Dates of HIV infection can be estimated for seroprevalent patients by coalescent analysis of serial next-generation sequencing data
Notice bibliographique
Résumé
OBJECTIVE: To reconstruct dates of HIV infection by the coalescent analysis of longitudinal next-generation sequencing (NGS) data. DESIGN: The coalescent predicts the time that has elapsed since the most recent common ancestor (MRCA) of a population. Because HIV tends to undergo severe bottlenecks upon transmission, the MRCA may be a good predictor of the time of infection. NGS provides an efficient means for performing large-scale clonal sequencing of HIV populations within patients, and the ideal raw material for coalescent analysis. METHODS: Baseline and follow-up plasma samples were obtained from 19 individuals enrolled into the Montréal Primary HIV Infection cohort. Dates of infection were initially estimated at baseline from nongenetic data (clinical and serological markers and patient questionnaires). HIV RNA was extracted and seven regions of the genome were amplified, subjected to parallel-tagged 454 pyrosequencing, and analyzed using the software package BEAST. RESULTS: Mean estimates of the time to the MRCA per patient were significantly correlated with nongenetic estimates (Spearman's ρ = 0.65, P = 4.4 × 10(-3)). The median absolute difference between coalescent and nongenetic date estimates was smallest (median 29.4 days) for highly variable regions of the HIV genome such as env V3, and greater (median 114.9 days) for more conserved regions such as pol. CONCLUSION: This application of NGS represents an important advancement, not only because accurate estimates of dates of infection can be derived retrospectively from archived specimens, but also because each analysis is patient-specific and, therefore, robust to variation in rates of HIV evolution.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».