我们分析了华盛顿州基因组哨基因监视系统的116,791 SARS-COV-2序列45在2021年3月1日至2022年12月31日之间采样。华盛顿州卫生部序列元数据由卫生部整理，样本收集日期 ，包括症状日期
，症状，症状 ，年龄为9年
，年龄为9年9年9年9年9年级，症状 。30-39岁 ，40-49岁
，50-59岁，60-69岁 ，70-79岁零80年及以上）以及阳性测试后的疫苗接种状态
。对于数据库中有多个序列的患者（114,306例患者中有2,309例）
，我们将分析限制为最早收集的序列。在这114,306个序列中，1个序列缺少年龄信息 ，659个序列的县信息以及1,011个序列的邮政编码信息 。 　　从Gisaid Epicov数据库46,47提取共识序列，并使用NextStrain NCOV Ingest Pipeline48策划
。我们用未定义的Nexstrain进化枝分配（114,306中的8个序列）丢弃序列。这使我们有114,298个序列
，从已知年龄的患者中收集了114,297个序列，从已知的家庭住所的患者中收集了113,639个序列 ，并收集了113,287个序列
，并从已知的家庭位置邮政编码中收集了113,287个序列 。总共96％的序列在大于90％的基因组中具有覆盖率
。我们将邮政编码与邮政编码制表区域（ZCTA）匹配。对于没有具有相同名称的ZCTA的邮政编码，我们通过查看ZCTA边界来手动匹配它们 。邮政编码级别的所有分析均使用ZCTA元数据信息
。我们在线提取了西澳监狱设施的邮政编码49。 　　我们使用Hamming距离计算华盛顿状态序列之间的成对遗传距离 。为了避免不必要的计算成本 ，我们仅比较属于同一NextStrain Clade51的序列
，并在每个进化枝中生成一个距离矩阵。我们不希望进化枝定义会影响我们确定为相同序列对的相同序列对，始终应属于同一进化枝
。 　　从序列数据文件中生成相同的序列对是此分析中最昂贵的步骤。为了提供上下文 ，从1,000个序列产生一个距离矩阵需要33 s
，而10,000序列在Apple M2芯片的1个核心上需要1小时37分钟 。为113,287序列的分析集生成全距离矩阵，大约需要96小时的计算时间在计算群集上平行
。更高效的软件工具可以显着使该计算时间降低（例如 ，使用PairSNP52 1.14 h）。 　　我们使用描述美国社区调查（2016- 2020年）每个WA县之间通勤者每日通勤人数的数据 。该数据集提供了住所和工作场所县之间的定向通勤流量的数量
。我们使用县之间的通勤流量数来计算两个区域之间的通勤RR（见下文）。 　　我们从Safegraph（https://safegraph.com/）获得移动设备位置数据
，该数据公司汇总了来自4000万个设备或大约10％的美国人口的匿名位置数据，以衡量美国在美国的人体流量（兴趣点（POIS）（POIS）） 。在先前的研究53之后 ，我们使用Safegraph的每周模式数据集估计华盛顿内部和华盛顿县之间的运动，该数据集可提供每周访问特定家庭普查集团（POI）的独特设备总数（POI）的计数
。POI是固定位置
，例如企业或景点。访问表明，设备进入建筑物或指定为POI的空间周长 。设备的家用位置定义为过去6周的常见夜间（18：00–07：00）CBG
。我们将数据集限制为自2019年12月以来Safegegraph跟踪的POI。为了衡量县内部和之间的运动 ，我们每周提取访问POIS的家用CBG
，并将数据集限制在给定POI（县内运动中）或与给定POITI县外（县内CBG）（在给定的Popie县（与给定POITI）县（与给定POINT）（居住在Popie）县外（相处）（居住在Popei县）（相互）（相互）的设备（为了调整Safegraph设备面板大小随时间的变化，我们将每个县的人口普查人口规模除以Safegraph的面板中的设备数量 ，每个月在该县的家庭位置
