牛海綿状病ウイルス（FMDV）のエアロゾル伝播距離の定量化

背景と学術的系譜

起源と学術的系譜

牛海綿状病（FMD）は、世界中の偶蹄類に影響を与える、非常に伝染性が高く経済的に壊滅的なウイルス性疾患である。殺処分や貿易制限といった封じ込め措置に起因する農業産業への影響は、長らく大きな懸念事項であった。本稿で取り上げる問題の正確な起源は、牛海綿状病ウイルス（FMDV）のエアロゾル伝播が、短距離および長距離の両方でウイルス拡散を可能にする、特に複雑でありながらも重要な経路であるという認識にある。過去のアウトブレイクや、Glosterらによるシミュレーション、Colenuttらによる実験的確認といった先行研究は、FMDアウトブレイクにおける空気感染の重要な役割を繰り返し強調してきた。この問題が学術分野で最初に浮上したのは、科学者や政策立案者が大規模なFMDアウトブレイクを予防・制御するための効果的な戦略を模索し、空気感染するウイルスの拡散を理解し管理することが最重要であると認識した時であった。

本研究に着手するに至った先行アプローチの根本的な限界、すなわち「ペインポイント」は、特に個々の動物や農場レベルで、様々な環境条件下におけるFMDVエアロゾル伝播距離の理解と定量化が不十分であったことである。以前の数理モデルは、巨視的なスケール（例：農場間または地域間）でのウイルス伝播や、病原体の一般的な大気拡散を検討していたが、関与する多因子プロセス（放出、拡散、沈降、減衰、吸入）を考慮した、単一の感染源からのFMDVエアロゾルの有効伝播距離を正確に特徴付けることがしばしばできなかった。例えば、一部のモデルでは、エアロゾル伝播は単一の囲い内でのみ考慮されていた。特定の条件下でFMDVエアロゾルがどの程度移動できるかに関する、このような粒度の細かい定量的データの欠如は、アウトブレイク時の正確なリスク評価、効果的な疾病サーベイランス、および予防・制御資源の合理的な配分を妨げていた。著者らは明確に「現時点では、その理解には一定の限界がある」と述べており、時間経過に伴うウイルス伝播距離を予測するための、より洗練された数理モデルの開発が必要とされている。

直感的なドメイン用語

ゼロベースの読者が核心的な概念を把握できるよう、本稿で用いられるいくつかの専門用語を日常的なアナロジーに置き換えて説明する。

• 牛海綿状病ウイルス（FMDV）: これは、牛、羊、豚などの動物に非常に厄介で高度に伝染性の高い疾患を引き起こす、特定の「スーパーインフルエンザ菌」と想像してほしい。これは人間の手足口病ではなく、別個でより深刻な動物の病気である。
• エアロゾル伝播: これは、空気中を浮遊する微細な病原体を運ぶ、目に見えない「息の雲」や「くしゃみの霧」のようなものだと考えてほしい。すぐに落下する大きな目に見える液滴とは異なり、これらのエアロゾル粒子は非常に小さいため、長期間空気中に留まり、遠くまで移動することができる。遠くの火災からの煙のように。
• 最小感染量（MID）: これは、実際に病気になるために遭遇する必要がある病原体の「魔法の数」である。この量より少ない量を吸入した場合、体はそれを撃退できるかもしれないが、この量に達するかそれを超えると、感染の可能性が高い。これは感染の臨界閾値である。
• TCID50（50%組織培養感染量）: これは科学的な「病原体カウンター」である。サンプル中に存在する活性ウイルスの量を測定するために使用される標準的な単位である。具体的には、実験室での試験で細胞の半分を正常に感染させるウイルスの量であり、科学者にウイルスの強さを定量化するための信頼できる方法を提供する。

記号表

記号	説明

問題定義と制約

コア問題の定式化とジレンマ

本稿で取り上げる中心的な問題は、牛海綿状病ウイルス（FMDV）エアロゾルの空間的および時間的な有効伝播距離の正確な定量化である。これは、農業産業に壊滅的な影響を与えるFMDアウトブレイクの理解と制御において、重要な欠落部分である。

出発点（入力/現在の状態）は、感染した動物（牛、羊、または豚）または感染した農場全体であり、これが大気中にFMDVを含んだエアロゾルを放出する源となる。FMDVエアロゾル伝播はウイルスの拡散の確認された重要な経路であるにもかかわらず、特に様々な距離や条件下でのその詳細な空間的・時間的ダイナミクスに関する我々の理解は限られたままである。先行研究はしばしば巨視的なスケール（例：農場間伝播）または個体レベルの伝播に焦点を当てていたが、エアロゾル伝播自体の複雑な多因子プロセスを完全に解明するには至っていなかった。

望ましい終点（出力/目標状態）は、様々な環境条件下（例：安定した大気、変化する風速）および異なる動物種において、FMDVエアロゾルがどの程度移動し、感染性を維持できるかについての定量的かつ予測的な理解である。これには、単一の感染動物から、および感染農場から特定の時間枠（例：1時間、24時間、7日）における有効伝播距離の決定が含まれる。最終的な目標は、家畜農場の配置の合理的な計画、意思決定プロセスの支援、およびアウトブレイク時の予防・制御資源の配分の最適化のための、実行可能な情報を提供することである。

