High Level of Pre-Treatment HIV-1 Drug Resistance and Its Association with HLA Class I-Mediated Restriction in the Pumwani Sex Worker Cohort
Notice bibliographique
Résumé
Background: We analyzed the prevalence of pre-antiretroviral therapy (ART) drug resistance mutations (DRMs) in a Kenyan population. We also examined whether host HLA class I genes influence the development of pre-ART DRMs. Methods: The HIV-1 proviral DNAs were amplified from blood samples of 266 ART-naïve women from the Pumwani Sex Worker cohort of Nairobi, Kenya using a nested PCR method. The amplified HIV genomes were sequenced using next-generation sequencing technology. The prevalence of pre-ART DRMs was investigated. Correlation studies were performed between HLA class I alleles and HIV-1 DRMs. Results: Ninety-eight percent of participants had at least one DRM, while 38% had at least one WHO surveillance DRM. M184I was the most prevalent clinically important variant, seen in 37% of participants. The DRMs conferring resistance to one or more integrase strand transfer inhibitors were also found in up to 10% of participants. Eighteen potentially relevant (p < 0.05) positive correlations were found between HLA class 1 alleles and HIV drug-resistant variants. Conclusions: High levels of HIV drug resistance were found in all classes of antiretroviral drugs included in the current first-line ART regimens in Africa. The development of DRMs may be influenced by host HLA class I-restricted immunity.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».