，并将每周访问者的数量乘以该价值 。对于每个移动性指标，我们总和在2021年3月至2022年6月对POI进行了调整的每周访问。我们使用县之间的访问数来计算两个区域之间的移动电话数据的移动RR（请参见下文）
。 　　为了探索流动性数据中潜在的地理偏见 ，我们将居住在每个县的设备的每周数量除以居住在WA州的每周数量（观察到的比例）
，并将这些值与基于2020 - 2022年期间县和州人口普查的预期比例进行了比较。Safegraph的小组始终捕获了每个县人口的2-5％，在设备数量和人口普查人口规模之间存在很强的相关性（Spearman的ρ= 0.99；补充图20） 。我们估计了县级偏见 ，因为相对于WA州
，Safegraph在单个县跟踪的设备所观察到的比例相对于WA州而言，基于人口普查人口规模 ，预期的比例
。单个县的年度偏见估计范围为-2.2％至1.7％，没有明确的人口规模或城市农村分类的明显趋势（补充图21）。尽管西澳州人口最多的县往往具有更大的绝对偏见
，但在Safegraph数据集中，大型县的代表性不足和代表性过高（补充图21） 。例如 ，金县西部人口最多的县每年都有略有代表性（−2.2％至-1.6％的偏见；补充图21中的绿色负分异常）
，而其他前五名县（Clark，Pierce和Spokane和Spokane和Spokane）中的三个中的三个略微过分占据了较好的效果（1.1％至1.1％至1.1％至1.1.7％Blue的蓝色和蓝色的蓝色和蓝色的Blune
。我们估计地理偏见的方法是基于Safegraph的Google Co-LAB笔记本 ，上面有关量化bias54。 　　我们使用WA人口人群的相互作用个体的重建综合种群使用综合社会接触数据为WA生成的WA生成34 。他们描述了一个年龄I与J年龄在一天中互动的人的人均概率
。 　　为了量化遗传数据的连通性
，我们计算了通过给定的人群亚组的给定遗传距离分隔的序列的RR。令n表示研究中包含的序列和j，j ，j和j索引的序列之间的锤子距离 。令Si表示序列i的子组
。我们介绍了等于d的锤子距离矩阵元素（不包括对角线）的数量
，其中序列I属于A组，序列J属于B组。 　　其中x→1x是指示函数 ，如果x为true
，则等于1，否则为0 。 　　让和。 　　我们得出了在亚组A和B中观察到的遗传距离D分隔的序列的RR ，与在不同人群不同亚组中的测序工作中的预期相比，我们的RR为：： 　　分子对应于对的比例
，其中序列I的亚组是B组发生的A
。 　　分母是一个归一化因子，量化了B组对锤子距离d的贡献的贡献。因此 ，这两个量之间的比率量化了与在这些组中观察到的序列数量相比
，在A组和B组中观察到的序列对的程度富集 。 　　我们使用了一个亚采样策略来计算这些RR周围的CI
。引导（随机采样替换）将导致将序列与自身进行比较，从而导致同一组中观察序列相同序列的向上偏差。为了避免这种情况 ，我们使用了80％的子采样率（1,000个重复的子样本）
，使用了子采样策略（无需替换的随机采样） 。 　　我们提供了与本条55,56相关的GitHub存储库中用户提供的序列和元数据文件计算此RR度量的工具
。 　　为了量化移动性数据的连通性，我们计算了两个地理位置之间的运动RR。手机和通勤数据都提供了WA县之间的定向流动 。让WA→B表示通勤数据中报告的通勤者数量（分别是手机移动数据的访问次数） ，其家庭住宅位于A县和B县工作（分别报道了B县B县的访问）
。我们计算A和B县之间的总运动流量为： 　　然后
，我们计算A和B县之间的运动RR为： 　　其中wx，•= ∑ywx ，y和w•
，•= ∑x，ywx ，y。 　　我们通过在区域层面上汇总县来计算类似的统计数据（补充图8） 。 　　为了量化社交接触数据的连通性，我们计算了两个年龄组之间的联系RR
。Mistry等人34估计了我与J年龄的个人（考虑一个年龄垃圾箱）的人的平均每日接触MI
，J。由于我们对序列元数据中可用的年龄段感兴趣，因此我们重建了A年龄a组中与B组中的个体中的个体相关的平均每日联系人数量： 　　ni是I的个人人数 。然后 ，我们可以以γa