本稿が橋渡ししようとする正確な欠落リンクまたは数学的ギャップは、FMDVエアロゾル伝播を支配する様々な物理的および生物学的プロセスを統合する、包括的な時空間動態モデルの欠如である。具体的には、FMDVエアロゾルの放出、拡散、沈降、減衰、および最終的な吸入を記述する拡散方程式を確立することを目指している。このモデルは、任意の空間および時間における生存ウイルスの濃度を定量化し、種特異的な最小感染量閾値と比較することにより、有効伝播距離の計算を可能にする。先行モデルはこれらのダイナミクスを単純化するか、異なる側面に焦点を当てていたため、エアロゾル伝播距離の正確なメカニズム的予測におけるギャップを残していた。

この特定の問題を解決しようとする先行研究者を閉じ込めてきた痛みを伴うトレードオフまたはジレンマは、モデルの複雑さと実用性およびデータの利用可能性とのバランスを取ることにある。エアロゾル伝播は、多数の相互作用する要素を含む「複雑な多因子プロセス」である。例えば、詳細な大気乱流の組み込みといった一つの側面の精度を向上させることは、指数関数的に多くの計算能力と、常に利用可能または信頼できるとは限らない、非常に詳細な入力データを必要とする。例えば、モデル化する大気条件の解像度が高ければ、より正確な予測が得られるが、計算オーバーヘッドとデータ取得の課題も大幅に増大する。逆に、モデルを単純化して扱いやすくすると、伝播に影響を与える重要な要因を見落とすリスクがあり、結果の精度が低下したり、一般化できなくなったりする。本稿は、重要なダイナミクスを捉えつつも、問題を解決可能にするために（例：均一な風、固定された動物の位置）いくつかの仮定を置くことで、このジレンマを暗黙のうちに乗り越えている。

制約と失敗モード

FMDVエアロゾル伝播の定量化という問題は、著者らが直面するいくつかの厳しい現実的な壁により、解決が非常に困難である。

• 物理的制約:

  • 多因子エアロゾルダイナミクス: FMDVエアロゾルの拡散は、放出、生存性の維持、輸送（風による移流）、拡散（乱流による）、重力沈降、減衰、および最終的な吸入の複雑な相互作用によって支配される。これらの各プロセスは、独自のダイナミクスと影響因子を持つ。
  • 粒子径分布: エアロゾル粒子のサイズは、その挙動に大きく影響する。より小さな粒子（< 5 µm、または本研究の焦点である< 6 µm）は、より長く浮遊し、より遠くまで移動するが、より大きな粒子は急速に沈降する。モデルは、種または放出イベント間で均一ではない、これらのサイズ依存的なダイナミクスを考慮する必要がある。
  • 環境中での持続性と減衰: エアロゾル中のFMDVの生存性は、環境条件、特に相対湿度（生存性は55%～60% RH以上で最も良い）に非常に敏感である。ウイルスは時間とともに減衰し、半減期（例：表2では2時間、または[19]ではFMDVエアロゾルで12時間）が推定されるため、感染性は距離と時間とともに減少する。
  • 大気条件: 風速と風向は、方向性移動（移流）に不可欠であり、大気乱流はランダムな拡散を駆動する。これらの要因は実際のシナリオでは非常に変動が大きく、正確な長期予測を困難にしている。本稿では「乱流拡散…は物理学における最も重要なパズルである」と指摘している。
  • 重力沈降: エアロゾルは重力の影響を受け、下方へ沈降する。この鉛直方向の動きは、上方への拡散と水平方向の輸送との間でバランスを取る必要がある。
  • 種特異的特性: 異なる家畜種（牛、羊、豚）は、異なる肩高（放出源）、最小感染量（MID）、肺容量、およびウイルス排出量を持つ。例えば、豚は、それ自体がエアロゾル感染に対する感受性が低いにもかかわらず、牛や羊よりもはるかに多くのウイルスを排出する。これらの生物学的な違いは、種特異的なパラメータを必要とする。

• 計算上の制約:

  • 偏微分方程式（PDE）の求解: モデルの核心は、時間経過に伴う3次元空間での反応拡散方程式（式4および6）の求解である。これらの偏微分方程式は数学的に複雑であり、数値シミュレーションを必要とする。これは、特に広大な空間的および時間的スケールでは、計算集約的になる可能性がある。
  • パラメータ化の複雑さ: モデルは、種、ウイルス株、粒子サイズ、および環境条件によって異なる多数のパラメータ（拡散係数、沈降速度、減衰率、排出量、吸入率、閾値濃度、風速など）を必要とする。これらのパラメータを正確に決定し検証することは、実質的な課題である。

• データ駆動型の制約:

  • データの変動性と希少性: 本稿では、最小感染量（MID）のような重要なパラメータについて、「異なる実験的研究でわずかに異なる結果が得られた」と認識しており、普遍的に一貫したデータの欠如を示唆している。この変動性は、モデル予測に不確実性を導入する。
  • 理想化された条件と現実世界の複雑さ: シミュレーションは「比較的理想化された条件下」で実行される。これは、温度、湿度、地形的特徴（地形）、および変動する風向の複合効果を完全に考慮していないことを意味する。これらの現実世界の複雑さを組み込むには、より高解像度の入力データとより高度なモデルが必要となるが、これらは現在の範囲またはデータの利用可能性を超えている。
  • 動物行動の単純化: モデルは、感染動物が固定された原点（0,0,0）にあると仮定しており、感染動物または感受性動物の空間的な移動を組み込んでいない。農場レベルのモデリングでは、当初「各農場内の空間的不均一性を無視」し、均一な単位として扱っていた。これらの単純化は、モデルの扱いやすさのために必要であるが、現実世界のダイナミクスからの逸脱を表している。

