Predicting Tipranavir and Darunavir Resistance Using Genotypic, Phenotypic, and Virtual Phenotypic Resistance Patterns: an Independent Cohort Analysis of Clinical Isolates Highly Resistant to All Other Protease Inhibitors
Notice bibliographique
Résumé
Genotypic interpretation systems (GISs) for darunavir and tipranavir susceptibility are rarely tested by the use of independent data sets. The virtual phenotype (the phenotype determined by Virco [the "Vircotype"]) was used to interpret all genotypes in Québec, Canada, and phenotypes were determined for isolates predicted to be resistant to all protease inhibitors other than darunavir and tipranavir. We used multivariate analyses to predict relative phenotypic susceptibility to darunavir and tipranavir. We compared the performance characteristics of the Agence Nationale de Recherche sur le Sida scoring algorithm, the Stanford HIV database scoring algorithm (with separate analyses of the discrete and numerical scores), the Vircotype, and the darunavir and tipranavir manufacturers' scores for prediction of the phenotype. Of the 100 isolates whose phenotypes were determined, 89 and 72 were susceptible to darunavir and tipranavir, respectively. In multivariate analyses, the presence of I84V and V82T and the lack of L10F predicted that the isolates would be more susceptible to darunavir than tipranavir. The presence of I54L, V32I, and I47V predicted that the isolates would be more susceptible to tipranavir. All GISs except the system that provided the Stanford HIV database discrete score performed well in predicting the darunavir resistance phenotype (R(2) = 0.61 to 0.69); the R(2) value for the Stanford HIV database discrete scoring system was 0.38. Other than the system that provided the Vircotype (R(2) = 0.80), all GISs performed poorly in predicting the tipranavir resistance phenotype (R(2) = 0.00 to 0.31). In this independent cohort harboring highly protease inhibitor-resistant HIV isolates, reduced phenotypic susceptibility to darunavir and tipranavir was rare. Generally, GISs predict susceptibility to darunavir substantially better than they predict susceptibility to tipranavir.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».