A deep sequencing tool for partitioning clearance rates following antimalarial treatment in polyclonal infections
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Current tools struggle to detect drug-resistant malaria parasites when infections contain multiple parasite clones, which is the norm in high transmission settings in Africa. Our aim was to develop and apply an approach for detecting resistance that overcomes the challenges of polyclonal infections without requiring a genetic marker for resistance. METHODOLOGY: Clinical samples from patients treated with artemisinin combination therapy were collected from Tanzania and Cambodia. By deeply sequencing a hypervariable locus, we quantified the relative abundance of parasite subpopulations (defined by haplotypes of that locus) within infections and revealed evolutionary dynamics during treatment. Slow clearance is a phenotypic, clinical marker of artemisinin resistance; we analyzed variation in clearance rates within infections by fitting parasite clearance curves to subpopulation data. RESULTS: In Tanzania, we found substantial variation in clearance rates within individual patients. Some parasite subpopulations cleared as slowly as resistant parasites observed in Cambodia. We evaluated possible explanations for these data, including resistance to drugs. Assuming slow clearance was a stable phenotype of subpopulations, simulations predicted that modest increases in their frequency could substantially increase time to cure. CONCLUSIONS AND IMPLICATIONS: By characterizing parasite subpopulations within patients, our method can detect rare, slow clearing parasites in vivo whose phenotypic effects would otherwise be masked. Since our approach can be applied to polyclonal infections even when the genetics underlying resistance are unknown, it could aid in monitoring the emergence of artemisinin resistance. Our application to Tanzanian samples uncovers rare subpopulations with worrying phenotypes for closer examination.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».