A MiSeq-HyDRA platform for enhanced HIV drug resistance genotyping and surveillance
Notice bibliographique
Résumé
Conventional HIV drug resistance (HIVDR) genotyping utilizes Sanger sequencing (SS) methods, which are limited by low data throughput and the inability of detecting low abundant drug resistant variants (LADRVs). Here we present a next generation sequencing (NGS)-based HIVDR typing platform that leverages the advantages of Illumina MiSeq and HyDRA Web. The platform consists of a fully validated sample processing protocol and HyDRA web, an open web portal that allows automated customizable NGS-based HIVDR data processing. This platform was characterized and validated using a panel of HIV-spiked plasma representing all major HIV-1 subtypes, pedigreed plasmids, HIVDR proficiency specimens and clinical specimens. All examined major HIV-1 subtypes were consistently amplified at viral loads of ≥1,000 copies/ml. The gross error rate of this platform was determined at 0.21%, and minor variations were reliably detected down to 0.50% in plasmid mixtures. All HIVDR mutations identifiable by SS were detected by the MiSeq-HyDRA protocol, while LADRVs at frequencies of 1~15% were detected by MiSeq-HyDRA only. As compared to SS approaches, the MiSeq-HyDRA platform has several notable advantages including reduced cost and labour, and increased sensitivity for LADRVs, making it suitable for routine HIVDR monitoring for both patient care and surveillance purposes.
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) | 0,000 | 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 ».