Use of whole genome sequencing to identify low‐frequency mutations in SARS‐CoV‐2 patients treated with remdesivir
Notice bibliographique
Résumé
BACKGROUND: Remdesivir (RDV) has been shown to reduce hospitalization and mortality in COVID-19 patients. Resistance mutations caused by RDV are rare and have been predominantly reported in patients who are on prolonged therapy and immunocompromised. We investigate the effects of RDV treatment on intra-host SARS-CoV-2 diversity and low-frequency mutations in moderately ill hospitalized COVID-19 patients and compare them to patients without RDV treatment. METHODS: From March 2020 to April 2022, sequential collections of nasopharyngeal and mid-turbinate swabs were obtained from 14 patients with and 30 patients without RDV treatment. Demographic and clinical data on all patients were reviewed. A total of 109 samples were sequenced and mutation analyses were performed. RESULTS: Previously reported drug resistant mutations in nsp12 were not identified during short courses of RDV therapy. In genes encoding and surrounding the replication complex (nsp6-nsp14), low-frequency minority variants were detected in 7/14 (50%) and 18/30 (60%) patients with and without RDV treatment, respectively. We did not detect significant differences in within-host diversity and positive selection between the RDV-treated and untreated groups. CONCLUSIONS: Minimal intra-host variability and stochastic low-frequency variants detected in moderately ill patients suggests little selective pressure in patients receiving short courses of RDV. The barrier to RDV resistance is high in patients with moderate disease. Patients undergoing short regimens of RDV therapy should continue to be monitored.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».