shares mutations with previously reported variants. The most common sets of spike mutations in this lineage (now designated as B.1.526) are L5F, T95I, D253G, E484K or S477N, D614G, and A701V. This lineage was first sequenced in late November 2020 when it represented <1% of sequenced coronavirus genomes that were collected in New York City (NYC). By February 2021, genomes from this lineage accounted for ~ 32% of 3288 sequenced genomes from NYC specimens. Phylodynamic inference confirmed the rapid growth of the B.1.526 lineage in NYC, notably the sub-clade defined by the spike mutation E484K, which has outpaced the growth of other variants in NYC. Pseudovirus neutralization experiments demonstrated that B.1.526 spike mutations adversely affect the neutralization titer of convalescent and vaccinee plasma, indicating the public health importance of this lineage.

Birth-death processes have given biologists a model-based framework to answer questions about changes in the birth and death rates of lineages in a phylogenetic tree. Therefore birth-death models are central to macroevolutionary as well as phylodynamic analyses. Early approaches to studying temporal variation in birth and death rates using birth-death models faced difficulties due to the restrictive choices of birth and death rate curves through time. Sufficiently flexible time-varying birth-death models are still lacking. We use a piecewise-constant birth-death model, combined with both Gaussian Markov random field (GMRF) and horseshoe Markov random field (HSMRF) prior distributions, to approximate arbitrary changes in birth rate through time. We implement these models in the widely used statistical phylogenetic software platform RevBayes, allowing us to jointly estimate birth-death process parameters, phylogeny, and nuisance parameters in a Bayesian framework. We test both GMRF-based and HSMRF-based models on a variety of simulated diversification scenarios, and then apply them to both a macroevolutionary and an epidemiological dataset. We find that both models are capable of inferring variable birth rates and correctly rejecting variable models in favor of effectively constant models. In general the HSMRF-based model has higher precision than its GMRF counterpart, with little to no loss of accuracy. Applied to a macroevolutionary dataset of the Australian gecko family Pygopodidae (where birth rates are interpretable as speciation rates), the GMRF-based model detects a slow decrease whereas the HSMRF-based model detects a rapid speciation-rate decrease in the last 12 million years. Applied to an infectious disease phylodynamic dataset of sequences from HIV subtype A in Russia and Ukraine (where birth rates are interpretable as the rate of accumulation of new infections), our models detect a strongly elevated rate of infection in the 1990s.

ABSTRACT Introduction Vaccination and anti-viral therapy with nucleos(t)ide analogues (NAs) are key approaches to reducing the morbidity, mortality and transmission of hepatitis B virus (HBV) infection. However, the efficacy of these interventions may be reduced by the emergence of drug resistance-associated mutations (RAMs) and/or vaccine escape mutations (VEMs). We have assimilated data on the global prevalence and distribution of HBV RAMs/VEMs from publicly available data and explored the evolution of these mutations. Methods We analysed sequences downloaded from the Hepatitis B Virus Database, and calculated prevalence of 41 RAMs and 38 VEMs catalogued from published studies. We generated maximum likelihood phylogenetic trees and used treeBreaker to investigate the distribution of selected mutations across tree branches. We performed phylogenetic molecular clock analyses using BEAST to estimate the age of mutations. Results RAM M204I/V had the highest prevalence, occurring in 3.8% (109/2838) of all HBV sequences in our dataset, and a significantly higher rate in genotype C sequence at 5.4% (60/1102, p=0.0007). VEMs had an overall prevalence of 1.3% (37/2837) and had the highest prevalence in genotype C and in Asia at 2.2% (24/1102; p=0.002) and 1.6% (34/2109; p=0.009) respectively. Phylogenetic analysis suggested that most RAM/VEMs arose independently, however RAMs including A194T, M204V and L180M formed clusters in genotype B. We show evidence that polymorphisms associated with drug and vaccine resistance may have been present in the mid 20 th century suggesting that they can arise independently of treatment/ vaccine exposure. Discussion HBV RAMs/VEMs have been found globally and across genotypes, with the highest prevalence observed in genotype C variants. Screening for the genotype and for resistant mutations may help to improve stratified patient treatment. As NAs and HBV vaccines are increasingly being deployed for HBV prevention and treatment, monitoring for resistance and advocating for better treatment regimens for HBV remains essential.

