Standard vaccines increase HIV-1 transcription during antiretroviral therapy
Notice bibliographique
Résumé
OBJECTIVES: Curative strategies using agents to perturb the HIV reservoir have demonstrated only modest activity, whereas increases in viremia after standard vaccination have been described. We investigated whether vaccination against non-HIV pathogens can induce HIV transcription and thereby play a role in future eradication strategies. DESIGN: A randomized controlled trial (NCT00329251) was performed to compare the effects of clinical vaccines with placebo on HIV transcription and immune activation. METHODS: Twenty-six HIV-infected individuals on suppressive antiretroviral therapy were randomized to receive a vaccination schedule (n = 13) or placebo (n = 13). Cell-associated RNA and DNA were extracted from peripheral blood mononuclear cells, and HIV was quantified by droplet digital PCR using primers for gag and 2-LTR (for HIV DNA), unspliced gag RNA (gag usRNA), multispliced tat-rev RNA (tat-rev msRNA) and polyA mRNA. RESULTS: Significant increases in gag usRNA after influenza/hepatitis B vaccination (P = 0.02) and in gag usRNA (P = 0.04) and polyA mRNA (P = 0.04) after pneumococcus/hepatitis B vaccination were seen in vaccinees but not controls. HIV DNA and plasma HIV RNA did not change in either group. Increases in CD4 and CD8 T-cell activation markers (P = 0.08 and P < 0.001, respectively) and HIV-specific CD8 responses (P = 0.04 for p24 gag, P = 0.01 for p17 gag and P = 0.04 for total gag) were seen in vaccinees but not controls. CONCLUSION: In this study, vaccination was associated with increases in HIV cell-associated RNA and HIV-specific responses during antiretroviral therapy. Using standard vaccines to stimulate HIV transcription may therefore be a useful component of future eradication strategies.
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) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».