MétaCan
Menu
Retour à la cohorte
Enregistrement W4245781185 · doi:10.1371/journal.pone.0004505

International Network for Comparison of HIV Neutralization Assays: The NeutNet Report

2009· article· en· W4245781185 sur OpenAlexfundno aff
Éva Mária Fenyõ, Alan Heath, Stefania Dispinseri, Harvey Holmes, Paolo Lusso, Susan Zolla‐Pazner, Helen Donners, Leo Heyndríckx, José Alcamı́, Vera Bongertz, Christian Jassoy, Mauro Malnati, David C. Montefiori, Christiane Moog, Lynn Morris, Saladin Osmanov, Victoria R. Polonis, Quentin J. Sattentau, Hanneke Schuitemaker, Ruengpung Sutthent, Terri Wrin, Gabriella Scarlatti

Notice bibliographique

RevuePLoS ONE · 2009
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueHIV Research and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Institutes of HealthFundación Para La Innovación Y La Prospectiva En Salud En EspañaInstituto de Salud Carlos IIIBill and Melinda Gates FoundationLunds UniversitetFonds Wetenschappelijk OnderzoekVlaamse regeringDepartment of Science and Technology, Ministry of Science and Technology, IndiaCenter for AIDS Research, University of WashingtonUniversity of OxfordYork UniversityStyrelsen för Internationellt UtvecklingssamarbeteVetenskapsrådetInternational AIDS Vaccine Initiative
Mots-clésVirologyInfectivityVirusNeutralizationPeripheral blood mononuclear cellBiologyIn vitro toxicologyAntibodyMolecular biologyIn vitroImmunologyGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Neutralizing antibody assessments play a central role in human immunodeficiency virus type-1 (HIV-1) vaccine development but it is unclear which assay, or combination of assays, will provide reliable measures of correlates of protection. To address this, an international collaboration (NeutNet) involving 18 independent participants was organized to compare different assays. METHODS: Each laboratory evaluated four neutralizing reagents (TriMab, 447-52D, 4E10, sCD4) at a given range of concentrations against a panel of 11 viruses representing a wide range of genetic subtypes and phenotypes. A total of 16 different assays were compared. The assays utilized either uncloned virus produced in peripheral blood mononuclear cells (PBMCs) (virus infectivity assays, VI assays), or their Env-pseudotyped (gp160) derivatives produced in 293T cells (PSV assays) from molecular clones or uncloned virus. Target cells included PBMC and genetically-engineered cell lines in either a single- or multiple-cycle infection format. Infection was quantified by using a range of assay read-outs that included extracellular or intracellular p24 antigen detection, RNA quantification and luciferase and beta-galactosidase reporter gene expression. FINDINGS: PSV assays were generally more sensitive than VI assays, but there were important differences according to the virus and inhibitor used. For example, for TriMab, the mean IC50 was always lower in PSV than in VI assays. However, with 4E10 or sCD4 some viruses were neutralized with a lower IC50 in VI assays than in the PSV assays. Inter-laboratory concordance was slightly better for PSV than for VI assays with some viruses, but for other viruses agreement between laboratories was limited and depended on both the virus and the neutralizing reagent. CONCLUSIONS: The NeutNet project demonstrated clear differences in assay sensitivity that were dependent on both the neutralizing reagent and the virus. No single assay was capable of detecting the entire spectrum of neutralizing activities. Since it is not known which in vitro assay correlates with in vivo protection, a range of neutralization assays is recommended for vaccine evaluation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,179
Score d'incertitude au seuil0,175

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,068
Tête enseignante GPT0,311
Écart entre enseignants0,243 · 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 tête enseignante, 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

Citations119
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetHIV Research and TreatmentTravaux en français237 207