なぜこのアプローチなのか

選択の必然性

率直に言って、著者らは「正確な瞬間」の認識を明示的に述べていないが、本稿の序論は既存アプローチの限界を明確に示しており、この特定の問題に対する彼らの選択した方法が唯一実行可能な道であることを示している。牛海綿状病ウイルス（FMDV）伝播の以前の数理モデルは、しばしば個体間または農場間の巨視的なスケールに焦点を当てていたが、様々な空間距離にわたるエアロゾル伝播の複雑なメカニズムを深く掘り下げてはいなかった。一部の研究では、病原性微生物のためにガウス拡散、NAME、またはDERMAのような拡散モデルを使用していたが、これらは明らかにFMDVエアロゾル伝播に影響を与える要因の全範囲を捉えるには不十分であった。

特定された重要なギャップは、FMDVエアロゾル拡散の全体の多因子プロセスをメカニズム的に記述できるモデルの必要性であった。これには、感染動物からの放出、空気中でのその後の拡散、重力による沈降、風による方向性輸送、環境中でのウイルス生存性の減衰、および感受性宿主による最終的な吸入が含まれる。標準的な疫学モデルは、集団レベルのダイナミクスには有用であるが、通常はこれらの物理的プロセスを抽象化している。同様に、一般的な大気拡散モデルは、ウイルスの生存性、種特異的な放出/吸入率、およびFMDVに関連する環境要因の複雑な相互作用といった生物学的詳細を完全に統合していない可能性がある。したがって、伝播距離を正確に定量化するためには、フィックの法則に基づき、これらの多様な要素を組み込んだ、専用の時空間動態モデルの開発が不可欠となった。

比較優位性

このアプローチの質的な優位性は、FMDVエアロゾル伝播を支配する物理的および生物学的要因の両方を、全体的かつメカニズム的に統合していることにある。エアロゾル拡散をブラックボックスとして扱うか、経験的近似に依存する単純なモデルとは異なり、この方法はエアロゾルダイナミクスの詳細な物理モデルを構築する。単に拡散を予測するだけでなく、基礎となるプロセスをモデル化することによって、どのように拡散が発生するかを説明する。

構造的な利点は、フィックの法則を拡散のために、移流（風）、重力沈降、ウイルス放出、および減衰の項と組み合わせて、単一の偏微分方程式（PDE）に統合できることである。これにより、エアロゾル濃度 $c(x, y, z, t)$ の粒度の細かい、時空間的に解像されたシミュレーションが可能になる。さらに、農場レベルの分析のために、この物理モデルは、疫学的なSIRV（感受性-感染-回復-ウイルス量）モデルとシームレスに結合される。この二層アプローチは、堅牢なフレームワークを提供する。SIRVモデルは、時間経過とともに感染農場から放出されるウイルス量を定量化し、それが拡散方程式にフィードバックされて長距離エアロゾル拡散を予測する。この包括的なフレームワークは、これらの詳細な物理的エアロゾルダイナミクスと疫学的進行の統合を欠いていた以前のゴールドスタンダード法よりも、はるかにニュアンスのある理解を提供する。これはメモリ複雑性を $O(N^2)$ から $O(N)$ に削減することではなく、最初からより正確で説明的なモデルを構築することである。

制約との整合性

選択された方法は、FMDVエアロゾル伝播の定量化という固有の制約と完全に整合している。この問題は、以下のことが可能なモデルを必要とする。

1. 伝播距離の定量化: 拡散方程式の主要な出力はエアロゾル濃度 $c(x, y, z, t)$ であり、これを種特異的な最小感染量（MID）閾値と比較すると、有効伝播距離が直接得られる。
2. 多因子プロセスの考慮: モデルは、放出（源項 $A(x, y, z, t)$）、自由拡散（拡散係数 $D$）、方向性移動（風速 $w$ および沈降速度 $v$）、および減衰（減衰率 $d$）を明示的に組み込んでいる。これはエアロゾル伝播の複雑な性質に直接対応する。
3. 時空間ダイナミクスの捕捉: 偏微分方程式（式4）の使用は、本質的に3次元空間（$x, y, z$）および時間（$t$）にわたるウイルスエアロゾル濃度のモデル化であり、時空間分析の必要性を満たす。
4. 種特異的パラメータの組み込み: モデルは、牛、羊、豚の異なるパラメータ（例：肩高 $H_0$、排出率 $U$、吸入率、および閾値濃度）を受け入れ、利用できるように設計されており、宿主種間の生物学的な違いを反映している。
5. 環境条件の統合: 風速（$w$）、拡散係数（$D$）、および減衰率（$d$）などの変数が直接組み込まれており、モデルが様々な環境シナリオ下での伝播をシミュレーションできるようになっている。

