Mathematical models of Influenza A virus infections in vitro: Investigating defective interfering particles and virus release
Notice bibliographique
Résumé
In this work, two studies were performed where mathematical models (MM) were used to re-examine and refine quantitative methods based on in vitro assays of influenza A virus infections. In the first study, we investigated the standard experimental method for counting defective interfering particles (DIPs) based on the reduction in standard virus (STV) yield (Bellett & Cooper, 1959). We found the method is valid for counting DIPs provided that: (1) a STV-infected cell’s co-infection window is approximately half its eclipse phase (it blocks infection by other virions before it begins producing progeny virions); (2) a cell co-infected by STV and DIP produces less than 1 STV per 1,000 DIPs; and (3) a high MOI of STV stock (>4 plaque-forming units/cell) is added to perform the assay. Prior work makes no mention of these criteria such that the counting method has been applied incorrectly in several publications discussed herein. We determined influenza A virus meets these criteria, making the method suitable for counting influenza A DIPs. In the second study, we compared a MM with an explicit representation of viral release to a simple MM without explicit release, and investigated whether parameter estimation and the estimation of neuraminidase inhibitor (NAI) efficacy were affected by the use of a simple MM. Since the release rate of influenza A virus is not well-known, a broad range of release rates were considered. If the virus release rate is greater than ∼0.1 h−1, the simple MM provides accurate estimates of infection parameters, but underestimates NAI efficacy, which could lead to underdosing and the emergence of NAI resistance. In contrast, when release is slower than ∼0.1 h−1, the simple MM accurately estimates NAI efficacy, but it can significantly overestimate the infectious lifespan (i.e., the time a cell remains infectious and producing free virus), and it will significantly underestimate the total virus yield and thus the likelihood of resistance emergence. We discuss the properties of, and a possible lower bound for, the influenza A virus release rate. Overall, MMs are a valuable tool in the exploration of the known unknowns (i.e., DIPs, virus release) of influenza A virus infection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».