3.在致命的地方性流行病演變成全球性流行病之前遏制它們。

你可以想象一下未來的疫情GIS，或者用矽谷人更為熟悉的術語——我們的數據團隊負責人拉奇·古拉斯卡拉稱其為未來的疫情聚合圖（mash-up）：包含著層層關鍵信息的一幅地圖——有人們所在的位置、他們的關注點、他們感染的微生物、他們流動的地方、他們聯繫的人。研發和持有這張結合數字化和生物學的聚合圖，正是拉奇團隊的奮鬥目標，也是本書最後一章我們將要提到的內容。隨著時間的推移，不同疫情的數據可以放在一起加以分析，使得我們在實際的疫情中考察不同因素的影響，並能夠對所有的技術手段進行最優加權，使預測效力最大化。

當我們面對一次疫情的時候，有很多問題需要探究。首當其衝的問題就是：疫情背後的微生物是誰？病毒微陣列和高通量測序這些技術正在加快我們識別新型感染源的速度，也有助於我們發現舊技術沒法識別的微生物。但是一旦我們識別了一種微生物，就想知道它將走向何方。我們將在第12章里描繪最終的流行病預防系統的未來，但該系統肯定包括像安迪諾實驗室研發的，評估一種病毒所採取的進化方向的那些方法。奎克研究小組有一天也許會推出一套高速晶元，迅速評估微生物可能採取的傳播路徑。

中心問題之一就變成了生物信息學——如何對這些奇妙的研究技術所產生的幾十億個基因信息進行整理？幸運的是在一個啟蒙運動中，美國國家衛生研究院的科學家們對測序信息加以挑選，建成了一座電子倉庫。該電子倉庫由著名的美國洛薩拉莫斯國家實驗室（Los Alamos National Laboratory）研發，現在被叫作基因庫（GenBank）。因為研究資助機構和學術期刊要求科學家們在提交學術論文前先到基因庫提交基因序列，我們每年共為其貢獻幾十億個基因信息。基因庫目前有超過1000億個基因序列信息，並且其庫存數量增長很快。從一次基因測序中確認的一個新序列，能夠迅速地與基因庫內的序列進行電子比對，看是否有匹配的序列。

GIS是各種各樣當代研究技術中的一種。這些技術使我們調查疫情和了解疾病傳播的研究方式發生了明顯變化。全面協調使用這些技術手段，就可能從根本上改變我們監測和遏制疫情的方式。

正在興起的流行病預防學（science of pandemic prevention）主要有三個目標：

谷歌流感趨勢系統所提供的有關季節性流感的早期數據很有趣，並且有潛在的重要性。這一早期數據讓衛生機構有時間訂購藥物，以滿足不同病情之需。但是季節性流感的早期偵查不是我們的終極目標，我們的目標是建立一個能夠發現一種新興流行病的系統。谷歌現在正努力將疾病偵查範圍從流感擴展到其他種類的疾病。當越來越多的人使用谷歌這樣的搜索引擎，我們就可以獲得越來越多的數據。我們所希望的是，除流感之外其他感染源的趨勢分析也做得越來越好。也許有朝一日，我們僅僅谷歌搜索一下，就會發現一種流行病正在某社區興起。

1.早點識別地方性流行病（epidemics）。

在一個設計精巧的實驗里，這兩位科學家追蹤被分成兩組的哈佛學生。第一組被試者是從哈佛學生中隨機選擇的，第二組被試者是從被第一組人列為朋友的人中選出來的。因為靠近社交網路中心的個人，可能比處在邊緣的人更快地被傳染上疾病，克里斯塔基斯和福勒就假設在一次疫情中，朋友組比隨機組更快地傳染上疾病，因為隨機組一般比朋友組離社交中心遠。實驗結果令人震驚。在2009年的流感疫情中，朋友組比隨機組平均早14天感染上流感病毒。

在給負責人的報告里，他闡述了自己的分析，認為疫情應該是水污染所致。儘管水質分析沒有明確結果，但為病例所繪製的地圖強有力地支持其結論：一個特殊的出水口是疫情之源。他建議切斷水源，負責人同意了。雖然大批民眾逃離社區，使疫情可能有所減輕，但事實證明，調查研究和關閉水源對控制疫情還是至關重要的。

近幾年裡，一系列大胆新穎的測序方法，已經補充到病毒微陣列中。新機器從樣本中解讀出哺乳動物的大rｅａd.９9cｓｗ.coｍ量基因序列數據——這些數據以前因價格昂貴或者耗時太長而無法拿到。這些機器正幫助我們確立一個全新的發現病毒的方法。