問題の厳しい要件と解決策のユニークな特性との「結婚」は、この直接的なマッピングに明らかである。問題は、エアロゾルがどのように移動し、持続するかについての詳細な理解を必要とし、フィックの法則に基づく拡散方程式は、まさにそのメカニズム的な記述を提供する。SIRVモデルを用いた農場レベルへの拡張では、ウイルス排出を駆動するウイルス排出と疫学的進行を理解する必要性に対応する。この統合アプローチは、モデルの構造がFMDVエアロゾル伝播の複雑で多スケールの性質に本質的に適していることを保証する。

代替案の却下

本稿は、その粒度の細かさまたはこの特定の問題に対する範囲の不十分さから、主に代替アプローチを却下していることを示唆している。以前の研究ではFMD伝播のための数理モデルが利用されていたが、それらはしばしば2つの主要な領域で不十分であった。

1. 詳細なエアロゾルダイナミクスの欠如: 多くの疫学モデルは、個体間または農場間の巨視的伝播に焦点を当てていたが、「個人間の異なる空間的接触距離におけるエアロゾル伝播の役割については議論していなかった」（4ページ）。これは、著者らが求めていたエアロゾル拡散のきめ細かくメカニズム的な理解を提供できなかったことを意味する。
2. 既存拡散モデルにおける影響因子の不完全な統合: 本稿では、病原性微生物拡散のためのガウス拡散、NAME、DERMAなどのモデルの存在を認識している。しかし、著者らは「感染動物によって放出されるFMDVエアロゾルの放出、沈降、輸送、拡散、および吸入を記述するために拡散方程式を確立するためにフィックの法則を適用する…様々な影響因子と組み合わせる」（4ページ）ことを選択した。これは、これらのモデルが拡散のいくつかの側面を処理するかもしれないが、提案されたモデルほど包括的に、風、重力、およびウイルス生存性の相互作用、特に種特異的な吸入率といった、FMDVエアロゾル挙動のユニークな複雑さを同時に考慮する単一の統合フレームワークを提供しなかった可能性を示唆している。単一の拡散方程式に「様々な影響因子」を組み合わせる必要性は、既存モデルがFMDVエアロゾル挙動のユニークな複雑さに、特に風、重力、およびウイルス生存性の相互作用に、十分に適合していなかったことを示唆している。

本稿では、ここで説明されている物理的および生物学的プロセスのメカニズムモデリングには根本的に不向きな、GAN、CNN、またはTransformerのような機械学習モデルについては言及も示唆もしていない。検討され、暗黙のうちに却下された代替案は、FMDVエアロゾル伝播の包括的な時空間分析に必要な詳細と統合を欠いていた、他の形態の疫学または大気拡散モデルであった。

Figure 4. The contour of spatial distribution of virus aerosol exhaled from one infected cattle standing at location (0,0,0) in scenario I. (a) z = 0.25 m. (b) z = 0.5 m. (c) z = 1.5 m. Where, the contour lines represent the threshold infection concentrations for different animals: 0.07 TCID50/m3 (cattle), 0.7 TCID50/m3 (sheep), and 16 TCID50/m3 (pigs). The regions bounded by the curves marked 0.07, 0.7, and 16 identify the areas where susceptible cattle, sheep, and pigs can be infected, respectively. Contours in later figures share the same interpretation and are not redefined

数学的・論理的メカニズム

マスター方程式

本稿のFMDVエアロゾル伝播の個体レベル分析を駆動する中心的な数学的エンジンは、3次元反応拡散移流偏微分方程式である。この方程式は、放出、拡散、風と重力による移流、および減衰を考慮して、ウイルスエアロゾル濃度の時空間的進化を記述する。フィックの第一法則と質量保存の原理から導出された最も包括的な形式は、本稿の式（4）として提示されている。

$$ \frac{\partial c(x, y, z, t)}{\partial t} + w \frac{\partial c(x, y, z, t)}{\partial x} - v \frac{\partial c(x, y, z, t)}{\partial z} = D \left[ \frac{\partial^2 c(x, y, z, t)}{\partial x^2} + \frac{\partial^2 c(x, y, z, t)}{\partial y^2} + \frac{\partial^2 c(x, y, z, t)}{\partial z^2} \right] + A(x, y, z, t) - d \cdot c(x, y, z, t) $$

項ごとの解剖

このマスター方程式を分解して、各成分の役割を理解しよう。

• $c(x, y, z, t)$:

  1. 数学的定義: これは、特定の空間座標 $(x, y, z)$ および時間 $t$ におけるウイルスエアロゾル濃度である。単位はTCID50/m$^3$である。
  2. 物理的/論理的役割: 特定の場所と瞬間に空気中に浮遊する感染性ウイルス粒子の密度を表す。モデルの最終目標は、感染リスクを評価するために、空間と時間全体でこの値を決定することである。
  3. この演算子が選ばれた理由: これは従属変数であり、我々が解こうとしている量である。

• $\frac{\partial c(x, y, z, t)}{\partial t}$:

  1. 数学的定義: これは、濃度 $c$ の時間 $t$ に関する偏微分である。
  2. 物理的/論理的役割: これは、固定された空間点におけるウイルスエアロゾル濃度の変化率を表す。これは、他のすべてのプロセス（放出、輸送、拡散、減衰）の結果として、濃度が時間とともに増加または減少するかどうかを決定する。
  3. この演算子が選ばれた理由: これは、システムの時間的進化を示す、あらゆる動的モデルにおける基本的な項である。

