HIV Drug Resistance Testing by High-Multiplex “Wide” Sequencing on the MiSeq Instrument
Notice bibliographique
Résumé
Limited access to HIV drug resistance testing in low- and middle-income countries impedes clinical decision-making at the individual patient level. An efficient protocol to address this issue must be established to minimize negative therapeutic outcomes for HIV-1-infected individuals in such settings. This is an observational study to ascertain the potential of newer genomic sequencing platforms, such as the Illumina MiSeq instrument, to provide accurate HIV drug resistance genotypes for hundreds of samples simultaneously. Plasma samples were collected from Canadian patients during routine drug resistance testing (n = 759) and from a Ugandan study cohort (n = 349). Amplicons spanning HIV reverse transcriptase codons 90 to 234 were sequenced with both MiSeq sequencing and conventional Sanger sequencing methods. Sequences were evaluated for nucleotide concordance between methods, using coverage and mixture parameters for quality control. Consensus sequences were also analyzed for disparities in the identification of drug resistance mutations. Sanger and MiSeq sequencing was successful for 881 samples (80%) and 892 samples (81%), respectively, with 832 samples having results from both methods. Most failures were for samples with viral loads of <3.0 log10 HIV RNA copies/ml. Overall, 99.3% nucleotide concordance between methods was observed. MiSeq sequencing achieved 97.4% sensitivity and 99.3% specificity in detecting resistance mutations identified by Sanger sequencing. Findings suggest that the Illumina MiSeq platform can yield high-quality data with a high-multiplex "wide" sequencing approach. This strategy can be used for multiple HIV subtypes, demonstrating the potential for widespread individual testing and annual population surveillance in resource-limited settings.
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 | 0,000 | 0,000 |
| 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 ».