Bối cảnh:

  + Dữ liệu di truyền (trình tự nucleotide/acid amin) ngày càng rẻ và nhanh, mở ra khả năng ứng dụng rộng rãi trong giám sát và nghiên cứu dịch bệnh.

  + Phân tích mạng xã hội từ lâu đã được dùng để nghiên cứu các nhóm nguy cơ cao (PWID, MSM) và mô hình hóa lây truyền.

• Nội dung chính:
•   + Ứng dụng dữ liệu phân tử: ước lượng R0, thời gian thế hệ, phylodynamics, phylogeography, tái dựng đường lây.
•   + Ứng dụng dữ liệu mạng xã hội: xác định cấu trúc mạng, hành vi nguy cơ, “firewall effect”, mô hình hóa lan truyền.
•   + Khác biệt giữa hai nguồn: dữ liệu mạng xã hội bao gồm cả người chưa nhiễm; dữ liệu phân tử phản ánh thời điểm lây trong quá khứ.
•   + Lợi ích tích hợp: bổ sung nút/quan hệ bị thiếu trong cây phát sinh, cải thiện mô hình phylodynamics bằng cấu trúc mạng thực, hỗ trợ giải quyết các đường lây mơ hồ.
• - Ví dụ nghiên cứu:
•   + So sánh khoảng cách di truyền HCV với khoảng cách xã hội ở PWID (Melbourne, Seattle).
•   + Kết hợp dữ liệu nguy cơ và phân tử để phát hiện lây chéo HIV–HCV giữa các nhóm.
•   + Mô phỏng mạng xã hội và lan truyền HIV để đánh giá ảnh hưởng cấu trúc mạng đến cây phát sinh.
• - Thách thức:
•   + Thu thập dữ liệu mạng tốn kém, nhạy cảm, khó bao phủ toàn bộ mạng.
•   + Cần phát triển phương pháp tích hợp và đánh giá độ tin cậy của đường lây kết hợp.
• - Triển vọng:
•   + Công nghệ giải trình tự và phân tích mạng ngày càng khả thi, mở ra cơ hội ứng dụng rộng rãi trong giám sát và can thiệp y tế công cộng.