當人們問我是否對流行病預測的未來持樂觀態度時，我的回答總是一聲響亮的「是」！根據本書前2/3的內容，你也許會質疑我的樂觀。動物和人類之間穩定持久的相互關聯，已經醞釀了一場完美的新型流行病風暴。然而，如今通過傳播和信息技術在人與人之間構建的相互聯繫性，我們在提早捕捉疫情方面獲得了前所未有的能力，再加上人類潛心研究引發流行病的微生物多樣性，取得了令人矚目的進步。兩者結合，使我的樂觀主義有了可靠的保障。

社交網路的迅猛發展，提供了另一組大數據，使我們有可能會發現即將到來的疫情信息。這些信息雖然微弱，但有潛在的價值。像英國布里斯托爾大學的計算機科學家威斯利斯·萊普（Vasileios Lampos）和奈勒·克里斯蒂亞尼尼（Nello Cristianini）已經採用與谷歌科學家們相類似的方法，對數以億計的Twitter信息進行整理。像他們在谷歌的同仁們一樣，萊普和克里斯蒂亞尼尼使用關鍵詞觀察Twitter上的流感趨勢，發現其與流感統計具有相關性。這裏的流感統計是指英國健康保護署（UK's Health Protection Agency）提供的數據。

我們現在擁有多種斯諾在19世紀中葉所缺乏的科技優勢。其中最重要的一點，是我們捕捉微生物和記錄其多樣性的能力已有了顯著提高。分子生物學的革新，尤其是捕獲基因信息並對其進行測序的技術革新，已經深刻地改變了我們識別周圍微生物的能力。

到了8月31日晚上，疫情真正暴發了。接下來的3天時間里，僅一條街上就死了127人。到了9月10日，死亡數上升至500人。流行病來襲，童叟皆無倖免，鮮有無人患病的家庭。

通過採用谷歌保存的海量搜索數據以及美國疾控中心搜集的美國流感監控數據，研究團隊能夠校準監測系統，確定病患和其護理者所使用的、表明疾病出現的搜索關鍵詞。研究團隊通過搜索與流感及其癥狀、治療相關的單詞，建立了一個預測流感趨勢的系統，比美國疾控中心提供的流感統計準確率更高。而事實上，谷歌團隊做得更好：谷歌搜索數據即刻就能獲得，美國疾控中心流感監測數據卻有滯后的問題，因為需要時間來報告和發布。先於傳統監控系統提供準確的流感趨勢預測，谷歌由此擊敗了美國疾控中心。

手機不斷地與信號塔進行交流，提供給電信運營商海量的數據，包括用戶所在位置，用戶彼此間如何聯繫，和需稍加解釋的用戶社會行為。這些所謂的呼叫數據記錄為電信部門提供大量數據，使他們有機會了解客戶並進行更多的服務營銷。但是，大數據價值不僅僅體現在營銷上，這一持續信息流貌似單調，但能夠救你的命。

利用手機數據偵查出地震時空信息的想法著實令人驚訝，它也暗示了一系列不同的手機數據應用。患者可能跟健康人有著本質上不同的呼叫模式。當一個新疫情向外擴散時，呼叫模式也可能發生改變。單單分析呼叫數據記錄，可能對一個新疫情的早期偵查而言不盡完美，但結合我們和其他衛生機構組織提供的疫情資料，也許能幫助我們勾勒流行病早期的擴散趨勢。

像聚合酶鏈反應（polymerase chain reaction, 簡稱PCR）這樣奇妙的技術，現在已經成了標準的研究手段，該技術的發明者凱利·穆利斯（Kary Mullis）因此獲得了諾貝爾獎。PCR使我們能夠從微生物上截選微小的基因信息碎片，製作出數十億相同的拷貝，然後閱讀其基因序列，了解所屬的微生物家族。標準的PCR需要研究者知道自己正在尋找什麼。例如，如果我們想要找到一種未知瘧原蟲，我們可以用PCR去識別特定的瘧原蟲基因序列，因為所有瘧原蟲都有彼此看上去十分相似的基因區域。但是，如果我們不知道正在尋找的是什麼呢？

