Deep V3 Sequencing for HIV Type 1 Tropism in Treatment-Naive Patients: A Reanalysis of the MERIT Trial of Maraviroc
Notice bibliographique
Résumé
BACKGROUND: Deep sequencing is a highly sensitive technique that can detect and quantify the proportion of non-R5 human immunodeficiency virus (HIV) variants, including small minorities, that may emerge and cause virologic failure in patients who receive maraviroc-containing regimens. We retrospectively tested the ability of deep sequencing to predict response to a maraviroc-containing regimen in the Maraviroc versus Efavirenz in Treatment-Naive Patients (MERIT) trial. Results were compared with those obtained using the Enhanced Sensitivity Trofile Assay (ESTA), which is widely used in clinical practice. METHODS: Screening plasma samples from treatment-naive patients who received maraviroc and efavirenz in the MERIT trial were assessed. Samples were extracted, and the V3 region of HIV type 1 glycoprotein 120 was amplified in triplicate and combined in equal quantities before sequencing on a Roche/454 Genome Sequencer-FLX (n = 859). Tropism was inferred from third variable (V3) sequences, with samples classified as non-R5 if ≥2% of the viral population scored ≤3.5 using geno2pheno. RESULTS: Deep sequencing distinguished between responders and nonresponders to maraviroc. Among patients identified as having R5-HIV by deep sequencing, 67% of maraviroc recipients and 69% of efavirenz recipients had a plasma viral load <50 copies/mL at week 48, similar to the ESTA results: 68% and 68%, respectively. CONCLUSIONS: Reanalysis of the MERIT trial using deep V3 loop sequencing indicates that, had patients originally been screened using this method, the maraviroc arm would have likely been found to be noninferior to the efavirenz arm.
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 | 0,001 |
| 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 ».