Improved Prediction of HIV‐1 Coreceptor Usage with Sequence Information from the Second Hypervariable Loop of gp120
Notice bibliographique
Résumé
BACKGROUND: Human immunodeficiency virus type 1 (HIV‐1) uses the CD4 receptor and a coreceptor to gain cell entry. Coreceptor usage is mainly determined by the V3 loop of gp120. Therefore, coreceptor usage is currently inferred from the genotype on the basis of V3 alone. However, several mutations outside V3 have been repeatedly reported to influence coreceptor usage. In this study, the impact of the V2 loop on coreceptor usage prediction was analyzed. METHODS: Sequences were analyzed for differences at specific positions and position‐independent features with the Fisher exact and Student t tests. Prediction models were trained with support vector machines and evaluated in cross‐validation on clonal data. Models trained on the clonal data set were validated on 2 clinical data sets. RESULTS: Several mutations and position‐independent features within V2 were statistically significantly different between R5 and X4 viruses. Cross‐validation on the clonal data set revealed a statistically significantly higher area under the receiver operating characteristic curve if features of both loops were used, compared with those using only V2 or V3 alone. Similar results were found with clinically derived data sets. CONCLUSIONS: The ability of the V2 loop to improve coreceptor usage prediction has been shown in a large data set. Utilization of this information can lead to considerable improvements in the prediction of coreceptor use both on clonal data sets and on clinically derived data sets.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».