這些病毒微陣列（viral microarray）專用晶元在全世界的實驗室里得以廣泛地應用。它們有助於迅速地識別出導致新型流行病的微生物兇手，例如引起SARS的冠狀病毒，但是該技術並非完美無缺。這些晶元只能抓住來自科學界已知病毒家族的病毒。如果有一組我們完全不知道其序列的病毒，那麼我們就沒法在晶元中設計其基因序列，真正未知的病毒就會被我們忽略掉。

伊戈爾和其研究團隊在盧安達研究呼叫模式數據達3年之久，其中包括對2008年2月3日那關鍵一星期的數據研究。當天基伍湖地區發生了5.9級地震。通過設立呼叫頻率的基準數據，伊戈爾和其九九藏書團隊能夠發現地震之後那段時期呼叫模式異常的蛛絲馬跡。他們能夠通過呼叫數達到的一個峰值，來確定地震時間，也能夠利用來自手機信號塔的定位數據確定震中即呼叫量最大的位置。

DARPA正在研發一個叫作「預言」（Prophecy）的項目，其目的是「成功地預測任何病毒的自然進化」。預言項目致力於使用技術手段來預測疫情走向：結合技術手段與全世界病毒熱點地區的專家團隊的研究支持進行分析。預測一種病毒未來的進化軌跡似乎是科學神話，但預言項目踐行了DARPA直面高風險也是高回報的理念。幸運的是，以我們今天對流行病的了解和可使用的技術工具，這一目標有可能實現。

2.評估地方性流行病演變成全球性流行病（pandemics）的概率。

當約翰·斯諾於1854年首創地理信息系統時，他所採取的行動在我們今天看來，十分合乎邏輯且直截了當。他繪製了一張地圖，標註了病人所在的位置以及可能的污染源。斯諾不可能預測到他所邁出的嘗試性的第一步將最終走向何方，或者預測到今天的GIS可使用的數據。

被手機公司搜集的數據，使我們都成了迅速偵查出重要人類事件的潛在感測器。內森·伊戈爾（Nathan Eagle）對此做了細緻的研究。他是麻省理工學院媒體實驗室成員，將呼叫數據記錄應用於廣義問題的開拓者之一。伊戈爾和同仁們合作，旨在通過挖掘呼叫數據記錄了解地震情況。

雖然社交網路可以讓我們調查到人們正在交流什麼話題，但它也許還能提供一系列更為豐富和精細的應用。在最近一項引人注目的研究中，兩位社會科學的領軍人物尼古拉斯·克里斯塔基斯（Nicholas Christakis）和詹姆斯·福勒（James Fowler）研究了社交網路如何能為傳染性疾病提供監控。

一個叫作埃維的橡膠種植園，位於喀麥隆西南部我們的一個研究點內，我們在那裡進行實驗。這一實驗展現了公共衛生領域一個令人激動的新趨勢，雖然它只是基於簡單的手機信息的傳播。

雖然識別一次小規模新疫情的實際源頭很關鍵，但這僅僅是個開始。隨著我們對疫情越來越了解，我們將不得不提出一個更難回答的問題：疫情將走向何方？它會不會演變成一場流行病？

在2006年年末和2007年年初，科學家們使用這些技術手段取得了很好的成果。2006年12月上旬，澳大利亞但德隆醫院里一位患者因腦溢血死亡，其器官被取下用於移植。一位63歲的老太太和另一個不知名的受體分別移植了他的兩個腎，當地一所大學一位64歲的講師移植了這位男子的肝臟。到了2007年1月上旬，這三位受體都死了。

今天看來斯諾有點憑直覺判斷，但他使用訪談、病例識別和繪製地圖的方法來找出1854年百老匯街霍亂疫情之源，在那個時代是具有革命性意義的。雖然1854年以前地圖已被廣泛使用，但他繪製的索霍區地圖無論在流行病學上，還是繪圖學上都屬創舉（見圖10-2）。他是第一位利用地圖從地理學角度分析相關事件，並由此得出因果結論的人。此舉使斯諾被譽為地理信息系統（geographic imformation system, 簡稱GIS）使用第一人。

當地醫院和合作實驗室開始排查所有常見的罪魁禍首。他們採用PCR技術，並試圖在培養基里培養微生物，甚至嘗試了一種病毒微陣列技術，都宣告失敗。一種病毒只有在樣本經過大量測序后才能被發現。發現病毒的團隊由哥倫比亞大學世界級實驗室病毒學家伊恩·利普金（Ian Lipkin）領導。他們整理了10多萬個基因序列后，發現了屬於這個神秘病毒的14個基因序列。真是大海里撈針啊！最終發現的神秘病毒是屬於沙粒病毒（arenaviruses）類的病毒，通常寄居在嚙齒類動物身上。如果沒有大量測序工作，我們是不可能發現該病毒的。