，b = ca，b×na的年龄a和b之间的每日接触总数。 　　其中γA是γA的总每天涉及年龄段和γ• ，••人口中每日接触总数的接触总数
。 　　我们使用序列集合的时间来了解传输中的方向性。 　　我们将TX介绍为收集序列X的时间 。令ia
，b表示在A和B组中观察到的相同序列的合奏
。 　　因此，用不同的序列收集日期表示这些对的子集。我们计算了与传输方向A→B一致的比例PA→B as： 　　其中＃（x）是X的基础 。 　　我们还报告了这些比例的95％二项式CI
。 　　感染和序列收集之间的延迟可能会受到寻求医疗保健的行为以及对测试的访问的影响 ，这些行为可能在年龄段
，地理位置和时间段之间有所不同。如果延迟的分布直到测试在两个亚组A和B之间有所不同，则首先在A组中收集的相同序列PA→B的比例将反映感染的时机和寻求医疗保健的行为 。如果有的话 ，症状发作日期应受到寻求医疗保健行为的影响
。 　　在具有相关年龄组和家庭位置信息的113,638个SARS-COV-2序列中
，有34,167个症状发作日期（30％）可用。症状发作信息的可用性容易受到个别人口统计学概况（例如年龄）的影响，这可能导致症状发作信息的序列 ，而不能代表所有可用序列 。为了避免这种情况，我们根据症状发作和序列收集（根据已知症状发作日期的个体计算得出的经验延迟分布）的经验延迟分布来估算缺失的症状发作日期
，按年龄组，时间段和EWA/WWA区域分层（补充图22）
。从已知症状发作日期的序列中 ，其中192个序列收集和报告的症状发作之间的延迟的绝对值严格大于30天（<0.6％）。我们在症状发作的计算中丢弃了这些序列
，以序列收集延迟，并认为它们等同于缺少症状发作信息的序列（因此估算了其症状发作日期） 。我们生成1,000个估算的数据集。对于这些估算的数据集 ，我们计算成对的比例
，其中症状发作日期在A组A组中首先发生在A和B组中，并具有不同的症状发作日期
。然后 ，我们报告了这1,000个估计数据集的中位数。我们还通过计算每个估算的数据集对比例围绕的每个二项式CI进行计算
，从而产生了不确定性的度量 。然后，我们通过使用95％CI的最小下限以及在估算的数据集中的95％CI的最大上限来报告这些比例的不确定性范围
。 　　我们从成对遗传距离矩阵13重建相同序列的簇。补充图23描述了整个研究期间这些相同序列的典型大小和持续时间 。为了评估相同序列簇中的空间和时间信号 ，我们评估了群集的空间范围（按其半径汇总）如何随着时间的流逝而演变
。对于每个群集
，我们将主要序列定义为群集最早的序列。然后，我们将群集的主要ZCTA定义为其主要序列的ZCTA 。我们从此分析中排除了具有模棱两可的主要ZCTA（几个主要ZCTA）的集群
。我们将群集的半径定义为当时收集的序列的主要ZCTA和ZCTA之间的最大距离。我们还计算了在主要ZCTA和初级县以外收集序列所需的时间（使用与主要ZCTA相似的定义） 。我们将平均群集半径和剩余的地理单元（ZCTA和县）中剩余的簇的比例作为时间的函数 ，因为集群中的第一个序列收集
。我们使用带有1,000个重复的自举方法生成95％CI。 　　我们比较了观察到的簇半径和相同地理单元中保留的簇的比例与从无效分布中预期的群集的比例，假设在相同序列群中序列之间没有空间依赖性 。我们通过随机置换了WA序列的地理位置并重新计算我们感兴趣的统计数据（群集半径
，同一县内的簇的比例以及同一ZCTA中的集群比例）来模拟无效分布。 　　我们使用Wilcoxon签名的股票测试比较了两个县之间观察两个县之间相同序列的RR
。 　　我们研究了两个不同县的相同序列的RR与县质心之间的地理距离相比。我们通过报告log RR之间的95％CI的黄土曲线来总结这一趋势 。 　　我们评估在查看相同序列对位置时获得的缔合模式的程度与全局空间结构一致