• $w \frac{\partial c(x, y, z, t)}{\partial x}$:

  1. 数学的定義: これは、$x$ 方向の移流項であり、$w$ は正の $x$ 軸に沿った風速、$\frac{\partial c}{\partial x}$ は $x$ 方向の濃度の空間勾配である。
  2. 物理的/論理的役割: これは、風による空気の塊の動きによるウイルスエアロゾルの輸送を記述する。風があれば、エアロゾルをそれに沿って運び、通過するウイルスの「雲」として点の濃度を変化させる。著者は、移流が流れの方向と勾配に基づいて濃度を加えたり除去したりする方向性輸送メカニズムであるため、加算を使用した。
  3. この演算子が選ばれた理由: これは、速度に掛けられた1階の空間微分であり、移流輸送の特徴である。

• $- v \frac{\partial c(x, y, z, t)}{\partial z}$:

  1. 数学的定義: これは、$z$ 方向の移流項であり、$v$ は重力によるエアロゾル粒子の沈降速度（沈降速度）であり、$\frac{\partial c}{\partial z}$ は $z$ 方向の濃度の空間勾配である。負号は、負の $z$ 方向（下方）への移動を示す。
  2. 物理的/論理的役割: この項は、ウイルスエアロゾルの沈降または重力沈降を考慮しており、それらを地面に向かって下方へ引き寄せる。これにより、高高度での空気中濃度が減少し、地面付近での濃度が増加する（吸収前）。
  3. この演算子が選ばれた理由: 風の移流項と同様に、速度に掛けられた1階の空間微分であるが、下方への移動を反映するために負号が付いている。

• $D \left[ \frac{\partial^2 c(x, y, z, t)}{\partial x^2} + \frac{\partial^2 c(x, y, z, t)}{\partial y^2} + \frac{\partial^2 c(x, y, z, t)}{\partial z^2} \right]$:

  1. 数学的定義: これは拡散項であり、$D$ は拡散係数、角括弧内の式はラプラシアン演算子（$\nabla^2 c$）である。各空間次元に対する濃度の2階偏微分を含む。
  2. 物理的/論理的役割: この項は、空気の乱流や分子衝突によるウイルスエアロゾルのランダムな広がりまたは拡散を表す。これは濃度勾配を平滑化し、粒子を高濃度領域から低濃度領域へ移動させるように作用する。著者は、拡散が各空間軸に沿って独立に物質を広げるため、ラプラシアンの成分に加算を使用した。
  3. この演算子が選ばれた理由: ラプラシアンは拡散プロセスを表す標準的な数学的表現であり、ある量が空間的にどのように広がるかを示す。

• $A(x, y, z, t)$:

  1. 数学的定義: これは源項であり、位置 $(x, y, z)$ における感染動物によるウイルスエアロゾル放出率（単位時間あたり）を表す。源の位置 $(0,0,H_0)$ では $U$（排出量）として定義され、それ以外の場所ではゼロである。
  2. 物理的/論理的役割: この項は、感染源からシステムに新しいウイルスエアロゾルを導入する。これは空気中のFMDV粒子の起源である。
  3. この演算子が選ばれた理由: これは、ウイルスエアロゾル濃度に直接寄与するため、加算項である。

• $- d \cdot c(x, y, z, t)$:

  1. 数学的定義: これは減衰項であり、$d$ は環境中のウイルスエアロゾルの減衰率、$c$ は濃度である。
  2. 物理的/論理的役割: この項は、時間経過とともにウイルス粒子の不活性化または生存性の喪失を考慮している（例：乾燥、紫外線）。これにより、感染性ウイルスの有効濃度が減少する。
  3. この演算子が選ばれた理由: 減衰率は現在の濃度に比例するため、指数関数的な減少につながるため、負号を持つ乗算項である。

ステップバイステップの流れ

感染動物から旅を始める単一の抽象的なFMDVエアロゾル粒子を想像してほしい。全体的なシナリオは、平坦な地面にいる感染動物（牛、羊、または豚）と、その周りにいる感受性動物、そして風の影響下で分散するウイルスエアロゾルを含んでいる。

