Pitfalls of antiretroviral drug resistance genotyping of HIV-1 Group M and Group N from Cameroon by sequenced-based assays
Notice bibliographique
Résumé
BACKGROUND: HIV-1 genotyping for antiretroviral drug resistance mutations (DRMs) were developed based basically on subtype B HIV-1 Group M, which represents only 10% of HIV strains worldwide. In sub-Saharan Africa, non-B subtypes HIV-1 largely predominate and HIV-1 genetic diversity could affect the performance of drug resistance genotyping assays. We compared prospectively the performance of the ViroSeq(®) and Trugene(®) genotyping assays to detect DRM in HIV-1-infected adult patients living in Douala, Cameroun. MATERIALS AND METHODS: DRM in protease (P) and reverse transcriptase (RT) genes were assessed in parallel using both ViroSeq(®) and Trugene(®) assays in plasma samples from 45 first-line antiretroviral treatment-experienced patients in Douala, Cameroon. RESULTS: Trugene HIV-1 Genotyping Assay(®) (Siemens Health Care Diagnostics, NY, USA) and ViroSeq HIV-1 Genotyping System(®)(Celera Diagnostics, CA, USA) assessed equivalently antiretroviral DRMs in P and RT genes from non-B HIV-1 Group M in 44 Cameroonian adults in virological failure; Trugene(®) was slightly more sensitive than ViroSeq(®) (100% vs. 91%). One patient infected by HIV-1 Group N was successfully amplified only by the Trugene HIV-1 Genotyping assay(®), while ViroSeq HIV-1 Genotyping System v2.0(®) assay could not. CONCLUSION: Results showed the higher performance of the Trugene(®) system to detected and amplify P and RT genes targeting DRM to the principal antiretroviral drugs used in sub-Saharan Africa. Discrepancies between the results of HIV viral load assays and molecular tests should alert clinicians and virologists to the possibility of infection by an atypical variant virus, especially in Central Africa where very broad HIV-1 genetic diversity exists.
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 | 0,000 |
| 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 ».