转自：新智元

【导读】刚刚，新冠全球确诊已超2亿。然而，德尔塔超强传播力的恐慌尚未平息，拉姆达（λ）变异毒株又引起了高度重视。它不仅具有高度传染性，而且或能逃避疫苗保护。全球警钟再次拉起！

2亿。

令人心惊胆战的数字。

这不是别的，而是全球新冠肺炎的累计确诊病例。

来源：约翰·霍普金斯大学，截至北京时间2021年8月5日3时21分

然而，就当世界为德尔塔变异毒株的超强传染力而一筹莫展时，世卫组织再次发出消息：

另一种变异毒株拉姆达（Lambda）被正式列为「需要关注的变异毒株」（Currently designated Variants of Interest）。

来源：WTO

这是去年8月在秘鲁发现的，变异毒株序号为C.37，世卫组织将其命名为拉姆达。

不过当时无论是从传播力还是杀伤力来说，拉姆达都「不足够」引起重视。

然而，近日有东京大学的研究人员发现，拉姆达不仅有超强的传染力，而且或可逃避中和抗体。

警报再次拉响了！

病毒如何命名？希腊字母表「去污名化」

很多人都问，德尔塔之后是什么，新的变异毒株是如何被命名的？

我们先来了解下变异毒株的命名原则。

与德尔塔的命名方式类似，世卫组织采用了希腊字母来命名。

拉姆达——λ；

德尔塔——Δ……

这是为什么呢？

在我们与疫情的战斗中，狡猾的新冠病毒在全球各地进化变异，如在南非发现的B.1.351变种。

渐渐地，许多人发现用变体的来源地来标记一个变体更容易记住，如英国变体；南非变体；印度变体等。

但是，这种「污名化和歧视性」也引起了世卫组织的注意。

于是，今年6月，世卫组织引入了新冠病毒变体命名的系统，它们基于希腊字母，并敦促国家当局和媒体机构采用这些新的、中立的标签。

所以，虽然这次拉姆达变异毒株最先是在秘鲁发现的，但是却没有称其为「秘鲁病毒」。

「毒王」拉姆达已蔓延31国，或能逃避疫苗抗体

在奥运会开幕前三天，7 月 20 日，日本国立传染病研究所(NIID) 向国际组织报告称，在日本的机场测试中首次发现了具有高度传染性的拉姆达变体，但没有广泛地向公众公布。

去年8月，拉姆达在秘鲁首都利马被发现，并且已经传染至秘鲁、阿根廷、厄瓜多尔和澳大利亚等国家。

近日，日本东京大学的的一组研究人员发布了一份尚未经过同行评审的报告，报告发现拉姆达变体具有高度传染性，而且有可能逃避中和抗体，并对疫苗获得的免疫力表现出可检测到的抗性。

针对拉姆达的假病毒中和试验，其已超过了德尔塔

最初由智利研究人员进行的一项预印本研究也发现，存在于拉姆达刺突蛋白（启动病毒进入人体细胞并引发感染的重要组成部分）中的突变增强了其感染和逃避由人类细胞引起的中和抗体的能力。

也就是说，该变体可能具有逃避通过自然感染或疫苗接种产生的抗体的潜力。

截至 2021 年 7 月上旬，拉姆达变体已在全球 32  个国家/地区被检测到。

阿根廷为 37%，智利为 32%。而后广泛分布于阿根廷、巴西、哥伦比亚、厄瓜多尔和墨西哥，还远至英国。但是，到目前为止，尚未在印度发现拉姆达变体的案例。

来源：GISAID

其中在秘鲁测序的 COVID-19 病例中有 81% 检测到 拉姆达变异，智利感染该病毒患者约占确诊患者的1/3。

目前，人们最关心的就是疫苗是否会对变异毒株失效？

尽快疫苗，减缓传播就是减少变异

目前研究还没有给出确切的答案。

但根据现有的研究，拉姆达突变株的S蛋白的N端结构域（NTD）中插入的RSYLTPGD246-253N突变也与病毒毒力增加有关。

这或许可以解释，为什么秘鲁在接种疫苗的情况下，仍出现了大面积感染。

根据GISAID变异数据库，除了拉美等国，美国报告的拉姆达变异病例超过 1,000 例，全球记录的病例超过 4,000 例。

全球范围来说，美国依然是确诊数最多的国家。美国疾病控制和预防中心（CDC）的数据显示，7月30日全美新冠肺炎单日新增病例数高达101171例，刷新了近六个月以来的纪录。

美国顶级传染病专家安东尼·福奇博士表示，美国的疫情会恶化。

而阻止或延缓疫情蔓延的最有效形式，就是——接种疫苗！

因为病毒继续传播的时间越长，变异的可能性就越大，这种变异可能会更严重，并且无法获得当前疫苗的保护。

「这是唯一的方法。病毒会适应并提出一些逃避我们免疫力的东西，这是自然选择。」

「不幸的是，这就是自然。」

参考资料：

https://www.nytimes.com/2021/08/05/climate/biden-tailpipe-emissions-electric-vehicles.html

推荐阅读

• 【重磅】斯坦福李飞飞《注意力与Transformer》总结，84页ppt开放下载！

• 分层级联Transformer！苏黎世联邦提出TransCNN: 显著降低了计算/空间复杂度！

• 清华姚班教师劝退文：读博，你真的想好了吗？

• 2021李宏毅老师最新40节机器学习课程！附课件+视频资料

• 最强通道注意力来啦！金字塔分割注意力模块，即插即用，效果显著，已开源！

• 登上更高峰！颜水成、程明明团队开源ViP，引入三维信息编码机制，无需卷积与注意力

• 常用 Normalization 方法的总结与思考：BN、LN、IN、GN

• 注意力可以使MLP完全替代CNN吗？ 未来有哪些研究方向？

• 清华鲁继文团队提出DynamicViT：一种高效的动态稀疏化Token的ViT

• 并非所有图像都值16x16个词--- 清华&华为提出一种自适应序列长度的动态ViT

重磅！DLer-计算机视觉&Transformer群已成立！

大家好，这是计算机视觉&Transformer论文分享群里，群里会第一时间发布最新的Transformer前沿论文解读及交流分享会，主要设计方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、视频超分、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。

进群请备注：研究方向+学校/公司+昵称（如Transformer+上交+小明）

???? 长按识别，邀请您进群！