1. 放出: まず、粒子は感染動物の鼻または口から放出され、これは源項 $A(x, y, z, t)$ によって表される。これは、モデルの座標系において、通常は原点 $(0,0,H_0)$ の地面から特定の高さ $H_0$ で発生する。
2. 風による移流: 空中に放出されると、もし風（速度 $w$）があれば、粒子は直ちに風の方向に運ばれる（例：正の $x$ 軸）。これはバルク移動成分であり、粒子の全体的な位置をシフトさせる。
3. 重力沈降: 同時に、重力により、粒子は下方へ沈降し始め、速度 $v$ で沈降する。これは、その $z$ 座標が継続的に減少し、地面に近づくことを意味する。
4. 乱流拡散: 移流されながら、粒子は空気の乱流や分子衝突によるランダムな、混沌とした運動も経験する。この拡散プロセスにより、粒子は初期軌道から3つの空間次元（$x, y, z$）全体に広がり、その経路を予測しにくくし、より広い領域に分散させる。
5. 環境減衰: 空中での旅の間中、ウイルス粒子は環境減衰の影響も受ける。その感染性は時間とともに減衰率 $d$ で低下する。これは、たとえ感受性宿主に到達しても、感染を引き起こすのに十分な生存性を持っていない可能性があることを意味する。
6. 地面への吸収: 粒子の下方への移動（沈降またはランダム拡散による）が地面（$z=0$）に到達した場合、それは完全に吸収されると仮定される。これは吸収境界条件であり、地面でのウイルス濃度は実質的にゼロであり、粒子は再エアロゾル化しないことを意味する。
7. 濃度蓄積: これらすべてのプロセス—放出、風輸送、重力沈降、乱流拡散、および減衰—が、あらゆる空間点と時間における生存ウイルスエアロゾルの濃度 $c(x, y, z, t)$ をまとめて決定する。モデルは継続的にこの濃度を計算する。
8. リスク評価: 最後に、任意の点での計算された濃度 $c(x, y, z, t)$ は、種特異的な閾値濃度（例：牛の場合は0.07 TCID50/m$^3$）と比較される。濃度がこの閾値を超えた場合、その場所は有効伝播距離内にあると見なされ、潜在的な感染リスクを示す。

このプロセス全体は、ウイルス粒子が放出され、環境力によって吹き飛ばされ、宿主に感染するか不活性化するまで徐々に効力を失う、複雑で目に見えない組み立てラインのようなものである。

最適化ダイナミクス

本稿で説明されているメカニズムは、主に伝統的な意味での損失関数を最小化するためにパラメータを反復的に調整する最適化モデルではなく、シミュレーションおよび予測モデルである。モデルは、最適化アルゴリズムを通じて内部パラメータを「学習」または「更新」しない。代わりに、そのダイナミクスは、FMDVエアロゾルの物理的拡散を理解するために、決定論的な偏微分方程式（PDE）を解くことに関するものである。

ここでの「ダイナミクス」とは、以下のことを指す。

1. PDEの数値解法: モデルの主なタスクは、定義された空間領域と時間期間にわたって $c(x, y, z, t)$ のマスター方程式を数値的に解くことである。これには、連続空間と時間をグリッドに離散化し、解を近似するために数値的手法（例：有限差分法）を適用することが含まれる。 「状態更新」は、現在の値とすべての項（移流、拡散、源、減衰）の影響に基づいて、各後続の時間ステップでの $c$ の計算である。
2. パラメータ探索とシナリオ分析: 著者らは、風速（$w$）、拡散係数（$D$）、沈降速度（$v$）、減衰率（$d$）、および放出高さ（$H_0$）などの入力パラメータを変化させることによって、異なる「シナリオ」を探索する。これは最適化ではなく、これらの要因が伝播距離の「損失地形」をどのように形成するかを理解するための感度分析である。例えば、風速が高いほどエアロゾルプルームは引き伸ばされ、減衰率が高いほど収縮する。
3. 濃度分布への収束: 特定のパラメータセットと初期条件に対して、数値シミュレーションはウイルス濃度の時空間分布に収束する。これはモデルパラメータの収束ではなく、システムが安定した、または進化する濃度プロファイルに到達することである。
4. 閾値ベースのリスク決定: このメカニズムの「学習」または「結果」は、有効伝播距離の決定である。これは、シミュレートされた濃度 $c(x, y, z, t)$ を定義された最小感染量閾値と比較することによって達成される。 $c$ がこの閾値を下回る境界が最大伝播範囲を定義する。モデルは、特定の伝播距離を達成するためにパラメータを調整するのではなく、環境および生物学的入力が与えられた距離を予測する。

本質的に、モデルはエアロゾル挙動の前方シミュレーションを提供する。「最適化」は、研究者が様々なシナリオにわたるシミュレーション結果を解釈して、重要な要因を特定し、伝播リスクを予測することによって行われるのであり、反復学習プロセスによるモデル自体によって行われるのではない。

Figure 2. Schematic diagram of the variation of aerosol concentration in microvolume element Figure 1. Schematic diagram of study scenario

結果、限界、および結論

実験デザインとベースライン

FMDVエアロゾル伝播に関する数理的主張を厳密に検証するために、研究者たちは異なるシナリオにわたる一連の数値シミュレーションを設計した。彼らの実験デザインの核心は、放出、拡散、沈降、およびFMDVエアロゾルの方向性移動を綿密に特徴付ける時空間動態モデル、特に拡散方程式（式（4））を中心に展開された。このモデルは、様々な環境条件下および感染動物種（ソースとして機能）、および異なる感受性動物種（ターゲットとして機能）の下で、有効伝播距離を定量化するために適用された。

実験設定は、個体動物伝播のための3つの主要なシナリオを含んだ。
1. シナリオI（短期間、無風）: このシナリオは、有意な風の流れがない安定した大気条件下で、短期間（1時間）のエアロゾル拡散をシミュレートした。また、動物が頭を上下に動かすことも考慮しており、放出高さが変化することを示唆している。これは、移流輸送なしでの局所的な拡散を理解するためのベースラインとして機能した。
2. シナリオII（長期間、定常風）: 期間を24時間に延長し、このシナリオは、一定の風向（正のx軸）と一定の低風速0.1 m/sを導入した。これらの条件下では、エアロゾルの沈降は無視できると見なされ、鉛直移動の側面が単純化された。このシナリオは、わずかな風でさえ長距離伝播に与える影響を強調することを目的とした。
3. シナリオIII（長期間、実風）: この高度なシナリオは、2024年10月27日から10月28日までの北京、中国での実際の風速データを使用した。シミュレーションの最大距離を容易にするために、風向は一定（南西）と仮定された。これは、変動するが方向性のある風パターン下での伝播のより現実的な評価を提供した。

