新型コロナウイルス感染のメカニズムを簡単なモデルで理解して社会的距離戦略(ソーシャルディスタンシング)を実践しよう。
なぜ活動を80％削減する必要があるかを理解できるように、誰にでも理解できるように簡単な感染モデルを作ってみました。大体の状況を把握するには十分です。
まず、人々の数は一定とします。新しく生まれる命も消えていく命もないと仮定します。つぎに、ひとびとを3つのグループに分けます。感染する可能性のある人、感染した人、そして回復した人です。ここで重要なのは回復した人は自分の免疫力で回復したとして、免疫力があるので2度と感染しないとします。それはつぎのようにあらわせます。
自分でモデルを作ってみると、感染に関する理解力が増し、取るべき行動が良く見えてきます。
もっとも単純なモデル
感染する可能性のある人の数をSとする。最初に１人が感染し、それが伝播していくと考える。伝播の仕方はつぎのとおりである。
感染する可能性のある人が人と接触する。その人が1日に接触する人の数または活動度をCとする。
つぎに接触した人が感染者である確率をunluckとする。
そうすると接触した人の内で感染者はC x unluckとなる。
そして、感染者と接触して感染する確率をbetaとすると、感染する可能性のある免疫のないひとの数はSなので、新しく感染する人の数 new_I は、
new_I = S(t) x C x unluck x beta
となる。そうすると感染者の数 Iは
I(t+1) = I(t) + new_I
となる。しかし、感染しても自分の力で免疫を得て回復する可能性もある。その割合を一日 gammaとする。
一日で回復する人の数 new_R を、感染者数 I(t) ｘ gammaとすると、
new_R= I(t) x gamma
となる。
感染者の数は
I(t+1) = I(t) + new_I - new_R
となる。人は必ず感染から回復し、免疫を得て、2度と感染しないと仮定されている。2度と感染しない人の数をRとすると
R(t+1) = R(t) + new_R
感染する人の数Sは
S(t+1) = S(t)-new_I
したがって、
S(t+1)+I(t+1)+R(t+1)=S(t)-new_I+I(t)+new_I-new_R+R(t)+new_R=S(I)+I(t)+R(t)=S(0)+I(0)+R(0)=一定
となる。
プログラムしてみよう。
#初期化
%matplotlib inline
import matplotlib.pyplot as plt
つぎに新しい感染者数等をプロットする。
S=1000 # the number of people without immunity
beta=0.2 #rate of infection
gamma=0.1 #recovery rate
I=1
R=0
alpha=I/(S+I+R)
C=2 # the number of person to meet/contact
inf=[]
sus=[]
rec=[]
for t in range(100):
alpha=I/(S+I+R)#infection rate of contact person
new_R=I*gamma
new_I=S*C*alpha*beta
if new_I<0:
new_I=0
I=I+new_I-new_R
R=R+new_R
S=S-new_I
if S<=0:
S=0
inf.append(I)
sus.append(S)
rec.append(R)
#print(t,new_inf,n)
plt.plot(inf,label='infection')
plt.plot(sus,label='susceptible')
plt.plot(rec,label='recover')
plt.legend()
つぎに、social distancingの役割を理解するために、接触者の数を増やしてみる。上述のコードのc=2をc=10に変更する。
感染者数が増え、そのピークの時期も早くやってくる。これでは病院に患者があふれてしまう。
つぎに接触者の数を減らしてみる。プログラムコードのc=1にしてみる。
想定どうり。感染者の数は減り、ピークもうしろにずれた。これで病院は混雑せずにすむ。
どの場合も自己の免疫で回復するしかないということだ。最初の2つは最後にはほぼ全員が感染し、ほぼ全員が免疫をもつまで収束しない。最後の例はその点があいまいだ。どのシミュレーションでもステップの最大値を100(range(100))にしている。これを1000にしてみよう(range(1000)。
