Generation and Characterization of Recombinant Pandemic Influenza A(H1N1) Viruses Resistant to Neuraminidase Inhibitors
Notice bibliographique
Résumé
BACKGROUND: Neuraminidase inhibitors (NAIs) play a key role in the management of influenza epidemics and pandemics. Given the novel pandemic influenza A(H1N1) (pH1N1) virus and the restricted number of approved anti-influenza drugs, evaluation of potential drug-resistant variants is of high priority. METHODS: Recombinant pH1N1 viruses were generated by reverse genetics, expressing either the wild-type or any of 9 mutant neuraminidase (NA) proteins (N2 numbering: E119G, E119V, D198G, I222V, H274Y, N294S, S334N, I222V-H274Y, and H274Y-S334N). We evaluated these recombinant viruses for their resistance phenotype to 4 NAIs (oseltamivir, zanamivir, peramivir, and A-315675), NA enzymatic activity, and replicative capacity. RESULTS: The E119G and E119V mutations conferred a multidrug resistance phenotype to many NAIs but severely compromised viral fitness. The oseltamivir- and peramivir-resistance phenotype was confirmed for the H274Y and N294S mutants, although both viruses remained susceptible to zanamivir. Remarkably, the I222V mutation had a synergistic effect on the oseltamivir- and peramivir-resistance phenotype of H274Y and compensated for reduced viral fitness, raising concerns about the potential emergence and dissemination of this double-mutant virus. CONCLUSIONS: This study highlights the importance of continuous monitoring of antiviral drug resistance in clinical samples as well as the need to develop new agents and combination strategies.
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 | 0,001 | 0,002 |
| 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 ».