就在我寫這句話的時候，世界上超過60%的人口已經被安裝了自動定位信標。這些信標持續提供他們所在準確位置的最新信息。在未來5～10年內，地球上幾乎每個人都將安裝上自動定位信標。這不是政府陰謀，九-九-藏-書你口袋裡的手機才是始作俑者。

正如你可能已經猜到的那樣，負責調查疫情的正是約翰·斯諾（John Snow），著名的倫敦內科醫生和牧師，如今被視為當代流行病學的奠基人之一（見圖10-1）。引發疫情的罪魁禍首當然就是霍亂弧菌（vibrio cholerae），即霍亂。由於發現病源是水而不是「污濁的空氣」，斯諾為現代傳染性疾病的微生物理論做出了貢獻——該理論認為傳染病是由微生物引起的。直到今天，你都能在倫敦索霍區看到那個著名的百老匯街水泵的複製品。斯諾斷定那個水泵是1854年疫情之源。

2009年在甲型H1N1流感病毒大流行時期，他們追蹤Twitter中與流感相關的信息的出現頻率，並將結果與官方衛生數據比對，發現準確率達到97%。與谷歌流感趨勢研究團隊的研究成果一樣，萊普他們的研究提供了一個既快捷又具有潛在廉價性的流感研究方式，作為傳統流行病數據收集的補充。這種研究方式也可能擴展到對流感以外疾病的研究。

簡單的技術可以產生重大的影響。幾個簡單的技術應用就讓埃維的醫療情況不僅被中心醫院所掌握，也能被任何一個擁有合適接入口的人通過網頁界面遠程了解。先進的技術讓地方臨床醫生和病人自己可以與外界進行交流，外界因此可以累積、組織和分析信息。這樣一來，一個突發衛生事件發生期間，有關事件發展進程的信息就會傳播得更加快捷，實地信息也增多了。

用簡訊作為疾病擴散的一個早期指示標，也有人對此持異議，原因之一是：即便在最緊迫的情形下，也不是所有人都會發簡訊。但是手機有一些使用方法，是不需要用戶進行任何操作的。

另一個致力於改變我們預測微生物進化方式的科學家不是生物學家，而是一位有物理學功底的生物工程師。他叫史蒂夫·奎克（Steve Quake），同樣也是NIH主任先驅獎的獲獎者。他研發的技術讓我們以不可思議的有效方式研究和操控生命體。在近10年一直在斯坦福大學成功運作一個教學項目的同時，這位一身牛仔裝扮的滑雪迷已經孵化出多家公司，研發了多項專利，在頂級期刊上發表了多篇論文。來自奎克研究小組的一項有用的創新成果是微流體平台（microfluidic platforms）。從本質上來說，他已在小小的實驗室晶元上製造出了整個實驗室。

誰將是最終的贏家？流行病將橫掃人類，毀掉數百萬生命，還是科技將策馬前去，拯救人類？

2010年海地地震就是這樣的情況。地震一發生，像尤沙黑迪（Ushahidi）這樣的組織就編製了簡短的自由代碼，供人們發送求助信息。他們隨後把這些代碼發給了當地音樂節目主持人，借主持人之口將這些數字公之於眾。令人驚訝的是，當一切塵埃落定時，手機簡訊分佈的統計分析圖與地震災害的高解析度航空圖像高度契合。實際上，人們的手機簡訊給重災區的定位提供了很有價值的線索。對海地災區的人們而言，更重要的是簡訊能救命，能將關鍵信息傳遞給空中直升機上的救援人員。

在當代地理信息系統中，一層層的信息添加到了像斯諾所繪製的地圖中，用於提供更有深度的地理信息，並提出因果關係的模式。雖然斯諾的地圖包括街道、住家、疾病和水源的位置，但現在的地圖會包括更多層面的信息：有在不同地點採集的霍亂樣本的基因信息，有結合天氣信息和空間變化的時間維度，也可能有來自不同家庭的個人之間的社會聯繫。

這個方法不是尋找特殊的基因信息，而是採集一個樣本，也就是一滴血，對其含有的每一個基因信息進行測序。技術上比我說的更為複雜，但結果與你所設想的差不多。能夠閱讀所提供的生物樣本的每一個基因序列，這正是我們一步步靠近的目標。到時候，我們將能夠閱讀來自宿主樣本的每一個DNA或者RNA信息，尤其關鍵的是，能夠閱讀追隨著它們而來的微生物的每一個基因信息。