人との接触を減らし感染の速度をゆっくりにして、自らの免疫力で回復していけば、そのうちに感染者がいなくなり、感染者がいなくなる。全員が感染しなくてすむ。これが社会距的離戦略をとる理由だ！
ウィキSIRモデルではC x alpha x betaをbetaと置いています。一般的には感染率は接触する人を限定していない数字でここでのモデルの扱いは例外です。
このモデルではコロナウイルスの感染の様子が、
実態よりもずっと簡単に表現されています。
コロナウイルスでは死亡者がいます。
潜伏期間があります。
感染から回復後に再感染があります。
感染確認までの期間も長いです。
感染の仕方は非線形で加速度的に増加しますが、このモデルでは単なる比例関係で表現されています。
このモデルの感染の様子はインフルエンザのような均一に患者から感染が伝播します。しかしクラスター感染では、クラスターを管理すると急激に感染を抑え込むことができます。
このような簡単なモデルでもよい点があります。
簡単に理解できること。
薬がない現状ではこのモデルで基本的な感染の仕組みを理解することが大事です。薬があれば治療を開始する時期が大事ですが、今はそうではないのです。そうすると、とにかく人と接触しないことが大事ということです。
感染率を下げることは手洗いをしたり、マウスを付けたり、人ごみに行かないなどの制限につながります。ワクチンもその1つです。しかし、このような行為で感染率を下げるのも重要ですが、限界があります。モデルのbetaをいろいろ変化させてみてください。
このモデルでは現状感染率を下げるには人と接触しないことだということを強調しています。
また、回復率を上げるには、なるべく安静にすることと人と接触しないことです。
より複雑な状況の例：
回復したと思ってもウイルスを保持していて再発するケース。
薬ができて治療できる状況
ワクチン接種が可能な状況
感染に気付くまでに時間がかかる
人との物理的な距離を保ちましょう。(社会的距離,ソーシャルディスタンシング))
以下のイラストは世界保健機関(WHO)のホームページから切り取っています。
人と話すとつば(飛沫)が飛びます。 １ｍ離れるとつば(飛沫)は落下します。
コロナウイルスはアルコールで消毒・撃退
手で目を触らない 手で鼻をいじらない 手で口を触らない
万が一くしゃみが出そうになったらティッシュで押さえ適切にゴミ箱に処理するか、袖で口を押えます。
コロナウイルスを広げないためにアルコールか石鹸で手をよく洗いましょう。
石鹸で手洗いをしっかりしましょう。
クリックしてコロコロてあらいソングを実践しよう。
目、口、鼻には手で触ってはいけません。
万が一くしゃみが出そうになったら袖で口を覆うか、ハンカチで口を覆います。
人ごみは避けます。
風邪などの症状が出たら家にいましょう。
症状によっては専門家に連絡をします。
期待される治療法の開発
今のところコロナウイルスに有効な治療薬として認定されたのはレムデシビルだけです。しかしその効用は限定的です。
回復期血漿(convalescent plasma)
回復期の血漿でCOVID-19を治療します。病気にかかって回復した患者から採取した血漿を利用します。
彼らの血漿は病気をうまく撃退するために作った抗体を含み、コロナウイルスに感染した人にそれらの抗体を与えると彼らの回復を助けることができるということです。同様のアプローチには過免疫グロブリンと呼ばれるものもあります。
抗体薬
新しい有望な抗ウイルス薬としてEIDD-2801があります。これは、エモリー大学が所有する非営利バイオテクノロジー企業によって作成されました。製薬大手のメルクはリッジバックバイオセラピューティクスと共同でEIDD-2801を開発する契約を結びました。EIDD-2801はすでに英国でヒトでの試験を開始しています。EIDD-2801がレムデシビルより優れている大きな利点の1つは、静脈内投与ではなく錠剤として摂取できることです。
モノクローナル抗体
モノクローナル抗体は、人間の免疫系の抗体を模倣できる実験室で作られた分子です。特定の侵入者に対して標的化された抗体で個人の免疫系を補うことによって働きます。 パンデミックが発生した当初から、研究者らは潜在的な治療法としてモノクローナル抗体に注目してきました。カナダのバイオテクノロジー企業であるAbCelleraと製薬会社のEli Lillyによって開発されたものです。
モノクローナル抗体に基づく第二の薬は、製薬会社Regeneronによって作られた2つのモノクローナル抗体のカクテルです。治験が始まっています。
免疫モジュレーター
