MétaCan
Menu
Retour à la cohorte
Enregistrement W2027074843 · doi:10.1097/qad.0b013e3282ef81ea

Current V3 genotyping algorithms are inadequate for predicting X4 co-receptor usage in clinical isolates

2007· article· en· W2027074843 sur OpenAlexafffund
Andrew Low, Winnie Dong, Dennison Chan, Tobias Sing, Ronald Swanstrom, Mark A. Jensen, Satish K. Pillai, Benjamin M. Good, P. Richard Harrigan

Notice bibliographique

RevueAIDS · 2007
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueHIV Research and Treatment
Établissements canadiensUniversity of British ColumbiaAIDS VancouverSt. Paul's Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchHealth ResearchPfizer
Mots-clésTropismCo-receptorGenotypingAlgorithmPhenotypeV3 loopComputational biologyReceptorBiologyMedicineInternal medicineGenotypeVirologyMathematicsGeneticsVirusGene

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Integrating CCR5 antagonists into clinical practice would benefit from accurate assays of co-receptor usage (CCR5 versus CXCR4) with fast turnaround and low cost. DESIGN: Published HIV V3-loop based predictors of co-receptor usage were compared with actual phenotypic tropism results in a large cohort of antiretroviral naive individuals to determine accuracy on clinical samples and identify areas for improvement. METHODS: Aligned HIV envelope V3 loop sequences (n = 977), derived by bulk sequencing were analyzed by six methods: the 11/25 rule; a neural network (NN), two support vector machines, and two subtype-B position specific scoring matrices (PSSM). Co-receptor phenotype results (Trofile Co-receptor Phenotype Assay; Monogram Biosciences) were stratified by CXCR4 relative light unit (RLU) readout and CD4 cell count. RESULTS: Co-receptor phenotype was available for 920 clinical samples with V3 genotypes having fewer than seven amino acid mixtures (n = 769 R5; n = 151 X4-capable). Sensitivity and specificity for predicting X4 capacity were evaluated for the 11/25 rule (30% sensitivity/93% specificity), NN (44%/88%), PSSM(sinsi) (34%/96%), PSSM(x4r5) (24%/97%), SVMgenomiac (22%/90%) and SVMgeno2pheno (50%/89%). Quantitative increases in sensitivity could be obtained by optimizing the cut-off for methods with continuous output (PSSM methods), and/or integrating clinical data (CD4%). Sensitivity was directly proportional to strength of X4 signal in the phenotype assay (P < 0.05). CONCLUSIONS: Current default implementations of co-receptor prediction algorithms are inadequate for predicting HIV X4 co-receptor usage in clinical samples, particularly those X4 phenotypes with low CXCR4 RLU signals. Significant improvements can be made to genotypic predictors, including training on clinical samples, using additional data to improve predictions and optimizing cutoffs and increasing genotype sensitivity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,377
Écart entre enseignants0,328 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations141
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIDSMême sujetHIV Research and TreatmentTravaux en français237 207