MétaCan
Menu
Retour à la cohorte
Enregistrement W2969639913 · doi:10.1371/journal.ppat.1007991

Latency reversal agents affect differently the latent reservoir present in distinct CD4+ T subpopulations

2019· article· en· W2969639913 sur OpenAlexfundno aff
Judith Grau-Expósito, Laura Luque-Ballesteros, Jordi Navarro, Adrián Curran, Joaquín Burgos, Esteban Ribera, Ariadna Torrella, Bibiana Planas, Rosa Badía, Mario Martín-Castillo, Jesús Fernández‐Sojo, Meritxell Genescà, Vicenç Falcó, María J. Buzón

Notice bibliographique

RevuePLoS Pathogens · 2019
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueHIV Research and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesInstituto de Salud Carlos IIIAgència de Gestió d'Ajuts Universitaris i de RecercaNational Institutes of HealthMinisterio de Asuntos Económicos y Transformación Digital, Gobierno de EspañaGilead SciencesBristol-Myers Squibb CanadaBristol-Myers Squibb
Mots-clésBiologyRNAVirologyPanobinostatImmunologyVirus latencyVirusGeneticsGeneViral replication

Résumé

récupéré en direct d'OpenAlex

Latency reversal agents (LRAs) have proven to induce HIV-1 transcription in vivo but are ineffective at decreasing the size of the latent reservoir in antiretroviral treated patients. The capacity of the LRAs to perturb the viral reservoir present in distinct subpopulations of cells is currently unknown. Here, using a new RNA FISH/flow ex vivo viral reactivation assay, we performed a comprehensive assessment of the viral reactivation capacity of different families of LRAs, and their combinations, in different CD4+ T cell subsets. We observed that a median of 16.28% of the whole HIV-reservoir induced HIV-1 transcripts after viral reactivation, but only 10.10% of these HIV-1 RNA+ cells produced the viral protein p24. Moreover, none of the LRAs were powerful enough to reactivate HIV-1 transcription in all CD4+ T cell subpopulations. For instance, the combination of Romidepsin and Ingenol was identified as the best combination of drugs at increasing the proportion of HIV-1 RNA+ cells, in most, but not all, CD4+ T cell subsets. Importantly, memory stem cells were identified as highly resistant to HIV-1 reactivation, and only the combination of Panobinostat and Bryostatin-1 significantly increased the number of cells transcribing HIV within this subset. Overall, our results validate the use of the RNA FISH/flow technique to assess the potency of LRAs among different CD4+ T cell subsets, manifest the intrinsic differences between cells that encompass the latent HIV reservoir, and highlight the difficulty to significantly impact the latent infection with the currently available drugs. Thus, our results have important implications for the rational design of therapies aimed at reversing HIV latency from diverse cellular reservoirs.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,275
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations157
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS PathogensMême sujetHIV Research and TreatmentTravaux en français237 207