コロナウイルスが人間の健康に大きな打撃を与えている特徴の1つは、誰かの免疫システムをオーバードライブさせる能力です。免疫反応を抑えるために使用できるさまざまな薬物がすでに市場に出ており、これらの薬を有効に使用する方法を知るには時間がかかります。
コンピュータモデル
ホワイトハウスはCOVID-19 High Performance Computing Consortiumを立ち上げました。 これは現在存在するものとは異なるCOVID-19の新規薬剤を設計することが可能だからです。 ウイルスが細胞に感染する方法をコンピュータの中に作成し、その感染プロセスをブロックする方法をこんぴゅーたーに探させるのです。 治療に転用できる既存の薬物を特定できる可能性も、治療法のベストな組み合わせを探すことにも使用できます。
ワクチンについて
「ワクチン接種の基本概念」はワクチンの基礎知識を学びたい人向けの最もおすすめの資料です。
さまざまな技術を使用してコロナウイルスワクチンが開発されています。これらのワクチンのほとんどは、SARS-CoV-2コロナウイルスがヒト細胞へ侵入することを助ける、いわゆるスパイクタンパク質を処置の対象にしています。 免疫系により、スパイクタンパク質を掴んでウイルスの侵入を止める抗体を造ることができます。コロナウイルスのワクチンは、病気を引き起こすことなくウイルスに対する抗体を作ることを人々の免疫系に伝えます。ワクチンは病原体全体か病原体の一部から構成され、弱毒性ワクチン(生ワクチン),不活化ワクチン, 遺伝子組み換えサブユニットワクチン、トキソイド、多糖体―たんぱく結合型ワクチンに分類されます。
病原体全体からなるウイルスワクチン
コロナウイルス全体を改変して免疫応答を機能させるワクチン。
不活化および弱毒生ワクチン
今日使用されているほとんどのワクチンは、病気を引き起こすことができない不活化または弱毒化されたウイルスを組み込んでいます。免疫細胞がそれらを認識すると、彼らは抗体を作ります。
これらのワクチンを作ることは、多くの場合ウイルスを育てることを意味します。インフルエンザワクチンは通常、鶏の卵で育てられ、他のワクチンは浮遊細胞でいっぱいのタンクで育てられます。これらの手順では、新しいワクチンを製造するのに数か月かかることがあります。
例：インフルエンザ、水痘、麻疹、おたふく風邪、風疹の従来のワクチンはすべてこのカテゴリーに分類されます。
病原体の一部からなるワクチン
これらの多くは不活化ワクチンです。
ウイルスベクターワクチン
ウイルスを利用してコロナウイルス遺伝子を細胞に送達するワクチン。
アデノウイルスまたは他のウイルスを使用するワクチン
ウイルスは細胞への侵入に非常に優れています。 1990年代以来、研究者たちは、それらの特性を利用して遺伝子を細胞に送達し、人々を病気から護る方法を研究してきました。
コロナスパイクタンパク質遺伝子を加えられたアデノウイルスと呼ばれるウイルスは、細胞内に侵入し、遺伝子をアンロードします。 アデノウイルスはそれ自身の遺伝子の1つを欠いているので、自身を複製することができず、したがって安全です。
例：狂犬病およびジステンパー、H.I.V.、エボラワクチン。
タンパク質ベースのワクチン
コロナウイルスタンパク質またはタンパク質の断片を使用するワクチン。
ウイルス様粒子ワクチン
一部のワクチンは、ウイルスタンパク質の断片を含む粒子です。 それらは実際のウイルスではないため、病気を引き起こすことはありませんが、コロナウイルスのタンパク質がどのようなものであるかを免疫系に示すことができます。
例：HPV(ヒトパピローマウイルス)のワクチン(不活化)。
組換えタンパク質ワクチン
遺伝子組み換え技術を応用した沈降不活化ワクチンです。酵母で産生した抗原をアジュバント（アルミニウム塩）に吸着させています。 この方法によるコロナウイルスワクチンには、スパイクタンパク質全体またはタンパク質の小さな断片が含まれます。
例：帯状疱疹およびB型肝炎のワクチン。
遺伝子ワクチン
コロナウイルスの遺伝暗号の一部を使用するワクチン。
DNAワクチン
多くの実験的コロナウイルスワクチンはウイルス全体を送達しません。代わりに、彼らはウイルスタンパク質を構築するために指示を与えます。その後、タンパク質は免疫系を刺激して抗体を作り、コロナウイルスに対する他の防御を強化するのに役立ちます。
このような遺伝的手法の1つは、DNAワクチンとして知られています。設計されたDNAの輪が細胞に送達されます。細胞はウイルス遺伝子を読み取り、メッセンジャーRNAと呼ばれる分子にコピーを作成し、mRNAを使用してウイルスタンパク質を組み立てます。免疫系はタンパク質を検出し、防御を開始します。
