MétaCan
Menu
← Retour à la cohorte
Enregistrement W2987449891 · doi:10.7554/elife.32579.018

Author response: Transmission genetics of drug-resistant hepatitis C virus

2018· peer-review· en· W2987449891 sur OpenAlexaff
Nicholas van Buuren, Timothy L. Tellinghuisen, Christopher D. Richardson, Karla Kirkegaard

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineMedicine
ThématiqueHepatitis C virus research
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésNS5AHepatitis C virusNS5BBiologyVirologyGenomePhosphoproteinComputational biologyVirusGeneticsDrug resistanceNS3RNA-dependent RNA polymerasePolymeraseHepacivirusGene

Résumé

récupéré en direct d'OpenAlex

Viruses are simple organisms that consist of genetic information and a few types of proteins. They cannot replicate on their own, and instead hijack the molecular machinery of a host cell to produce more of themselves. Inside an infected cell, the genetic information of the virus is replicated and ‘read’ to create viral proteins. These components are then assembled to form a new generation of viruses. During this process, genetic errors may occur that lead to modifications in the viral proteins, and help the virus become resistant to treatment. For instance, a viral protein that used to be targeted by a drug can change slightly and not be recognized anymore. Currently, the most efficient way to fight drug resistance is to use combination therapy, where several drugs are given at the same time. This strategy is successful, for example to treat infections with the hepatitis C virus, but it is also expensive, especially for developing countries. An alternative approach is dominant-drug targeting, which exploits the fact that both drug-resistant and drug-susceptible viruses are ‘born’ in the same cell. There, the susceptible viruses can overwhelm and ‘mask’ the benefits of the resistant ones. For example, proteins from resistant strains, which are no longer detected by a treatment, can bind to proteins from susceptible viruses; drugs will still be able to recognize these resulting viral structures. The proteins that operate in such ways are potential dominant-drug targets. However, resistant and susceptible strains can also cohabit without any contacts if their proteins do not interact with each other. Now, van Buuren et al. screen several viral proteins, including one called NS5A, to test whether a dominant drug target exists for the hepatitis C virus. Only a few molecules of a drug that targets NS5A can stop the virus from growing. In theory, drug-bound NS5A proteins could block their non-drug-bound neighbors, but when these drugs have been used on their own, resistance quickly emerged. Experiments showed that NS5A is not a dominant drug target because the drug-resistant and drug-susceptible proteins do not mix. Unless ‘forced’ in the laboratory, NS5A proteins only bind to the ones produced by the same strain of virus. This explains why resistant viruses quickly take over when NS5A drugs are the sole treatment. However, other hepatitis C proteins, such as the HCV core protein, are known to mix during the assembly of the virus, and thus are likely be dominant drug targets.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,330
Score d'incertitude au seuil0,956

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,3300,137

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 Opus0,072
Tête enseignante GPT0,407
Écart entre enseignants0,334 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHepatitis C virus research→Travaux en français237 207→