Les lignées du SARS-CoV-2 sont définies en fonction de leur position dans un arbre phylogénétique, mais approximées par une liste de mutations basée sur des séquences collectées à partir d’échantillonnages cliniques. L’abondance des lignées dans les eaux usées est généralement estimée en partant de l’hypothèse que la fréquence des mutations est approximativement égale à la somme des abondances des lignées auxquelles elle appartient. En tirant parti de nombreux échantillons collectés au fil du temps, il est possible d’estimer l’abondance des lignées ainsi que les définitions de ces lignées. Pour ce faire, on utilise un nouvel algorithme de type k-moyenne, dans lequel l’abondance des lignées est estimée selon un modèle de coefficient variable dans le temps, puis les mutations sont attribuées aux lignées en fonction de la distance entre les fréquences de mutation observées et l’abondance estimée des lignées. Un aspect important de l’attribution des lignées est qu’une mutation peut être attribuée à plus d’une lignée, auquel cas leurs abondances s’additionnent pour estimer la fréquence.