在21世紀初，為了找到未知微生物，一位聰明的年輕分子生物學家喬·德瑞斯（Joe DeRisi）和他的同仁們改進了一項令人關注的技術。該技術由他的博士生導師、斯坦福生物化學家派特·布朗（Pat Brown）開發。布朗發明的DNA微陣列晶元（DNA microarray chip），是在一個小玻璃片上以陣列形式分佈的成千上萬個不同的、細九_九_藏_書小的人工合成基因序列。因為樣本基因信息與預設基因序列粘在一起，如果用藥液沖洗置於載玻片上、含有基因信息的樣本，那麼與載玻片上預設基因序列匹配的樣本基因將會溶解。這樣你就可以通過識別載玻片上哪些預設基因序列誘捕了其自然界的兄弟姐妹，來確定樣本里有些什麼基因序列。到德瑞斯改進該技術的時候，成千上萬的科學家們已經採用這一技術來描繪生命系統中基因信息的特徵。

在一個特別著名的應用實驗中，他進行了既乏味又複雜的細胞培養工作。在那裡，來自哺乳動物和其他生物體的細胞在實驗室環境下生長——從實驗台到晶元上。他和團隊發明的晶元只有幾厘米長，擁有96個單間，細胞同時在裏面生長几星期時間，能夠被仔細地測量和操控。在一塊機械化生產的壓縮晶元上進行細胞培養，這項工作有很多用途，其中之一是為了評估來自大量樣本的新病毒的傳播速度和有效性。我們不難想象一個以晶元為基地的系統能夠迅速地告訴我們：一種新感染源在哪一種細胞里能存活，因此其最可能行進的傳播路徑（通過性、血液還是打噴嚏等）是哪一條。

在德瑞斯的創新性研究之前，微陣列晶元主要用於幫助科學家們確定人類基因和動物基因的內部運作方式。但德瑞斯及其同仁們意識到，如果將這項技術加以改進，就能夠創造出一個強大的病毒檢測系統。他們沒有將晶元設計成人工合成的人類基因信息陣列，而是設計成病毒基因信息陣列。通過仔細地梳理科學界所有已知病毒基因信息的科學數據，他們精心製作了晶元，上面以陣列形式排列著一個完整的病毒家族基因信息。如果他們從一位病患身上獲得基因信息，其中所包含的病毒的某個序列與晶元上的序列相似，那麼病毒就會被誘捕住。這就成功了！我們據此可以知道正在對付的是什麼病毒。

我們希望社會科學能夠識別出新的「哨兵」來監控新疫情，並早點捕獲它們。但是確定人與人間的朋友關係是要花時間的——我們在一所單獨的學校辦得到，在全國範圍內也許就不行了。當前巨大的在線社交網路中自我確認的朋友，也許讓這項任務更容易完成了。像Facebook這樣的在線社交網路雖然不是為監控疫情之便而設計，但卻創造了相對便利的監測系統，能夠被用於確定疾病的出現頻率，識別社會性「哨兵」，也許最終會就一種新型感染源在一個社區的擴散提供預警。

病毒微陣列和測序技術讓我們初步了解了引發地方性流行病的傳染源頭，但是小規模疫情中的一種新型感染源，有能力演變成流行病的概率有多大，還需要採用更多的技術手段來評估。這正是由美國國防部高級研究計劃局（U.S. Department of Defense's Advanced Research Projects Agency, 簡稱DARPA）研發的一個新項目的目標。DARPA對當代技術世界產生了驚人的影響，比如資助了對現代計算、虛擬現實和互聯網本身發展奠定重要基石的早期研究。

如今手機的使用越來越普遍，這可能成為疫情演變成流行病之前，迅速發現和應對疾病的利器。然而在日益發展的數字監控領域，手機並不是以技術為主的唯一解決方案。2009年我在谷歌的同仁們發表了一篇令人關注的論文，表明個人在線搜索模式也提供了人們所患傳染病的信息。

