Bayesian inference of antigenic and non-antigenic variables from haemagglutination inhibition assays for influenza surveillance
Notice bibliographique
Résumé
Haemagglutination inhibition (HI) assays are typically used for comparing and characterizing influenza viruses. Data obtained from the assays (titres) are used quantitatively to determine antigenic differences between influenza strains. However, the use of these titres has been criticized as they sometimes fail to capture accurate antigenic differences between strains. Our previous analytical work revealed how antigenic and non-antigenic variables contribute to the titres. Building on this previous work, we have developed a Bayesian method for decoupling antigenic and non-antigenic contributions to the titres in this paper. We apply this method to a compendium of HI titres of influenza A (H3N2) viruses curated from 1968 to 2016. Remarkably, the results of this fit indicate that the non-antigenic variable, which is inversely correlated with viral avidity for the red blood cells used in HI assays, oscillates during the course of influenza virus evolution, with a period that corresponds roughly to the timescale on which antigenic variants replace each other. Together, the results suggest that the new Bayesian method is applicable to the analysis of long-term dynamics of both antigenic and non-antigenic properties of influenza virus.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».