Socio-economic disparities were associated with disproportionate viral incidence between neighborhoods of New York City (NYC) during the first wave of SARS-CoV-2. We investigated how these disparities affected the co-circulation of SARS-CoV-2 variants during the second wave in NYC. We tested for correlation between the prevalence, in late 2020/early 2021, of Alpha, Iota, Iota with E484K mutation (Iota-E484K), and B.1-like genomes and pre-existing immunity (seropositivity) in NYC neighborhoods. In the context of varying seroprevalence we described socio-economic profiles of neighborhoods and performed migration and lineage persistence analyses using a Bayesian phylogeographical framework. Seropositivity was greater in areas with high poverty and a larger proportion of Black and Hispanic or Latino residents. Seropositivity was positively correlated with the proportion of Iota-E484K and Iota genomes, and negatively correlated with the proportion of Alpha and B.1-like genomes. The proportion of persisting Alpha lineages declined over time in locations with high seroprevalence, whereas the proportion of persisting Iota-E484K lineages remained the same in high seroprevalence areas. During the second wave, the geographic variation of standing immunity, due to disproportionate disease burden during the first wave of SARS-CoV-2 in NYC, allowed for the immune evasive Iota-E484K variant, but not the more transmissible Alpha variant, to circulate in locations with high pre-existing immunity.

Abstract The emergence of SARS-CoV in 2002 and SARS-CoV-2 in 2019 has led to increased sampling of related sarbecoviruses circulating primarily in horseshoe bats. These viruses undergo frequent recombination and exhibit spatial structuring across Asia. Employing recombination-aware phylogenetic inference on bat sarbecoviruses, we find that the closest-inferred bat virus ancestors of SARS-CoV and SARS-CoV-2 existed just ∼1–3 years prior to their emergence in humans. Phylogeographic analyses examining the movement of related sarbecoviruses demonstrate that they traveled at similar rates to their horseshoe bat hosts and have been circulating for thousands of years in Asia. The closest-inferred bat virus ancestor of SARS-CoV likely circulated in western China, and that of SARS-CoV-2 likely circulated in a region comprising southwest China and northern Laos, both a substantial distance from where they emerged. This distance and recency indicate that the direct ancestors of SARS-CoV and SARS-CoV-2 could not have reached their respective sites of emergence via the bat reservoir alone. Our recombination-aware dating and phylogeographic analyses reveal a more accurate inference of evolutionary history than performing only whole-genome or single gene analyses. These results can guide future sampling efforts and demonstrate that viral genomic fragments extremely closely related to SARS-CoV and SARS-CoV-2 were circulating in horseshoe bats, confirming their importance as the reservoir species for SARS viruses.

Birth-death models play a key role in phylodynamic analysis for their interpretation in terms of key epidemiological parameters. In particular, models with piecewise-constant rates varying at different epochs in time, to which we refer as episodic birth-death-sampling (EBDS) models, are valuable for their reflection of changing transmission dynamics over time. A challenge, however, that persists with current time-varying model inference procedures is their lack of computational efficiency. This limitation hinders the full utilization of these models in large-scale phylodynamic analyses, especially when dealing with high-dimensional parameter vectors that exhibit strong correlations. We present here a linear-time algorithm to compute the gradient of the birth-death model sampling density with respect to all time-varying parameters, and we implement this algorithm within a gradient-based Hamiltonian Monte Carlo (HMC) sampler to alleviate the computational burden of conducting inference under a wide variety of structures of, as well as priors for, EBDS processes. We assess this approach using three different real world data examples, including the HIV epidemic in Odesa, Ukraine, seasonal influenza A/H3N2 virus dynamics in New York state, America, and Ebola outbreak in West Africa. HMC sampling exhibits a substantial efficiency boost, delivering a 10- to 200-fold increase in minimum effective sample size per unit-time, in comparison to a Metropolis-Hastings-based approach. Additionally, we show the robustness of our implementation in both allowing for flexible prior choices and in modeling the transmission dynamics of various pathogens by accurately capturing the changing trend of viral effective reproductive number.

The yellow fever virus (YFV) epidemic that began in Dec 2016 in Brazil is the largest in decades. The recent discovery of YFV in Brazilian Aedes sp. vectors highlights the urgent need to monitor the risk of re-establishment of domestic YFV transmission in the Americas. We use a suite of epidemiological, spatial and genomic approaches to characterize YFV transmission. We show that the age- and sex-distribution of human cases in Brazil is characteristic of sylvatic transmission. Analysis of YFV cases combined with genomes generated locally using a new protocol reveals an early phase of sylvatic YFV transmission restricted to Minas Gerais, followed in late 2016 by a rise in viral spillover to humans, and the southwards spatial expansion of the epidemic towards previously YFV-free areas. Our results establish a framework for monitoring YFV transmission in real-time, contributing to the global strategy of eliminating future yellow fever epidemics.