MétaCan
Menu
← Retour à la cohorte
Enregistrement W4286685640 · doi:10.1101/2022.07.22.501121

An assessment of Nano-RECall: Interpretation of Oxford Nanopore sequence data for HIV-1 drug resistance testing

2022· preprint· en· W4286685640 sur OpenAlexaff
Kayla Delaney, Trevor Ngobeni, Conan K. Woods, Carli Gordijn, Mathilda Claassen, Urvi M. Parikh, P. Richard Harrigan, Gert U. van Zyl

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueHIV/AIDS drug development and treatment
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMedical Research CouncilNational Health Laboratory ServiceNational Institutes of HealthUniversiteit StellenboschSouth African Medical Research Council
Mots-clésSanger sequencingNanopore sequencingAmpliconMinionComputational biologyBiologyConsensus sequenceGenotypingHIV drug resistanceGeneticsDrug resistanceDNA sequencingHuman immunodeficiency virus (HIV)Polymerase chain reactionGeneGenotypeVirologyPeptide sequenceViral load

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Oxford Nanopore Technologies (ONT) offer sequencing with low-capital-layout sequencing options, which could assist in expanding HIV drug resistance testing to resource limited settings. However, sequence analysis remains time time-consuming and reliant on skilled personnel. Moreover, current ONT bioinformatic pipelines provide a single consensus sequence that is not equivalent to Sanger sequencing, as drug resistance is often detected in mixed populations. We have therefore investigated an integrated bioinformatic pipeline, Nano-RECall, for seamless drug resistance of low read coverage ONT sequence data from affordable Flongle or MinION flow cells. Methods We compared Sanger sequencing to ONT sequencing of the same HIV-1 subtype C polymerase chain reaction (PCR) amplicons, respectively using RECall and the novel Nano-RECall bioinformatics pipelines. Amplicons were from separate assays a) Applied Biosystems HIV-1 Genotyping Kit (ThermoFisher) spanning protease (PR) to reverse transcriptase (RT) (PR-RT) (n=46) and b) homebrew integrase (IN) (n=21). We investigated optimal read-depth by assessing the coefficient of variation (CV) of nucleotide proportions for various read-depths; and between replicates of 400 reads. The agreement between Sanger sequences and ONT sequences were assessed at nucleotide level, and at codon level for Stanford HIV drug resistance database mutations. Results The coefficient of variation of ONT minority variants plateaued after a read depth of 400-fold implying limited benefit of additional depth and replicates of 400 reads showed a CV of ∼6 % for a representative position. The average sequence similarity between ONT and Sanger sequences was 99.3% (95% CI: 99.1-99.4%) for PR-RT and 99.6% (95% CI: 99.4-99.7%) for INT. Drug resistance mutations did not differ for 21 IN sequences; 16 mutations were detected by both ONT- and Sanger sequencing. For the 46 PR and RT sequences, 245 mutations were detected by either ONT or Sanger, of these 238 (97.1%) were detected by both. Conclusions The Nano-RECall pipeline, freely available as a downloadable application on a Windows computer, provides Sanger-equivalent HIV drug resistance interpretation. This novel pipeline combined with a simple workflow and multiplexing samples on ONT flow-cells would contribute to making HIV drug resistance sequencing feasible for resource limited settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,039
Tête enseignante GPT0,318
Écart entre enseignants0,279 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetHIV/AIDS drug development and treatment→Travaux en français237 207→