想象一下，公共衛(wèi)生部門(mén)擁有一個(gè)“社區(qū)體溫計(jì)”，能夠通過(guò)分析居民樓的下水道污水，實(shí)時(shí)、無(wú)創(chuàng)地監(jiān)控整個(gè)社區(qū)的健康狀況，甚至能在人們大規(guī)模出現(xiàn)癥狀之前，就預(yù)警傳染病的抬頭。這并非科幻，而是“基于廢水的流行病學(xué)”所描繪的未來(lái)。在COVID-19大流行期間，監(jiān)測(cè)污水中的SARS-CoV-2病毒RNA，已成為追蹤社區(qū)感染趨勢(shì)的強(qiáng)大工具。然而，這個(gè)看似完美的工具內(nèi)部，卻存在一個(gè)惱人的“雜音”問(wèn)題。不同的實(shí)驗(yàn)室、不同的采樣方法（比如采集未處理的進(jìn)水，還是采集沉淀下來(lái)的固體）、不同的處理流程，都會(huì)在最終的數(shù)據(jù)中引入“噪聲”。這些噪聲就像一層濃霧，有時(shí)會(huì)掩蓋病毒傳播的真實(shí)趨勢(shì)，更嚴(yán)重的是，讓來(lái)自不同地區(qū)、使用不同方法得到的數(shù)據(jù)難以直接比較。例如，當(dāng)我們?cè)噲D整合加州A市污水“進(jìn)水”的數(shù)據(jù)和B市污水“沉淀固體”的數(shù)據(jù)，來(lái)繪制一幅全州的疫情地圖時(shí)，這張地圖的波動(dòng)有多少是真實(shí)的疫情變化，又有多少僅僅是采樣和分析方法不同造成的“假象”呢？為了撥開(kāi)這層迷霧，讓“社區(qū)體溫計(jì)”的讀數(shù)更清晰、更可比，由Maria L. Daza–Torres等人領(lǐng)導(dǎo)的研究團(tuán)隊(duì)，在《Epidemics》期刊上發(fā)表了一項(xiàng)創(chuàng)新性研究。他們嘗試用一種名為“離散小波變換”的信號(hào)處理“利器”，來(lái)精準(zhǔn)地區(qū)分廢水?dāng)?shù)據(jù)中哪些是社區(qū)感染的“真實(shí)脈動(dòng)”，哪些是技術(shù)操作帶來(lái)的“不和諧雜音”。

研究人員開(kāi)展這項(xiàng)研究，主要運(yùn)用了幾項(xiàng)關(guān)鍵技術(shù)。首先，他們收集了美國(guó)加州中央谷地五個(gè)城市在2022年4月至11月間的廢水樣本，包括進(jìn)水和沉降固體兩種類(lèi)型，對(duì)樣本進(jìn)行處理、RNA提取，并通過(guò)逆轉(zhuǎn)錄微滴數(shù)字PCR檢測(cè)SARS-CoV-2 N基因RNA，并用辣椒輕斑駁病毒的濃度進(jìn)行標(biāo)準(zhǔn)化，得到歸一化的病毒濃度時(shí)間序列數(shù)據(jù)。面對(duì)數(shù)據(jù)缺失，他們采用了10天移動(dòng)平均等多種插補(bǔ)方法進(jìn)行填補(bǔ)。研究的核心是離散小波變換分析，他們選擇了Daubechies 4小波基，對(duì)每個(gè)時(shí)間序列信號(hào)進(jìn)行多級(jí)分解，得到代表長(zhǎng)期趨勢(shì)的近似系數(shù)和代表高頻波動(dòng)的細(xì)節(jié)系數(shù)。最后，他們通過(guò)層次聚類(lèi) 方法，分析原始信號(hào)和經(jīng)過(guò)不同尺度濾波后的重構(gòu)信號(hào)之間的相似性模式。

研究人員對(duì)五個(gè)城市（埃斯帕托、洛斯巴諾斯、特洛克、溫特斯、伍德蘭）的歸一化SARS-CoV-2濃度時(shí)間序列（包括進(jìn)水和沉降固體）應(yīng)用了三級(jí)離散小波分解。分解將每個(gè)原始信號(hào)分離為三個(gè)細(xì)節(jié)系數(shù)（cD₁， cD₂， cD₃， 對(duì)應(yīng)從高到低的不同頻率波動(dòng)）和一個(gè)近似系數(shù)（cA₃， 代表最平滑的長(zhǎng)期趨勢(shì)）。通過(guò)重構(gòu)每個(gè)頻率分量的貢獻(xiàn)，研究發(fā)現(xiàn)，進(jìn)水和沉降固體信號(hào)之間的差異在高頻細(xì)節(jié)分量中最為明顯，表現(xiàn)為視覺(jué)上不同的模式和較低的相關(guān)性；而在低頻近似分量中，兩種樣本類(lèi)型的信號(hào)則表現(xiàn)出高度一致性。這初步表明，方法學(xué)差異可能更多體現(xiàn)在短期、高頻的波動(dòng)中，而長(zhǎng)期的流行病學(xué)趨勢(shì)是共享的。