スパイクタンパク質に基づくプロトタイプDNAワクチンは、コロナウイルスについてサルで機能しています。
例：イヌの黒色腫や馬の西ナイルウイルスなど。人間での使用が承認されたDNAワクチンはありませんが、研究者は、ジカやインフルエンザなどの疾患に有効かどうかを調べるための試験を行っています。
RNAワクチン
一部の研究者は、DNAをスキップして、代わりにメッセンジャーRNAを細胞に送達したいと考えています。細胞はmRNAを読み取り、免疫応答を引き起こすスパイクタンパク質を作ります。
RNAワクチンとDNAワクチンはどちらも、従来の方法よりも速く製造できます。
例：承認済みのRNAワクチンはありませんが、MERSおよびその他の疾患の臨床試験が行われています。
| 開発者 | 方法 |
|---|---|
| アプライドDNAサイエンシズ/タキスバイオテック | DNA/RNAワクチン |
| アンジェス/大阪大学 | DNAワクチン |
| イノヴィオ | mRNAワクチン |
| インペリアルカレッジロンドン | DNA/RNAワクチン |
| キュアバック | DNA/RNAワクチン |
| ザイダスキャスト | DNA/RNAワクチン |
| トランスレート・バイオ | mRNAワクチン |
| ビオンテック | mRNAワクチン |
| モデルナ | mRNAワクチン |
| アイバイオ | タンパク質ベース |
| アルティミューン | タンパク質ベース |
| ヴァクサート | タンパク質ベース |
| ヴァクシル・バイオ | タンパク質ベース |
| エクスプレッション | タンパク質ベース |
| オックスフォード大学/アドヴェント | タンパク質ベース |
| クイーンズランド大学 | タンパク質ベース |
| グラク・ソスミスクライン | タンパク質ベース |
| ジェネレーックス・バイオテクノロジーズ | タンパク質ベース |
| ノババックス | 組み換えタンパク質ワクチン |
| ベイラー医科大学/ニューヨーク血液センター | タンパク質ベース |
| オックスフォード大学/アストラゼネカ | ウイルスベクターワクチン |
| カンシノ・バイオロジクス | ウイルスベクターワクチン |
| グレフェックス | ウイルスベクターワクチン |
| J&J | ウイルスベクターワクチン |
| ジオボックスラボ/ブラヴォーヴァックス | ウイルスベクターワクチン |
| トニックス | ウイルスベクターワクチン |
| コーダジェニックス | 弱毒化 |
| IDファーマ/復旦大学付属上海公衆衛生臨床センター | ? |
世界のトップ１０ワクチン製造者
1.英グラクソ・スミスクライン株式会社
2.米メルック
3.サノフィ
4.米ファイザー
5.米ノババックス
6.エマージェントバイオソリューソンズ
7.CSL
8.米イノビオファーマシューティカルズ
9.バーバリアンノルディック
10.田辺三菱製薬
source: statista
ワクチン開発治験の状況 - COVID-19 vaccine tracker
COVID-19 vaccine tracker
Posted 25 June 2020 | By Jeff Craven
https://www.raps.org/news-and-articles/news-articles/2020/3/covid-19-vaccine-tracker
Draft landscape of COVID-19 candidate vaccines13 August 2020 | Publication
https://www.who.int/publications/m/item/draft-landscape-of-covid-19-candidate-vaccines
抗体：N抗原とS抗原
新型コロナウイルス（SARS-CoV-2）研究用抗体受託サービスと研究用抗体検出試薬を発売
ワクチンは有効か？
[新型コロナ「抗体検査」を行った「経緯」と「結果」
鼻から吸入する新型コロナワクチン開発 効果検証へ 北里大学
新型コロナウイルスに繰り返し感染する可能性 ワクチン開発中の英研究者
英大学が開発中ワクチン「画期的な進展
細胞傷害性T細胞
細胞性免疫
食細胞、細胞傷害性T細胞、ナチュラルキラー細胞（NK細胞）が体内の異物排除を担当する免疫系である。T細胞が関係する。
第2波をオンラインダッシュボードで察知
現在のコロナウィルス拡散状況を追跡することができる。
