Impact of HIV-1 Subtype and Antiretroviral Therapy on Protease and Reverse Transcriptase Genotype: Results of a Global Collaboration
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The genetic differences among HIV-1 subtypes may be critical to clinical management and drug resistance surveillance as antiretroviral treatment is expanded to regions of the world where diverse non-subtype-B viruses predominate. METHODS AND FINDINGS: To assess the impact of HIV-1 subtype and antiretroviral treatment on the distribution of mutations in protease and reverse transcriptase, a binomial response model using subtype and treatment as explanatory variables was used to analyze a large compiled dataset of non-subtype-B HIV-1 sequences. Non-subtype-B sequences from 3,686 persons with well characterized antiretroviral treatment histories were analyzed in comparison to subtype B sequences from 4,769 persons. The non-subtype-B sequences included 461 with subtype A, 1,185 with C, 331 with D, 245 with F, 293 with G, 513 with CRF01_AE, and 618 with CRF02_AG. Each of the 55 known subtype B drug-resistance mutations occurred in at least one non-B isolate, and 44 (80%) of these mutations were significantly associated with antiretroviral treatment in at least one non-B subtype. Conversely, of 67 mutations found to be associated with antiretroviral therapy in at least one non-B subtype, 61 were also associated with antiretroviral therapy in subtype B isolates. CONCLUSION: Global surveillance and genotypic assessment of drug resistance should focus primarily on the known subtype B drug-resistance mutations.
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.
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 découle