。为此，我们基于两个县之间的观测对序列的RR矩阵进行了非金属MDS（NMD）。我们将分析限制为县的子集 ，这些县总是至少有五对与子集中其他县观察到的相同序列 。这样做是为了消除与观察到的少数对相关的潜在噪声
。由于NMDS算法需要衡量县之间的相似性
，因此我们将A和B之间的相似性SA，B之间的相似性为：： 　　我们使用纯素食RAPPAND57执行二维NMD。 　　我们评估了相同序列收集的时间是否与从WWA到EWA或EWA到WWA的传播是一致的 。我们定义了四个时间段 ，与WA在我们的研究期间经历的四个流行波（补充图24）相对应（图24）：2021年3月4日
，2021年6月2021年；2021年7月至2021年11月5波；2021年12月6日 - 2022年2月；和第7波，2022年3月至2022年8月
。对于每个时间段内 ，我们计算在EWA中首先在EWA中收集的相同序列的比例。我们报告了围绕这些比例的95％二项式比例CI 。 　　为了检查我们的结论是否可以通过EWA和WWA之间的测试行为差异来解释
，我们通过推出症状发作日期来进行灵敏度分析
。 　　我们计算了两个县之间相同序列的RR与两个县之间的移动RR之间的RR之间的Spearman相关系数（包括手机派生和通勤数据）以及县质心之间的地理距离。我们通过拟合GAM来确定由迁移率数据解释的遗传数据中的差异百分比，该游戏基于两个县之间的运动RR预测相同序列的RR ，均在对数尺度上
，使用薄板平滑样条带有5节 。对于GAM分析，我们删除了一对相同序列或总迁移率流量等于0的县 ，这确保了观察到相同序列的RR和移动RR的RR都严格呈正。我们还拟合了两个县之间相同序列的RR（在对数尺度上）与县质心之间的距离之间的GAM
。我们在区域一级进行这些分析，而不是在县一级。 　　我们将遗传性数据和流动性数据之间关系的异常值定义为一对县
，而GAM的缩放皮尔森残留物的绝对价值大于3 。我们预计，我们预计RRS是从少数相同的序列对较低的噪声中计算出来的 ，我们将重点放在整个研究中的100对县的成对上
。 　　我们通过进行网络中心分析来表征十个邮政编码与男性州监狱之间的传播。我们考虑一个与这些不同邮政编码相对应的网络 。我们将每个边缘的重量定义为观察到通过该边缘连接的节点的两个邮政编码之间相同序列的RR
。这导致了完全连接的网络。对于每个节点（带有男性州监狱的邮政编码）
，我们使用r igraph软件包计算特征向量的中心性得分 。这种中心分数测量了节点在网络中的影响：当节点连接到其他有影响力的节点时，节点的分数较高
。 　　我们将监狱网络中相同序列的大量群集定义为相同的SARS-COV-2序列（1）的簇 ，这些序列在至少两个带有男性监狱的邮政编码中观察到
，（2）至少在监狱邮政邮政编码中至少有15个序列。 　　我们使用对数尺度上的GAM在两个年龄组A和B之间观察到相同序列的RR与这两个组之间的接触RR之间的关联 。我们报告了由GAM的接触RR解释的相同序列RR的差异百分比
。我们还报告了和之间和之间的Spearman相关系数。 　　为了了解年龄特异性的传播模式如何在空间尺度上有所不同，我们使用所有相同序列对年龄组之间的相同序列进行比较 ，仅使用不同邮政编码中的一对相同序列
，仅使用对不同县的相同序列的对成对 。 　　我们使用序列收集日期来探索四个时期年龄组之间的传播方向（2021年3月至2021年6月，2021年7月至2021年11月 ，2021年12月
，2021年12月至2022年2月和2022年3月至2022年8月）。为了促进对这些结果的解释，我们引入了一个初级分数 ，该评分衡量了给定年龄段对传播到其他年龄组的贡献
。对于年龄组A，该分数等于在年龄组中观察到的所有相同序列中首先在A组中观察到的相同序列的比例。我们还报告了该分数围绕该分数的95％二项式CI 。 　　为了探讨我们的结论是否可以通过年龄组之间的测试行为差异来解释
，我们通过归纳症状发作日期并使用症状发作日期而不是序列收集的日期来进行灵敏度分析（补充图15）