Visual Dashboard (deskop):
https://www.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6
Visual Dashboard (mobile):
http://www.arcgis.com/apps/opsdashboard/index.html#/85320e2ea5424dfaaa75ae62e5c06e61
最近の緊急事態宣言では8割もの人との接触を減らすことを要求しています。簡単モデルでチェック
ステップ20からif文を用いて(if t>20:)C=2を8割減らしてC=2*0.2=0.4にしました。
S=1000 # the number of people without meneki
beta=0.2 #rate of infection
gamma=0.1 #recovery rate
I=1
R=0
alpha=I/(S+I+R)
C=2 # the number of person to meet
inf=[]
sus=[]
rec=[]
for t in range(100):
if t>20:
C=2*0.2
alpha=I/(S+I+R)
new_R=I*gamma
new_I=S*C*alpha*beta
if new_I<0:
new_I=0
I=I+new_I-new_R
R=R+new_R
S=S-new_I
if S<=0:
S=0
inf.append(I)
sus.append(S)
rec.append(R)
#print(t,new_inf,n)
plt.plot(inf,label='infection')
plt.plot(sus,label='susceptible')
plt.plot(rec,label='recover')
plt.legend()
結果は良好です。感染が抑えられます。つぎに、5割にしてみましょう。最初のif分の中をC=2*0.5とします。
最初の軌道と大して変わりません。やはり8割減らさないとだめなのです。欧米の都市封鎖でも8割は難しいといわれています。まさに今自律的なシステムが求められています。誰かに言われるからではなく、自主的に頑張りましょう。
経済封鎖と自殺
経済封鎖による自殺者の増加が懸念されています。リーマンショックの時の自殺者は25000から35000人/年弱まで増加しました。
出所：https://www.npa.go.jp/safetylife/seianki/jisatsu/R02/R01_jisatuno_joukyou.pdf
最近の自殺者の推移
最近の死亡者の推移
CSSEダッシュボード
現在のコロナウィルス拡散状況を追跡することができる。
Visual Dashboard (deskop):
https://www.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6
Visual Dashboard (mobile):
http://www.arcgis.com/apps/opsdashboard/index.html#/85320e2ea5424dfaaa75ae62e5c06e61
ここではデスクトップ版を紹介する。上述のURLをクリックするとつぎの画面が現れる。
ダッシュボードは左側、中央、右側の領域から構成され、左上の窓の赤い数字は確認された感染者の総数である。その下の窓には国ごとの感染者の数が表示されていて。これはメニューにもなっている。右の領域は３つの窓からできていて、左窓の上は全世界のコロナウイルス感染による死亡者数である。その下の窓には国ごとの死者数が表示されている。この窓の下についているタブはメニューになっていて、ここで死者数と回復者を表示するかを切り替えることができる。その右の窓にはアメリカの州ごとの死者数がディフォルトとして表示される。窓の下はやはりメニューになっていて、死者と回復者の総数、検査結果、入院者数が選択できる。3つ目の窓のグラフは世界の感染者数を時系列に表示したものである。中央の地図上の赤い丸い円は地域ごとの感染の状況を示している。窓の下のタブがメニューになっていて、累積感染者数(ディフォルト)、現感染者数、発生率、致命率、検査率、入院率を選ぶことができる。
つぎに左領域の2番目の窓の国別の感染者数のセルを1つクリックしてみよう。その国の状況が画面上に表示される。中央の地図は選んだ国が中央に移動する。また、右領域の3つの窓にはその国の総死者数、回復者数などが表示される。グラフはその国の感染者数の時系列データである。右の窓にはその国の地域ごとの状況が示されている。ひとつひとつのセルがメニューになっていて、セルをクリックするとその地域に中央の地図が移動する。