個体動物伝播を超えて、本研究は農場規模のモデリングアプローチも組み込んだ。これには、1000頭の未接種動物からなる農場内での感染の時系列ダイナミクスをシミュレートするために、集団ベースのSIRV（感受性-感染-回復-ウイルス量）モデル（式（5））が使用された。この農場内モデルの出力（ウイルス排出）は、その後、空間拡散モデルにフィードバックされ、定常風速0.1 m/s下で7日間の期間にわたる周囲の感受性農場への感染性を評価した。

これらの実験における「犠牲者」は、感染リスクを決定する上で最小感染量（MID）と吸入率が重要なパラメータであった感受性のある牛、羊、豚の集団であった。「比較対象」のベースラインは、主に異なる環境条件（無風対様々な風速）と家畜種間のウイルス排出率と感受性の固有の違いであった。広範な文献（表1、2、3、8）から得られた綿密なパラメータ化により、研究者たちは風速や動物種特性のような特定の要因がFMDVエアロゾル伝播距離を決定的にどのように影響するかを、容赦なく証明することができた。

証拠が証明すること

本稿で提示された証拠は、風がFMDVエアロゾル伝播において重要な役割を果たしていること、そして感染源としての異なる家畜種の寄与が様々であることを断定的に証明している。自由拡散、方向性移流、および重力沈降を組み込んだ拡散方程式という中心的なメカニズムは、これらのダイナミクスを多様なシナリオにわたって首尾一貫して解明することに成功した。

安定した大気条件下（シナリオI、1時間、無風）:
有効エアロゾル伝播距離は驚くほど限定的であった。感染した豚は、牛に最大5～6 m、羊に2～3 m、他の豚に1～2 mのウイルスを伝播できた。対照的に、感染した牛や羊は非常に限定的な伝播を示し、牛に1～2 m、羊に1 mに達し、そして決定的に、豚への検出可能なエアロゾル伝播能力はなかった。これは、風がない場合、FMDVエアロゾル拡散は非常に局所的なイベントであり、豚が最も重要な短距離源であることを否定できない証拠を提供する。

定常低風速（シナリオII、24時間、0.1 m/s風）:
わずかな風の導入でさえ、伝播距離はキロメートル範囲に劇的に拡大し、風の支配的な役割を断固として実証した。
- 感染した豚は、牛に10～11 km、羊に9～10 km、他の豚に7～8 kmのウイルスを伝播する、はるかに強力な源となった。
- 風がない場合はほとんど効果がなかった感染した牛や羊は、現在、牛に7～8 km、羊に5～6 km、豚に2 kmの顕著な伝播範囲を示した。
証拠はさらに、豚源が牛/羊源よりも一貫して長い伝播範囲を示し、牛への曝露では35～45%、羊への曝露では65～80%増加したことを明らかにした。豚から豚への伝播距離は、牛/羊から豚への伝播距離の3～4倍長かった。逆に、牛は豚の4倍広い感受性範囲を示し、羊は豚の3倍広い範囲を示した。これは、移流条件下で、ソースと感受性種の両方の違いに基づいて伝播ダイナミクスを区別するモデルの能力を明確に検証している。

実風、変動風条件下（シナリオIII、24時間、北京風データ）:
シミュレーションは、200 kmを超える最大伝播距離を予測した。感染した豚は、牛に250～270 km、羊に230～240 km、他の豚に180～190 kmのウイルスを伝播できた。感染した牛や羊も広範囲に及び、牛に190 km、羊に140 km、豚に20 kmに達した。この確固たる証拠は、強く持続的な風が極めて長距離のFMDVエアロゾル伝播を促進する可能性があり、地域的な疾病拡散の重要な要因となっていることを強調している。

農場規模モデリング（7日間、0.1 m/s風）:
集団ベースのモデルは、農場内伝播効率が豚農場で最も高く、わずか1週間で全頭が影響を受けることを示した。牛農場は約3週間、羊農場は約5週間かかった。この高い内部伝播とそれに続く豚農場からのウイルス排出は、周囲の感受性農場への最も広範な最大伝播距離（17～22.68 km）につながった。牛農場は6.2～12.07 kmで続き、羊農場は4.8～10.8 kmで最も短い範囲を示した。7日間にわたるFMDVエアロゾル拡散の線形時間的拡大は、農場レベルのアウトブレイクが時間とともにどのようにエスカレートするかについての理解をさらに強固にした。

要約すると、実験的検証は、開発された時空間モデルがFMDVエアロゾル伝播における放出、拡散、沈降、および風移流の複雑な相互作用を正確に捉えているという、断定的で否定できない証拠を提供する。それは、風が長距離拡散の主要な推進力であり、感染した豚が個体レベルと農場レベルの両方で、エアロゾル化されたウイルスの最も重要な源であることを容赦なく証明している。