。我们还使用与基于序列收集日期相同的定义来计算1,000个数据集中的每个数据集中的初级分数。然后，我们报告所有1,000个数据集的中位数分数以及定义为每个估算数据集围绕该分数的最小下限和最大上限定义的不确定性范围 。 　　可用的匹配患者信息包括有关个人在阳性测试后的疫苗接种状态的详细信息：没有有效的疫苗接种记录（未接种疫苗）；完成的初级系列（表示为接种）；并以额外的剂量（表示增强）完成了初级系列
。 　　在这里 ，我们使用此信息来量化以疫苗接种状态为特征的组之间的混合。我们专注于年龄组内的疫苗接种组之间的混合
，以避免来自年龄组和疫苗接种状况相关的偏见 。在每个时期内收集的序列（4波）和十年中的年龄组中，我们计算了疫苗接种组之间相同序列的RR
。我们仅适用于第6波（Omicron BA.1波）的增强疫苗接种组 ，仅适用于10岁以上的年龄组
，并包括0-9岁年龄段的Wave 7的增强疫苗接种组。我们仅在第6波（Omicron BA.1波）和第5波（Delta Wave）的10-19岁年龄组的分析中包括了0-9岁年龄段 。 　　为了量化传播给具有相同疫苗接种状态的个体的个体的趋势，我们为每个疫苗接种组（V1 ，V2）计算该比率
。低于1的值表明
，在同一疫苗接种组中，相同序列对的富集大于不同疫苗接种组之间的富集。这些值表明疫苗接种组之间的混合模式中的分类性 。 　　在前一段中 ，我们描述了一种基于相同序列对的时间安排的方法
，以更好地了解组之间的典型传输方向。基于对的分析的解释因几个因素而复杂
。首先，相同序列的簇可以跨越两组。其次 ，即使在簇仅跨两组的情况下，计数对也可能不当捕获传输方向
，例如，如果两组内发生了群集的局部传输 。我们实施了基于配对的方法 ，以直观地探索相同序列的采样时间是否可能提供有关传输方向的信号
。这种基于一对的方法是粗略的
，但很有趣，因为我们确实期望的群体倾向于在群集或一对相同的序列中首先观察到更多的来源。作为理智检查 ，我们依靠仅在两组内观察到的相同序列的簇进行灵敏度分析 。我们将源组定义为相同序列簇中最早收集的序列的组
。我们从分析中删除了模棱两可的集群
，这意味着具有两个潜在源组的簇。对于在A组中观察到的群集，我们计算了源A组的集群的比例 。我们将此比例称为“与群集的比例
” ，以将其与我们在主要分析中使用的“比例”与“比例 ”区分开
。我们计算了簇的比例围绕的95％CI。群集中的这一比例应该比对成对的比例更强大
，但由于我们从较少的观察结果计算比例时往往更加嘈杂 。然后，我们比较从对和簇获得的比例
。我们使用所有组对这两个比例之间的Spearman相关系数计算 ，或者仅对两个比例不包含50％的组对组。 　　在本节中
，我们得出了突变数量的概率分布，将两个感染个体A和B的共有基因组分开的概率分布在将它们分开的传播世代的条件下 。 　　我们假设生成时间（即感染和感染者感染时间之间的平均持续时间）遵循形状α和尺度β的伽马分布。然后 ，G世代之间的时间遵循形状G×α的伽马分布和尺度β，假设连续传输事件的独立性
。令Fα
，β（）表示形状α和尺度β的伽马分布的概率密度函数。 　　让mAb表示将其感染病毒分开的突变次数 。令μ表示病毒的突变率（每天突变）
。让表示分离A和B的进化时间（几天）。 　　假设发生突变的泊松过程，我们有： 　　让GAB表示将两个受感染的个体A和B分隔为同一传输链的几代人数 。 　　这是参数负二项式分布的概率质量函数： 　　我们计算SARS-COV-2的这些概率考虑了突变率μ= 8.98×10-2替代（每年32.76个取代）58
。我们假设生成时间是伽马分布的 ，平均为5.9天
，而S.D。4.8天（参考文献59） 。 　　我们进行了一项仿真研究，以评估我们的RR框架在不同的测序方案下的性能
。我们还比较了从植物地理分析获得的结果。 　　我们使用Remaster60在具有5个Demes的结构化人群中模拟SEIR流行 ，每个人群中有100,000个居民 。我们模拟了一种流行病
，其特征在于基本的繁殖数为2，每天的时间步长