這場流行病給市民帶來了極大的恐慌。在一星期時間內，街道里3/4的居民都逃走了。商店打烊，住戶家大門緊鎖。以前熙熙攘攘的城市街道，如今連個人影都看不見。

在埃維這個大約有10萬居民的橡膠園裡，每當有人生病，他們就去附近的某家診所就醫。如果病得很重，他們就從診所轉到位於橡膠園中心區域的中心醫院。然而，過去沒有好的技術方式令中心醫院可以監控那些地方診所的情況。如今在數字流行病學領域領導我們項目的拉奇·古拉斯卡拉（Lucky Gunasekara），他是非營利組織「簡訊前線：醫生」（FrontlineSMS : Medic）的創辦人之一。幾年前，他與該組織的合作夥伴們創建了一個基於手機簡訊的簡單系統，使中心醫院能夠監控地方診所里的情況。通過簡單地發送一系列預置代碼，診所里大部分關鍵性信息能夠清楚、持續而有效地在醫學體系裡層層上傳。使用預置代碼和簡單的簡訊形式，地方診所能夠迅速地告知其他人所收治的瘧疾、腹瀉和其他疾病的病例數。

疫情之初，一位40歲的流行病學家開始對病源進行調查。他諮詢了社區領導，系統地對患者家庭進行了訪談，並在詳細繪製的地圖上標出每一個病例。他懷疑是一種水源性疾病在作祟，於是研究該社區的水源，斷定其水源來自兩家城市自來水公司中的一家。他從供水系統中取樣進行微生物和化學分析，沒得出明確結論。

現代信息和傳播技術為我們提供了另一套研究工具，用於從事與上面所討論的生物技術進步有所區別又互為補充的研究工作。事實上，當你閱讀這句話時，一些這樣的技術工具正躺在你的口袋裡。

這是一座大城市，它遭受了重創。首批病例出現在8月下旬，患者痛苦不堪。最早的臨床癥狀是嚴重的腹瀉和嘔吐。患者們表現出重度脫水、心率加快、肌肉痙攣、煩躁不安、嚴重口渴、皮膚缺乏彈性等癥狀。一些患者病情發展為腎衰竭，其他的則發展為昏迷或者休克。很多染病的人都死了。

這次疫情的不尋常之處，不是暴發后的程序性調查。世界上各國的當代流行病學家會定期實施這樣的調查。他們得到當地領導的支持，研究病例的分佈情況，對潛在的病源進行分析，並且經常跟官員就最佳應對舉措進行爭論。我要分享的這個案例的不尋常之處在於：疫情發生在1854年——在流行病學出現之前。

類似的系統已經在疫情暴發期間使用，例如2010年秋海地暴發的霍亂疫情就使用過該系統。我們最終希望能將疫情偵查工作實現群眾外包，將患者們提供的零散信息彙集在一起，勾畫出從疫情開始到隨後擴散的實時畫面。簡短的代碼只是一個開始。當越來越多的國家採用電子醫療記錄時，世界各地的人都可以直接通過手機報告自己的健康問題，以此加強與醫療網路的聯繫。這些信息不僅將為報告身體有恙的患者提供更有效的治療，而且當分析大量用戶的信息時，健康異常現象將被更迅速、敏銳地偵查出來。發展到最後的反應系統，能夠識別出標誌一種流行病開始的異常的健康問題集群。至此，數字流行病學時代真正到來了。

以加州大學舊金山分校勞爾·安迪諾（Raul Andino）為代表的前沿實驗病毒學家致力於病毒進化的理性預測。病毒繁殖十分迅速，因此任何病毒性傳染，哪怕是單個病毒顆粒引發的，都將迅速地發展為一個病毒群。其中有一些病毒是完全相同的，但大多數是創造它們的母代病毒株的變異體，與母代病毒株有這樣或那樣的不同之處。通過記錄和研究整個病毒群應對不同環境的方式，安迪諾及其同仁們致力於研發出使用活病毒的疫苗製品的理性策略（這一問題我們在第11章還將提到）。他也希望使用相同的信息，去確定一個病毒群在進化中所佔據的邊界範圍。病毒群不會朝所有的方向行進。了解一個病毒群的組成，將有助於了解它會進化成什麼模樣。

未來可能不會出現一種數據包打天下的局面。如果斯諾生活在今天的社會，要調查一次疫情，他會想要得到所有數據：病患在什麼地方；如何通過簡訊或者互聯網搜索能更迅速、便捷地得到數據；病例是被什麼所傳染，甚至是被什麼特有的微生物的基因株傳染；如何最大限度地使用呼叫數據，記錄監控人們的流動，以便追蹤疾病的流動或者孕育疾病之所；人們是如何進行社會性聯繫的——他應該會追蹤可能的首批感染者，或者是比其他人先出現病症的人。