Rapid Genotyping of Hepatitis C Virus by Primer-Specific Extension Analysis
Notice bibliographique
Résumé
Quick and accurate genotyping of hepatitis C virus (HCV) is becoming increasingly important for clinical management of chronic infection and as an epidemiological marker. Furthermore, the incidence of HCV infection with mixed genotypes has clinical significance that is not addressed by most genotyping methods. We have developed a fluorescence-based genotyping assay called primer-specific extension analysis (PSEA) for the most prevalent HCV genotypes and have demonstrated the capacity of PSEA-HCV for detecting mixed-genotype HCV infections. PSEA-HCV detects genotype-specific sequence differences in the 5' untranslated region of HCV in products amplified by the COBAS AMPLICOR HCV Test, v2.0. Simulated mixed HCV infection of plasma with RNase-resistant RNA controls demonstrates that PSEA-HCV can detect as many as five genotypes in one specimen. Furthermore, in dual-genotype simulations, PSEA-HCV can unequivocally detect both genotypes, with one genotype representing only 3.1% of the mixture (313/10,000 IU in starting plasma). Compared to INNO-LiPA HCV II, both assays determined the same genotype for 191/199 (96%) patient specimens (175 subtype and 16 genotype-only identifications). Following the initial evaluation, PSEA-HCV was used routinely to genotype HCV from patient specimens submitted to our laboratory (n=312). Seventeen (5.4%) mixed infections were identified. The distribution of single-infection HCV genotypes in our population was 60.9% type 1 (n=190), 12.8% type 2 (n=40), 20.2% type 3 (n=63), 0.3% type 4 (n=1), and 0.3% other (n=1). In conclusion, PSEA-HCV provides an inexpensive, high-throughput screening tool for rapid genotyping of HCV while reliably identifying mixed HCV infections.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».