HIV influences clustering and intracellular replication of hepatitis C virus
Notice bibliographique
Résumé
Abstract HCV and HIV coinfection is common and HIV leads to increased HCV viraemia and accelerated disease progression. However, the biological basis of this interaction remains poorly understood and little is known about the impact of HIV on HCV replication at the cellular level. We analysed HCV RNA, based on single‐cell laser‐capture microdissection, in liver biopsies from monoinfected (n = 4) and HCV/HIV‐coinfected (n = 5) participants. HCV RNA was assayed in 3200 hepatocytes with information of spatial position. We compared HCV RNA levels and clustering properties of infection between mono‐ and coinfected participants, and developed a mathematical model of infection. Although the median plasma HCV RNA level and the fraction of infected cells were comparable in monoinfected (7.0 log 10 IU/mL and ~ 30%) and coinfected (7.3 log 10 IU/mL and ~ 40%) participants, the median HCV RNA per infected hepatocyte in monoinfected (2.8IU) was significantly lower than in coinfected (8.2IU) participants ( p = .03). Clustering of infected cells was more prominent in monoinfected participants (91% of samples) than in coinfected participants (~48%), p = .0045, suggesting that spatial spread may be influenced by HIV coinfection. Interestingly, when clustering does occur, the size of clusters is similar in both types of infection. A mathematical model of infection suggested that HIV allows higher intracellular accumulation of HCV RNA by impeding the export of HCV RNA. Our observations show that HIV coinfection impacts intracellular accumulation of HCV RNA and the clustering of HCV‐infected cells, but to a less extent the fraction of HCV‐infected cells.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».