流感战争(2)

据其负责人史成军对本刊称，早在华大基因前，他们就通过一家以色列的企业获取了甲型H1N1病毒的基因序列，这使其在4月25日晚完成了核酸检测引物的合成，并马上委托生产部门生产，然后对试剂进行优化、测试等工作。三天后，它就生产出了针对该病毒的检测试剂盒，其可在2个小时之内完成从样品处理到实验结束的全过程。“我们是国内**家生产出甲型H1N1流感快速检测试剂盒的企业。”史成军说。而如华大基因一样，其为此付出的代价也是超额的工作量，史的团队甚至把被子都搬到了办公室的沙发上。如今，其已生产出了约3万份检测试剂，并**时间派送到全国各地出入境检验检疫中心。

当本刊记者在索奥公司采访时，恰逢墨西哥连熙贸易服务有限公司驻北京商务经理阿图龙来洽谈购买事宜。阿图龙表示，他们打算在中国一共采购300万份检测试剂，其中100万份给**，得到其认可后，再采购200万份用于商业销售。索奥当即答应立即发100份检测试剂到墨西哥进行临床检测试验。

对索奥来说，这笔交易无疑意义重大。由于种种原因，国内的检测试剂较难打入**市场，史成军希望这次能够成为一个突破口。而生产出检测试剂之后，他们也在**时间向WHO进行了报告―而有了这份报告，则意味着在赢得墨西哥**认可方面增加了筹码。

到目前为止，国内除了华大基因和索奥外，达安基因、上海复星等企业也都公布了检测方案。但华大基因的研究发现，这次的甲型H1N1流感病毒的变异率大概在8%左右，这表示，所有这些机构公布出来的检测引物很有可能与已只知类型存在交叉，也就是检测结果只能算是“高度疑似”―这一点WHO也承认。“要确诊病例只能通过病毒基因测序。”陈唯军说。

互联网追踪令

当埃斯蒂・拉莫纳卡在墨西哥东南海上享受着她美妙的五月春假时，绝不会想到一周之后，当她飞回纽约的家时，不仅带回了晒成古铜色的肌肤，更带回了在墨西哥**并已导致上百人死亡的甲型H1N1流感病毒。更为不幸的是，她在纽约圣弗朗西斯高中的十几名同学也都以同样的方式无意间做了这种病毒的传播者：他们都在墨西哥度完假后飞回纽约，然后和100多名高中同学进行聚会。结果你已经预料到了：更多的学生开始出现发烧、喉咙疼痛和发炎等症状，随后学生们的家人也陆续发病，*终地处皇后区的圣弗朗西斯高中迅速成为了甲型H1N1流感在纽约的集中发病区。

拉莫纳卡和她同学们的倒霉经历恰恰印证了流行病学家们的研究假设―如果要了解传染病是怎样传播的，*先要了解人类经由交通网络系统流动的情况。看一看甲型H1N1流感在美国**的几个地点吧！纽约、洛杉矶、芝加哥、休斯顿―无一不是重要的交通枢纽城市。而掌握了人们的行踪与互动情况，就大致可以计算出流感的传播方向了。不过，这已非人力所及―好在，这是一个网络时代。

这些日子，美国印第安纳大学信息学教授Alessandro Vespignani和他的GLEaM项目组每天都在密切追踪甲型H1N1流感可能的传播动向，并将基于高性能计算机及数值模拟技术做出的关于**、美国和欧洲三个范围的*新版本疾病风险评估报告，每隔一两天就更新到它的网站上。而其借用的数据主要就是每天在美洲、欧洲、亚洲各地区之间穿梭的无数航班的信息。

“我们会考虑不同的交通媒介，既包括长程的跨洋飞行移动，也包括短程的汽车通勤移动。”Vespignani向《环球企业家》介绍道。然后，基于一个“**疾病传播模型”，他们再评估出各地流感**的风险并计算出可能的病例数。

当然，这也并不是一件**交付于电脑的工作，比如*为重要的建立模型，就需要人类取舍的智慧：选择那些与所探究问题*为切近的要素而忽略其他，Vespignani的研究组就是从*简单的初始条件开始出发，先设定没有抗流感药物、没有人员流动控制等等*为简化的条件，这就得出一个*糟情况下的模拟结果，即风险预测地图，它将显示在某一天某一地区有多大的概率会发现一个感染者，以及大概会有多少人被传染。

由于研究组对每一个初始条件都做多次模拟，每一次模拟过程都是随机的，因而*后的结果将会在一个范围内波动。此后，再根据每天的新病例修正模型中设定的初始条件，加入一些诸如使用抗生素、减少航空流量等等限制性条件，这样就得出了相对较好情况下的预测。

而离印第安纳大学北部不远的西北大学，工程科学和应用数学教授Dirk Brockman也领导着一个小组在从事类似的研究项目，他们所使用的方法更加有趣―通过跟踪钞票是如何流动的来了解人们的行踪，进而预测流感病毒的传播。

值得注意的是，尽管两个研究组所采用的模型、计算方法以及样本维度**不同，但却得出了极为相近的模拟实验预测结果，这无疑证明了他们方法的可靠性。

而在更多的大学和研究机构中，关于**疾病传播预测与控制的创新研究也比比皆是。比如麻省理工大学就试图将可以接入**卫星定位系统的芯片植入手机，进而追踪分析哪些人可能与被传染者产生危险接触。而匹兹堡大学，更是在美国国家健康学会的帮助下打造了一个拥有130万人口的“第二人生”，来模拟面对疫情这样的突发状况时人们会如何应对。

“定位”、“虚拟”很熟悉不是吗？如果再加上社交网站或web 2.0，那么科技界当前的所有时髦技术就都齐了。事实上，西雅图一家新创的生物监管网站，也正是通过监测分析社交网站的流量和用户行为，再辅以官方数据，而发现了墨西哥的疫情―这甚至早于当地**的官方公告。当然，别忘了谷歌，它专门预测流感趋势的网站可是常常比官方的报告提前至少一周。

其实这种依靠行为热度监测疫情的做法可以说由来已久，如同从Twitter、Facebook上或者谷歌搜索的关键词频率中能洞悉出些许端倪来一样，药店里感冒药的销售情况也能一定程度上说明流感的严重情况。不过，无法忽略的是，线下的这种监测存在着一定的噪音：比如药品的促销。至于信息日益碎片化的线上，无须赘述，噪音更是随处可见。

从另一角度看，甲型H1N1流感疫情也正充当了各种新锐科技工具自身实力的绝妙试验场―对于生物制药领域中的每一参与者来说，又何尝不是如此？