MétaCan
Menu
Retour à la cohorte
Enregistrement W4283079234 · doi:10.3390/pathogens11060693

Probe Capture Enrichment Methods for HIV and HCV Genome Sequencing and Drug Resistance Genotyping

2022· review· en· W4283079234 sur OpenAlex
Chantal Munyuza, Hezhao Ji

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePathogens · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueHIV/AIDS drug development and treatment
Établissements canadiensUniversity of ManitobaPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésSanger sequencingGenotypingBiologyMassive parallel sequencingDNA sequencingGenomeComputational biologyWhole genome sequencingVirologyDeep sequencingGeneticsDNAGeneGenotype

Résumé

récupéré en direct d'OpenAlex

Human immunodeficiency virus (HIV) infections remain a significant public health concern worldwide. Over the years, sophisticated sequencing technologies such as next-generation sequencing (NGS) have emerged and been utilized to monitor the spread of HIV drug resistance (HIVDR), identify HIV drug resistance mutations, and characterize transmission dynamics. Similar applications also apply to the Hepatitis C virus (HCV), another bloodborne viral pathogen with significant intra-host genetic diversity. Several advantages to using NGS over conventional Sanger sequencing include increased data throughput, scalability, cost-effectiveness when batched sample testing is performed, and sensitivity for quantitative detection of minority resistant variants. However, NGS alone may fail to detect genomes from pathogens present in low copy numbers. As with all sequencing platforms, the primary determinant in achieving quality sequencing data is the quality and quantity of the initial template input. Samples containing degraded RNA/DNA and/or low copy number have been a consistent sequencing challenge. To overcome this limitation probe capture enrichment is a method that has recently been employed to target, enrich, and sequence the genome of a pathogen present in low copies, and for compromised specimens that contain poor quality nucleic acids. It involves the hybridization of sequence-specific DNA or RNA probes to a target sequence, which is followed by an enrichment step via PCR to increase the number of copies of the targeted sequences after which the samples are subjected to NGS procedures. This method has been performed on pathogens such as bacteria, fungus, and viruses and allows for the sequencing of complete genomes, with high coverage. Post NGS, data analysis can be performed through various bioinformatics pipelines which can provide information on genetic diversity, genotype, virulence, and drug resistance. This article reviews how probe capture enrichment helps to increase the likelihood of sequencing HIV and HCV samples that contain low viral loads and/or are compromised.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,056
Tête enseignante GPT0,353
Écart entre enseignants0,298 · 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