為了驗(yàn)證上述觀察，研究人員系統(tǒng)地“過(guò)濾”掉高頻噪聲。他們通過(guò)逆離散小波變換，逐步重建了保留不同低頻成分的信號(hào)：S₁（保留cA₃， cD₂， cD₃）、S₂（保留cA₃和cD₃）和S₃（僅保留cA₃）。對(duì)這些不同“平滑度”的信號(hào)進(jìn)行層次聚類(lèi)分析，得出了關(guān)鍵結(jié)論：對(duì)原始信號(hào)、S₁信號(hào)和S₂信號(hào)進(jìn)行聚類(lèi)，均未能形成清晰的、按城市分組的模式，樣本類(lèi)型和城市混雜在一起。然而，當(dāng)對(duì)僅包含最平滑趨勢(shì)的S₃信號(hào)（即僅基于近似系數(shù)cA₃重構(gòu)的信號(hào)）進(jìn)行聚類(lèi)時(shí)，清晰的、城市特異性的分組出現(xiàn)了——來(lái)自同一城市的進(jìn)水樣本和沉降固體樣本緊密地聚類(lèi)在一起。 這一結(jié)果有力地支持了研究假設(shè)：高頻分量（細(xì)節(jié)系數(shù)）主要由樣本處理和實(shí)驗(yàn)室噪聲驅(qū)動(dòng)，而低頻分量（近似系數(shù)）則反映了共享的、城市層面的流行病學(xué)趨勢(shì)。

本研究通過(guò)引入離散小波變換這一強(qiáng)大的信號(hào)處理工具，成功地“解碼”了廢水監(jiān)測(cè)數(shù)據(jù)中的復(fù)雜性。研究結(jié)論明確：廢水中SARS-CoV-2信號(hào)的高頻波動(dòng)成分主要承載了由樣本類(lèi)型（進(jìn)水 vs. 沉降固體）差異、實(shí)驗(yàn)室處理流程等技術(shù)因素引入的“方法學(xué)噪聲”；而平滑的低頻趨勢(shì)成分，則穩(wěn)健地捕獲了社區(qū)層面共同的流行病學(xué)動(dòng)態(tài)。這意味著，通過(guò)有選擇性地濾除高頻噪聲，可以有效地“凈化”廢水監(jiān)測(cè)數(shù)據(jù)，從而更清晰地揭示病毒傳播的真實(shí)軌跡。

這項(xiàng)研究的意義重大且深遠(yuǎn)。在方法論上，它為解決廢水流行病學(xué)中長(zhǎng)期存在的數(shù)據(jù)可比性難題提供了一個(gè)創(chuàng)新、可擴(kuò)展的框架。研究證明，即使在不同樣本類(lèi)型、不同處理方法導(dǎo)致原始數(shù)據(jù)存在顯著差異的情況下，通過(guò)小波去噪，仍能提取出可比的流行病學(xué)核心信號(hào)。這對(duì)于推動(dòng)建立區(qū)域乃至國(guó)家級(jí)的廢水監(jiān)測(cè)數(shù)據(jù)整合平臺(tái)至關(guān)重要，因?yàn)樗鼮檎�合�?lái)自不同實(shí)驗(yàn)室、采用不同協(xié)議的數(shù)據(jù)提供了理論基礎(chǔ)和技術(shù)路徑。在公共衛(wèi)生實(shí)踐層面，更干凈、更可比的信號(hào)意味著更準(zhǔn)確的疫情趨勢(shì)判斷、更及時(shí)的早期預(yù)警，以及更可靠的公共衛(wèi)生決策支持。最終，這項(xiàng)研究不僅增強(qiáng)了我們“聆聽(tīng)”社區(qū)疾病信號(hào)的能力，也讓這把“社區(qū)體溫計(jì)”變得更加精準(zhǔn)和可靠，為未來(lái)應(yīng)對(duì)各類(lèi)傳染病威脅提供了更強(qiáng)大的監(jiān)測(cè)工具。