我院余宏杰课题组在贝叶斯统计建模校正传染病血清学实验误差领域取得重要进展

近期，复旦大学余宏杰课题组在贝叶斯统计建模校正传染病血清学实验误差领域取得重要进展。相关成果以“A Bayesian modelling framework to improve antibody titer estimation applied to RSV dilution series data”为题，于2026年7月17日以原创性研究论文（Research Article）的形式正式发表于 Nature Communications（论文链接：https://doi.org/10.1038/s41467-026-72859-x）。

血清学数据是评估人群病原体暴露水平和免疫状态的重要依据，在疫苗可预防疾病的监测与防控中发挥着关键作用。通过检测既往感染或疫苗接种诱导的抗体水平，可以揭示常规症状监测难以发现的真实感染负担，为公共卫生干预和免疫策略的制定提供科学依据。其中，呼吸道合胞病毒（respiratory syncytial virus，RSV）是引起各年龄人群急性呼吸道感染的重要病原体，在婴幼儿和老年人群中造成沉重的疾病负担。随着多种RSV疫苗及长效单克隆抗体相继获批，获取可靠的血清学证据对于优化RSV免疫策略的重要性日益凸显。在实际研究中，通常对血清样本进行系列稀释，测定免疫中和（结合）抗体并构建稀释曲线，根据其达到特定阈值时对应的稀释度估算抗体滴度, 以量化抗体浓度。然而，实验设备、试剂批次、操作流程及实验环境等差异均可能导致随机误差或系统偏差，影响不同研究或实验批次之间结果的可比性。尽管已有Kärber公式、四参数Logistic模型（four parameter logistic model, 4PL model）等方法用于抗体滴度计算，但这些方法尚未充分考虑实验误差及批次效应对检测结果的影响。为此，复旦大学余宏杰课题组开发了一种基于贝叶斯层级模型（Bayesian hierarchical model，BHM）的建模框架，并将其应用于真实RSV中和实验数据及模拟数据，系统评估了其在血清学实验误差校正和血清流行病学分析中的应用潜力。

该研究通过整合两项基于社区的RSV血清流行病学研究，共纳入1777份血清样本，包括1292份母婴纵向队列样本和485份横断面调查样本。所有样本均采用斑点减少中和实验（foci reduction neutralization test，FRNT）检测血清中的RSV中和抗体，并在28个独立实验批次中完成。实验过程实施了严格的质量控制：除不同批次使用的病毒工作液稀释度存在差异外，其余实验条件均保持一致；每个批次均设置固定稀释度的病毒对照（virus control, VC）、系列稀释的血清阳性对照（positive control, PC）和RSV国际血清标准品对照（International Standard, IS），用于评估批次间的一致性；每份待测血清样本均设置两个复孔，各类对照设置两个及以上复孔，以评估批次内的随机误差。

理论上，同一对照样本各次重复检测结果应保持一致。然而，研究发现，即使在相同实验条件下，不同实验批次间同一对照样本的检测结果仍存在差异，提示实验批次效应可能对抗体滴度估计产生潜在影响。针对上述问题，该研究在现有4PL模型的基础上提出了贝叶斯层级建模框架。该模型首先利用病毒对照数据校正不同实验条件（如病毒工作液稀释度）引起的系统性偏差，再结合血清阳性对照数据估计批次效应，并引入群体水平参数、以及样本和批次水平的随机效应，对血清样本数据进行联合拟合，从而在抗体滴度估计过程中校正批次效应，获得更加精准的滴度估计值（图1）。

图1. 贝叶斯层级模型（BHM）建模框架
（A）RSV FRNT实验样本设置示意图；（B）模型结构及应用示意图。

该模型在RSV中和实验真实数据及模拟数据中均表现出良好的拟合性能，能够准确刻画不同实验条件和不同实验批次间检测结果的差异。模拟研究结果显示，BHM得到的群体、批次及样本水平参数估计值均与模拟设置的真实值高度一致，模型拟合得到的样本稀释曲线也与真实曲线高度吻合（图2）。

图2. 基于模拟数据的贝叶斯层级模型后验估计结果
（A）各批次病毒对照平均斑点数估计值与真实值的比较；（B）血清阳性对照的BHM拟合曲线与真实曲线的比较；（C）基于现有方法和BHM的血清样本拟合曲线与真实曲线的比较

研究又进一步比较了BHM与现有方法（Kärber公式和4PL模型）在抗体滴度估计中的准确性。结果显示，经批次效应校正的BHM抗体滴度估计值与模拟真实值最为接近（相关系数 = 0.96，均方根误差RMSE = 0.41）。Kärber方法的准确性较低（= 0.63，RMSE = 1.64），且产生的假阴性比例（9.85%）明显高于4PL模型（2.42%）和BHM（0.93%）。4PL模型的整体准确性虽有所提升（= 0.87，RMSE = 1.09），但在批次效应较大情况下的估计值明显偏离其真实值（如图2C样本1所示）；在弱阳性样本中，4PL模型还可能因曲线拟合不合理而产生假阴性结果（如图2C样本2所示），当此类样本在研究人群中占比较高时，可进一步影响人群层面血清抗体阳性率的估计（图3）。

图3. 基于不同方法的中和抗体滴度估计值与模拟真实值的一致性
（A）Kärber公式；（B）4PL模型；（C）未经批次效应校正的BHM模型；（D）经批次效应校正的BHM模型；（E）中和抗体滴度估计值与模拟真实值的差异。

最后，研究基于纳入的血清样本开展了RSV血清流行病学分析。结果显示，不同抗体滴度估计方法对人群免疫水平评估产生影响。例如，在0–6月龄婴儿中，采用Kärber公式、4PL模型和BHM方法估计的血清抗体阳性率分别为66.7%、48.2%和54.9%。与BHM相比，Kärber公式和4PL模型对血清抗体阳转及抗体倍数升高事件的检出率较低。例如，在715份纵向配对的血清样本中，BHM识别出39例四倍抗体升高，而4PL模型仅识别出25例，较BHM减少约56%。在病毒传播更活跃或疫苗接种率更高的人群中，这种差异可能被进一步放大，从而影响感染发生率及疫苗保护效果的评估（图4）。

图4. 不同抗体滴度估计方法对RSV血清流行病学指标评估结果的比较
（A）年龄别血清抗体几何平均滴度；（B）年龄别血清抗体阳性率；（C）不同方法在识别血清抗体阳转及抗体倍数升高事件中的一致性。

综上所述，该研究提出的贝叶斯层级建模框架，有效解决了血清抗体检测中长期被忽视的实验误差和批次效应的问题。该方法能够充分利用实验数据，提供更为准确、稳定的抗体滴度估计结果，为大规模或多中心研究的血清学实验误差校正提供了新的统计学方法工具。该模型不仅适用于RSV中和抗体检测，也可拓展应用于其他基于系列稀释曲线的血清学实验，从而提升不同实验场景下抗体滴度估计的准确性与可比性。未来，除实验流程标准化外，血清学研究还应进一步重视统计建模方法的规范化，以提高血清学数据分析结果的可靠性，为疫苗研发、免疫策略优化及公共卫生决策提供更可靠的科学依据。

复旦大学公共卫生学院博士后王岩为论文第一作者，复旦大学公共卫生学院余宏杰教授与英国牛津大学James A. Hay博士为共同通讯作者。本研究得到新发突发与重大传染病防控国家科技重大专项（2025ZD01901300）、Wellcome Trust Early Career Award（2225001/Z/22/Z）以及中国博士后科学基金面上项目（2024M750556）的资助。