HIV-1 DNA Burden in Peripheral Blood CD4 <sup>+</sup> Cells Influences Disease Progression, Antiretroviral Efficacy, and CD4 <sup>+</sup> T-Cell Restoration
Notice bibliographique
Résumé
Integration of human immunodeficiency virus type-1 (HIV-1) proviral DNA into host cell genomic DNA ensures viral persistence despite suppression of active replication. Because HIV RNA originates from integrated HIV DNA, HIV RNA and DNA loads should interrelate when suppression of viral replication is incomplete. In addition, the link between proviral DNA formation and generation of HIV-1 genetic diversity suggests that the ease with which HIV escapes immune or drug-based suppression should vary with proviral load. Thus, HIV proviral load should have unique prognostic significance independent of the highly labile plasma HIV RNA levels commonly used to monitor patient status. To test this possibility, we developed a simple standardized research assay estimating the proportion of CD4+ peripheral blood mononuclear cells (PBMC) carrying HIV-1 DNA and investigated associations between this parameter, plasma virus load, long-term efficacy of antiretroviral therapy and restoration of CD4+ T cells. Lower proportions of CD4+ PBMC carrying HIV-1 DNA were associated with lower peak plasma HIV RNA levels and with more favorable long-term responses to antiretroviral therapy. These results suggest that HIV proviral load affects both disease progression and responsiveness to antiretroviral therapy. Therefore, new anti-HIV therapies addressing the stable pool of HIV proviral DNA should be developed to improve long-term prospects for suppression of HIV replication.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».