科学网新冠病毒不是源自实验室

按惯例上来先闲话几句。第一，昨天《中国科学报》，贴出一篇文章《华人学者谈疫情：我希望国家成立专家团来辟谣》，这个想法是好的，但专门成立个什么机构有些小题大做。这段时间大家都蹲在家里不出门，时间有的是，偶尔跳出来发发技术贴搞搞科普并不是多难的事情。第二，前段时间浙大的立铭教授吐槽“简单的生物信息学分析”，今天咱就利用“简单的生物信息学分析”，讨论最近吵的云里雾里的一个问题：新冠病毒究竟是不是源自实验室？

在各种各样的质疑新冠病毒可能源自实验室的文章，水准最高的是美国纯净和应用知识研究所（Institute for Pure and Applied Knowledge, IPAK）的建立者和CEO，Dr. James Lyons-Weiler在网上贴的两篇英文的技术贴，认为2019-nCoV有可能来源于实验室。这些菌株在实验室里连接了通用载体pShuttle-SN，而连接这个载体制备的菌株，主要是为了生产冠状病毒的疫苗。原文链接就不放了，两个帖子的主要内容是，Dr. James Lyons-Weiler将2019-nCoV和其他冠状病毒的基因组序列进行比对，发现2019-nCoV存在一段在其他冠毒里不存在的、长度为1,378 bp的插入片段（INS1378），将这段序列与pShuttle-SN重组载体序列进行比对，有67%的同一性（下图）。

因此，Dr. James Lyons-Weiler的观点是：新冠病毒来自实验室的重组病毒，该重组组病毒主要是为了生产疫苗（A recombined virus made in a laboratory for the purpose of creating a vaccine）。事实上，James并没有实锤他的观点是不是对的，因此他第二篇帖子的题目用了“中等强度的确认”（Moderately Strong Confirmation）。老外写东西，一般正方反方的观点都会列举，他自己总结的支持或反对这个论点的证据如下：

A. 支持的证据：INS1378与pShuttle-SN之间的相似性；存在蝙蝠冠毒中的类SARS的Spike蛋白，或者与冠毒非常相似；自展值低。

B. 反对的证据：低序列相似性（指INS1378与pShuttle-SN之间，但仍然高度显著）；这些RNA病毒可能快速演化（例如在实验室条件下）。

C. 观点的可能性：高度可能。

D. 验证：检测中国实验室里的所有在研的冠毒（一例即可证明）；在野外分离一个菌株能够与2019-nCoV匹配（一例即可证伪）。

注意Dr. James Lyons-Weiler在（D）里描述的验证方法。事实上要实锤James的观点是正确的，比较困难，因为必须要检测到一株实验室里在研的、用来生产疫苗、并且与2019-nCoV高度相似的病毒菌株。如果找不到这样的菌株，既不能证明James的观点是对，也不能证明他的观点一定是错的。但是James也提出了证伪的方法，那就是找到一株在野外分离的菌株能够与2019-nCoV匹配，这样即可表明他的观点是错的。

================================================

这里我们先讲结论：James的计算分析有误，其结果不能支持新冠病毒源自实验室的猜想。下面我们开始用“简单的生物信息学分析”进行证明：

第一，我们需要先知道冠状病毒的突变速率。查阅文献，2004年Zhao等人发表论文，推测SARS-CoV基因组的突变速率约是0.80 - 2.38 x 10^-3个碱基/位点/年，这个结果与其他RNA病毒有相同的数量级（https://www.ncbi.nlm.nih.gov/pubmed/15222897）。我们考虑上限，一个SARS-CoV基因组的突变率应当不超过3 x 10^-3个碱基/位点/年，2019-nCoV的基因组长度为29,903 bp（https://www.ncbi.nlm.nih.gov/nuccore/NC_045512），这样可以算出来2019-nCoV每年突变的碱基应该<29,903*3x 10^-3=~90 bp。由于计算方法不同，估算出来的突变速率可能不尽相同；病毒基因组的各个部分，可能进化速率也不一致。例如，2004年一篇Science上估算SARS-CoV的突变率为8.26 × 10^–6个碱基/位点/天（https://www.ncbi.nlm.nih.gov/pubmed/14752165），换算得到2019-nCoV每年突变碱基为90 bp（8.26 × 10^–6*365*29,903），与我上面的分析一致。2004年另一篇论文估算SARS-CoV的突变率为5.7 × 10^–6个碱基/位点/天（https://www.ncbi.nlm.nih.gov/pubmed/15347429），换算之后得到2019-nCoV每年突变碱基为62 bp。另外，需要注意的是，目前的分析表明，2019-nCoV的进化速率比较低，有研究者估算2019-nCoV的突变率是2.067×10^-4个碱基/位点/年（），换算之后大约是每年全基因组6个碱基突变，远比我假设的突变率要低。另外，也有学者使用不同的模型，估算2019-nCoV的突变速率约为0.42 x 10^-3 – 1.89 x 10^-3，这个数字也比我使用的要小。因此，我们估算2019-nCoV每年大约突变90个碱基位点，这个数字可以认为是上限。