限界と今後の方向性

この研究はFMDVエアロゾル伝播に関する貴重な洞察を提供するが、その固有の限界を認識し、これらの発見がどのようにさらに発展できるかを考慮することが重要である。

現在の限界:
主な限界の1つは、多くの結果が得られた理想化された条件に起因する。現在の形式のモデルは、変動する温度、湿度の変動、多様な地形的特徴（例：丘、谷）、および動的な風向といった複雑な環境要因の複合効果を完全には考慮していない。実際の風パターンはめったに一定または均一ではなく、これらのモデル化されていない変数は、エアロゾル拡散とウイルス生存性を大きく変える可能性がある。例えば、高湿度はウイルスの生存期間を延長する可能性があるが、複雑な地形は局所的な乱流やチャネリング効果を生み出し、実際の伝播距離に影響を与える可能性がある。

さらに、現在の数理モデルは主に単一の感染宿主からのエアロゾル伝播に焦点を当てている。これは基礎的な理解を提供するが、直接的な鼻から鼻への接触も疫学的に重要であることを認識している。集団レベルの分析における農場内の空間的不均一性からのモデルの抽象化は、もう一つの単純化である。農場内の動物は均一に分布しておらず、それらの移動パターンは局所的なウイルス濃度とそれに続く放出ダイナミクスに影響を与える可能性がある。また、モデルは、生存性と感染性が様々であることが示されている異なるウイルス株の影響を明示的に考慮していない。

今後の方向性と議論のトピック:
この堅牢な基盤の上に、将来の研究と開発のためのいくつかの道筋が現れ、批判的思考を刺激する多様な視点を提供している。

1. 統合伝播モデル: 重要な次のステップは、エアロゾル伝播と直接接触伝播の両方のモードを統合する、より包括的な巨視的モデルを開発することである。これには、動物の移動パターンと農場内および農場間の直接接触相互作用の組み込みが含まれる。短距離の直接接触と長距離のエアロゾル拡散との相互作用は、全体的なアウトブレイクダイナミクスと制御戦略にどのように影響するか？局所的な直接伝播が後続の長距離エアロゾルイベントを促進する高ウイルス量を維持するような相乗効果はあり得るか？

2. 洗練された環境パラメータ化: 理想化された条件を超えて進むために、将来のモデルは、高解像度の入力データを気象要因（温度、湿度、リアルタイムの多方向風場）および地形データに組み込むべきである。これには、複雑な境界層と地形を処理できる高度な大気拡散モデルが必要となる。この種の高忠実度環境モデリングの計算上の課題とデータ要件は何であり、モデルの複雑さとリアルタイムリスク評価の実用性をどのようにバランスさせることができるか？

3. 複数源放出シナリオと農場異質性: 現在のモデルは、主に単一の感染源を考慮している。将来の研究は、農場内の空間分布にわたる複数の感染動物からの放出、または複数の感染農場からの同時放出をシミュレートする複数源放出シナリオを探求すべきである。さらに、農場内の空間異質性（例：囲いのレイアウト、動物密度変動、移動制限）を考慮して集団モデルの粒度を強化することは、ウイルス排出と局所的な拡散のより正確な予測を提供する可能性がある。これは、豚農場の異なる換気システムは、エアロゾル封じ込めまたは分散に関して牛の放牧地と比較してどのように異なるか？という疑問を提起する。

4. 実験的パラメータ最適化と検証: 本稿では、実験的パラメータ最適化によるモデルの改良に言及している。これは不可欠である。将来の研究は、利用可能な場合は、実世界の発生データに対するモデル予測の経験的検証に焦点を当てるべきである。これには、制御された野外実験（FMDVにとっては倫理的に困難であるが、代替ウイルスでは可能）または詳細な環境および疫学的データを用いた過去のアウトブレイクの遡及的分析が含まれる可能性がある。モデル不確実性を低減するために必要なデータを提供する最も重要なパラメータは何か、そしてどのような新しい実験デザインが可能なのか？

5. 種特異的モデル適応: 本稿では、豚、牛、羊の異なる家畜慣行を強調している。将来のモデルは、これらの違いにより特異的に適応されるべきであり、エアロゾル生成と拡散に影響を与える住宅、換気、および動物行動のバリエーションを考慮する必要がある。例えば、豚農場の異なる換気システムは、エアロゾル封じ込めまたは分散に関して牛の放牧地と比較してどのように異なるか？

6. 経済的および政策的影響: 科学的理解を超えて、その発見は重要な経済的および政策的影響を持つ。伝播距離の定量化は、家畜農場の合理的な配置、検疫区域の設計、および予防・制御資源の配分に情報を提供できる。重要な議論は、これらの洗練されたモデルをFMDV制御のための実行可能な政策勧告にどのように変換できるか、そしてより厳格なバイオセキュリティ対策の実施とより大きなアウトブレイクゾーンの管理との間の経済的トレードオフは何であるか？

これらの限界に対処し、これらの将来の方向性を探求することによって、科学コミュニティはFMDV伝播の理解を進化させ、より堅牢な予測モデルとより効果的な疾病制御戦略につながる可能性がある。

Figure 6. The contour of spatial distribution of virus aerosol exhaled from one infected pig standing at location (0,0,0) in scenario I. (a) z = 0.25 m. (b) z = 0.5 m. (c) z = 1.5 m