。我们通过在人群（索引0组）中引入一个受感染的个体（隔室I）来启动模拟。我们考虑一种病原体 ，其病原体在JUKES -CANTOR EVOLUTION模型之后
，每天的替代率为3×10-5取代 。感染后，感染的个体进入暴露的（e）隔室 ，在此期间他们尚未感染
，并且他们以每天0.33的速度退出。然后，他们进入一个传染性的（i）隔间 ，他们以每天0.33的速度退出具有感染性
。测序发生在I室退出后。鉴于我们的RR不解释传输的方向性，我们考虑了一种具有对称迁移率的方案 。我们从参数的对数均匀分布（10-3
，10-1）之间提取迁移率
。 　　然后，我们探索两个测序场景。在公正的情况下 ，我们假设每个人都具有在每个Deme中被测序的概率相同 。在有偏见的情况下
，我们假设测序概率在Deme之间有所不同
。我们从参数的对数均匀分布（10-3，10-1）中绘制Deme特异性的相对测序概率。在公正的场景中 ，我们将测序概率固定在有偏见的情况下跨DEME的测序概率的平均值 。我们通过通过不同的乘法因子（补充表1）缩放这些概率来探索不同的测序强度：0.1的缩放系数导致平均测序概率为0.43％
，而数据集则为1,700序列（用于DTA分析）约为1,700个序列；缩放系数为0.5，导致平均测序概率为2.16％ ，并且数据集约为8,600个序列（用于RR和DTA分析）；缩放系数为2
，导致平均测序概率为8.66％，数据集约为34,500个序列（用于RR分析）
。 　　我们使用对称DTA14使用贝叶斯随机搜索变量选择（BSSVS）模型（v.1.10.4）61在我们两个测序方案中模拟的合成数据中实现。为了隔离植物地理重建的准确性和精度 ，我们使用直接从重新制作模拟生成的经验树运行DTA 。在现实世界中必须（吵闹）从经验序列数据估算的谱系树中
，直接输入这种树是不可能的
。在这种情况下，当提供了完美的家谱信号时 ，它可以证明DTA的力量。经验树方法还需要大大减少计算，因此使我们能够在可接受的时间内使用DTA分析数千个序列的数据集 。 　　两个独立的马尔可夫链蒙特卡洛（MCMC）程序进行2.5×108迭代
，每1000次迭代进行一次采样。在将最初的10％采样树丢弃后，将产生的后验分布组合在一起
。我们使用示踪剂（V.1.7）62来评估收敛并估算有效采样大小（ESS） ，以确保每个迁移率估算的ESS值大于200。我们根据估计的速率标量调整估计的迁移率
，以计算Deme之间的每日过渡率 。 　　为了评估从经验序列数据中估算家谱树的如何影响结果和计算时间，我们基于模拟进行了额外的植物地理分析 ，但是这次共同推断了家谱树和迁移率
。我们运行该模型24天（对应于475,733,000 MCMC步骤）
，直到每个迁移率参数的ESS都大于200。 　　我们计算了两个Deme i和j之间观察到相同序列的RR，并将这些RR与每日概率PI ，j之间的迁移j进行比较
，这两个Deme的迁移j被计算为： 　　其中mi，j是Demes I和J之间的迁移率 。我们使用80％的亚采样率在RR周围产生95％的子采样顺序
。 　　我们进行了一项仿真研究 ，以表征观察组之间相同序列与这些组之间的相同序列的RR之间的预期关系。我们通过查看年龄段之间的传播来说明这一点
，但我们期望观察区域之间相同序列的RR与这些区域之间的运动RR之间存在相似的关系 。 　　为此，我们生成相同序列的簇 ，包括相应感染的个体的年龄组，假设感染者和感染者具有相同的共识序列P为0.7（我们先前估计的SARS-COV-213值）
，复制数为1.2和测序分数PSEQ的0.1
。 　　我们使用以前估计的接触矩阵34来表征年龄组之间的疾病传播。我们假设在年龄组中受感染者与易感人群发生的受感染者接触的概率B，B组等于： 　　CA ，B是A年龄a中的个人与年龄组中的个体具有的平均每日接触数量 。我们引入了特定年龄的繁殖数（RA）
，描述了年龄组中由单个主要病例感染的次要病例的平均数量
