Implementation of Next-Generation Sequencing for Hepatitis B Virus Resistance Testing and Genotyping in a Clinical Microbiology Laboratory
Notice bibliographique
Résumé
Sanger sequencing or DNA hybridization have been the primary modalities for hepatitis B (HBV) resistance testing and genotyping; however, there are limitations, such as low sensitivity and the inability to detect novel mutations. Next-generation sequencing (NGS) for HBV can overcome these limitations, but there is limited guidance for clinical microbiology laboratories to validate this novel technology. In this study, we describe an approach to implementing deep pyrosequencing for HBV resistance testing and genotyping in a clinical virology laboratory. A nested PCR targeting the pol region of HBV (codons 143 to 281) was developed, and the PCR product was sequenced by the 454 Junior (Roche). Interpretation was performed by ABL TherapyEdge based on European Association for the Study of the Liver (EASL) guidelines. Previously characterized HBV samples by INNO-LiPA (LiPA) were compared to NGS with discordant results arbitrated by Sanger sequencing. Genotyping of 105 distinct samples revealed a concordance of 95.2% (100/105), with Sanger sequencing confirming the NGS result. Resistance testing by NGS was concordant with LiPA in 85% (68/80) of previously characterized samples. Additional mutations were found in 8 samples, which related to the identification of low-level mutant subpopulations present at <10% (6/8). To balance the costs of testing for the validation study, reproducibility of the NGS was investigated through an analysis of sequence variants at loci not associated with resistance in a single patient sample. Our validation approach attempts to balance costs with efficient data acquisition.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».