首先吸引了人们注意力的是个婴儿的案例：2006年7月，在不列颠哥伦比亚省的一个中等规模社区，一位婴儿被诊断出患有肺结核。在公共卫生工作者深入调查社区的医疗记录后，他们发现了更多病例，暗示着疾病的爆发。截至2008年12月已确定了41起案例，该地区的年发病率增长系数为10。

　　不列颠哥伦比亚疾病控制中心（BCCDC）的官员们面对任何疾病爆发的核心问题是：病源是什么？是不是引起结核病的细菌产生了变异而更具传染性？或者是社区发生了什么变化，使微生物更容易被传播？

　　对于如何加强公共卫生的努力而阻止疾病来说，这些答案将很关键。传统分析传播模式的方法只能建立一个模糊的画面。从病人身上采集标本的分子分析表明，所有人都被同一菌株感染。“根据我们的资料，我们无法真正搞清楚谁传染给的谁”， BCCDC的医学微生物学家派屈克·唐（Patrick Tang）说。

　　于是，唐和合作者们将两种工具合并，创建一幅更清晰的疾病爆发情况图像：一种是社交网络分析，它在过去十年里已经越来越常用于跟踪传染性疾病，另一种是全基因组测序，对微生物全部DNA序列的分析。后者至今只在很少爆发案例中应用过，使得感染性跟踪比传统分子技术更精确，因为传统技术只检测基因组中的几个点。

　　“这是我们第一次描绘出社区中人与人之间关系的详细画面，以及细菌之间关系的真正详细画面，”詹妮弗·伽蒂（Jennifer Gardy）说，她是BCCDC基因组研究实验室的主任，也是这项研究的首席作者。“我们可以重建一个有机体穿过整个人群的路径。”

　　研究人员们对36个从病人身上得到的细菌样本进行了基因组测序。他们用专门的算法来比较传播过程中，微生物DNA产生的每个个体突变。这篇分析报告发表在最近一期《新英格兰医学杂志》（New England Journal of Medicine）上，分析揭示出，实际上有两种不同的微生物菌株，标志着有两种相互独立的不同疫情在蔓延。这些结果表明，疾病爆发的核心是一种环境因素，而不是遗传因素。

　　除了基因组测序，研究人员们还询问了与病人一起居住和一起工作的人，以及病人们曾在哪里消磨时光，从而创建了一个潜在相互作用的网络图。“不只是获得一个名单，你得到了名字、地点和行为，你可以勾勒出一个隐藏其中的更为详细的社区结构图，” 伽蒂说。“关键人物和地方，以及可能造成疾病爆发传播的特定行为变得更加明显，并允许在新的信息出现时，你可以实时调整你的疫情调查。”

　　研究人员们可以将确定个体突变的遗传数据与来自社交网络的信息结合起来，查明不同的人之间何时可能会产生交叉。“我们可以找出疾病的超级传播者，”唐说。

　　研究人员们最终得出结论，疫情与社区中可卡因使用量的增加相关。“这是最可能的触发因素，重启潜伏的疾病，并加速疾病的传播，”唐说。利用这些信息，公共卫生机构可以集中资源，专注于问题的根源，并确定那些重启结核病风险最高的人群，他说。

　　“调查结果表明，将遗传数据与社会结构结合是可行的，它给出了一个传播链的概念，并区分出同一时间两种疫情的爆发，”乔尔·米勒（Joel Miller,）说，他是哈佛大学公共卫生学院传染病动力学中心的研究员。

　　唐和其他人预计，未来几年，这种方法将变得更为普遍。“随着全基因组测序的成本开始下降 —— 每个生物体几百美元 —— 许多人会有兴趣用它来解决全球性问题，”唐认为，测序将对更复杂的病例尤其重要，比如，跟踪抗药性微生物在全球范围内的传播。

　　现在的主要障碍不是测序成本，而是分析工具，唐补充说。“对于大多数人来说，其限制是如何让所生成的基因组数据更有意义，”他说。