。由于不同年龄组的平均每日平均每日接触的平均每日接触，年龄特异性的再生数量之间的年龄变化。它可以得出： 　　其中ρ（c）是矩阵C =（Ca ，b）63的最大特征值 。然后
，我们使用以下步骤模拟相同序列的单个簇。首先，我们通过从均匀分布中绘制主要情况的年龄来初始化簇
。其次 ，我们将簇模拟为具有相同基因组的连续感染。在每一代人中
，对于上一代感染的每个人，请表示这个传染病的年龄 。我们使用以下过程： 　　我们结束了十代后的模拟 ，以最大程度地减少计算成本
。 　　我们实施了一个下采样策略
，以了解计算RR估计所需的测序数据量。We consider genome datasets of the following sizes: {1 × 102, 2 × 102, 3 × 102, 4 × 102, 5 × 102, 6 × 102, 7 × 102, 8 × 102, 9 × 102, 1 × 103, 2 × 103, 3 × 103, 4 × 103, 5 × 103, 6 × 103, 7 × 103, 8 × 103,9×103
、1×104、2×104 、3×104
、4×104、5×104 、6×104
、7×104、8×104 、8×104
、9×104、1×105} 。对于这些数据集尺寸，我们从WA测序数据中生成了100个倒数采样的数据集
。对于这些倒数采样的数据集 ，我们计算了观察年龄组之间相同序列的RR（补充图25）。为了了解研究的数量如何影响所需的数据量，我们还计算了汇总年龄组之间相同序列的RR： 　　我们计算从子采样数据集RRD获得的RR和从完整数据集RRF的RR中获得的错误
，为： 　　对于每个年龄组，我们计算误差所需的相同序列的对数 ，使误差低于10％ 。 　　在这项工作中
，我们评估了感染基因组被0突变分离的受感染的个体对如何有助于表征人口级传播模式
。我们将此方法应用于WA的SARS-COV-2序列，但我们的方法应广泛适用于由病原体引起的流行病 ，在病原体中
，突变事件的时间表与传输事件相似。在本节中，我们描述了一种模拟方法 ，以了解病原体的突变率如何影响最佳的锤距阈值以应用我们的RR框架 。 　　我们实施了与“ RR框架的性能
”部分中描述的模拟框架
。我们认为
，每种感染都具有被测序的相同概率（等于4.33％，对应于1的测序概率缩放系数1）。我们探索病原体突变率的一系列场景 。为此 ，我们引入了基线病原体突变率（每天3×10-5取代）的乘法缩放系数
，值在0.1到10之间。对于每个乘法缩放系数，我们执行100个复制模拟
。 　　对于每种模拟流行 ，我们计算两个区域之间小于D突变的对数（对于0到10之间的D）。在某些情况下（例如，以高突变率和低锤距距离阈值d为特征的情况）
，有时我们不会在特定组中观察到比D突变少的任何对 。为了能够计算RR，我们还报告了观测序列的RR的修改版本 ，该序列被两个区域之间小于D突变所分开： 　　具有与A和A组中的D突变相同的观测序列RR定义的符号相同的符号
。 　　然后
，我们计算了RR之间的长矛人相关系数的对成对的序列对小于两个区域的突变以及这些区域之间的每日迁移概率。在S.D.的模拟中RR的相当于0（所有修改的RR都具有相同的值），我们假设Spearman相关系数等于0（RR对迁移率没有信息） 。 　　华盛顿州和华盛顿大学机构审查委员会确定该项目是监视活动 ，并免于审查；通过这一决定
，放弃了知情同意的需求
。根据华盛顿州IRB的豁免确定，症状发作日期 ，年龄段
，居住县，居住县 ，居住邮政编码和疫苗接种历史由华盛顿卫生部提供的华盛顿疾病报告系统针对2021年3月1日至12月31日的链接的SARS-COV-2样本的个人为链接的SARS-COV-2样本进行了依据。（协议研究00006181） 。华盛顿大学病毒学实验室的残留临床标本的测序得到了华盛顿大学机构审查委员会的批准（协议研究00000408）
。 　　有关研究设计的更多信息可在与本文有关的自然投资组合报告摘要中获得。