つぎに左領域の2番目の窓の下にはメニューがあり、Admin0,Admin1,Admin2が選択できる。Admin0で米国を選び、Admin1を選ぶと、窓の中が州名のリストに代わり、そこから州を選ぶことができる。
NYを選ぶと右領域の下窓のグラフが変わる。下のタブから累積感染者数、その対数と日次の感染者数を選ぶことができる。
累積感染者数：
対数表示：
日次表示
日次表示は第2波の状況を知るのに便利である。NYでは順調に感染者数は減る傾向にあるが、そのつぎに感染者の多いカルフォルニアではそもそも感染者数が減っていない。
テキサスも同様である。
フロリダでは若干減った時期があるが総じて減っていない。
ジョージア
アリゾナ
ノースカロライナ
生データの取得
https://github.com/CSSEGISandData/COVID-19 をクリックするとつぎの画面が出てくる。
ここでデータ取得に関連するホルダーはachived_dataとcsse_covid_dataの2つだ。
achived_data
ここにはダッシュボードに使われた古いデータが保存されている。
csse_covid_data
長期のデータ取得に関してはcsse_covid_19_time_seriesから取得することができる。
Daily reports (csse_covid_19_daily_reports) ファイルの命名規則
MM-DD-YYYY.csv（UTC）。
フィールドの説明
FIPS：米国のみ。米国内の郡を一意に識別する連邦情報処理標準コード。
Admin2：郡の名前。米国のみ。
Province_State：州、州、または依存関係の名前。
Country_Region：国、地域、または主権の名前。ウェブサイトに含まれている場所の名前は、米国国務省が使用している公式の名称に対応しています。
最終更新：MM / DD / YYYY HH：mm：ss（24時間形式、UTC）。
緯度と経度：ダッシュボード上のドットの場所。地図に表示されるすべてのポイント（オーストラリアを除く）は地理的重心に基づいており、特定の住所、建物、または州/州よりも細かい空間スケールでの場所を表すものではありません。オーストラリアの点は、各州で最大の都市の重心にあります。
confirmed : 確認済み感染者数、4月14日のCDCガイドラインに従って、確認済みのケースには推定陽性ケースと推定ケースが含まれます。
dealth : 死亡、4月14日現在のCDCガイドラインに従って、米国の死亡総数には確認済みと推定が含まれています。
recovered : 回復済み、中国以外で回復された症例は、現地のメディアレポート、および利用可能な場合は州と現地のレポートに基づく推定値であるため、実際の数より大幅に少ない可能性があります。米国の州レベルで回復された症例は、COVID追跡プロジェクトからのものです。
active：感染中の症例=確認済み総数-回復済み総数-死亡総数。
Incidence_Rate：Admin2 + Province_State + Country_Region。
Case-Fatality Ratio (%) : 症例死亡率（％）= 10万人あたりの確定症例。
US Testing Rate : 米国のテスト率= 100,000人あたりのテスト結果の合計。 「合計テスト結果」は、COVID追跡プロジェクトの「合計テスト結果（正+負）」と同じです。
US Hospitalization Rate (%) : 米国入院率（％）=入院総数/確定患者数。 「入院総数」は、COVID追跡プロジェクトの「入院-累積」数です。 「入院率」および「入院-累積」データは、累積的な病院データを提供する州についてのみ表示されます。
ダウンロードデータ
https://github.com/CSSEGISandData/COVID-19/tree/master/csse_covid_19_data
https://github.com/CSSEGISandData/COVID-19/blob/master/csse_covid_19_data/csse_covid_19_daily_reports_us/07-03-2020.csv
https://github.com/CSSEGISandData/COVID-19/tree/master/csse_covid_19_data/csse_covid_19_time_series
