Single genome amplification and molecular cloning of HIV-1 populations in acute HIV-1 infection: implications for studies on HIV-1 diversity and evolutionary rate
Notice bibliographique
Résumé
ABSTRACT Background Human immunodeficiency virus type 1 (HIV-1) is one of the fastest evolving human pathogens. Understanding transmission, within-host adaptation, and evolutionary dynamics are pivotal for development of interventions and vaccines. HIV-1 infection is generally caused by one single transmitted founder virus (TFV), and TFV sequences have typically been obtained using single genome amplification (SGA). However, suboptimal sample quality can result in sequencing failures, representing non-trivial losses considering the scarcity of acute HIV-1 infection (AHI) samples. Sequencing failures may be mitigated by molecular cloning (MC), a method that can be less vulnerable to sample quality but more susceptible to PCR errors. Here, we explore the feasibility of supplementing SGA with MC data using samples from clinical and research cohorts to determine whether sequence diversity and evolutionary rate estimates are comparable between the two techniques. Methods Participants were enrolled in an East African research cohort from the International AIDS Vaccine Initiative 2006-2011 or a clinical cohort from Sweden (1983-2011). SGA and MC sequencing were done on the HIV-1 env V1-V3 region (approximately 940 base pairs). Within-host sequence diversity was determined from maximum likelihood phylogenetic trees and evolutionary rate by Bayesian phylogenetic analysis. Highlighter and Poisson-Fitter tools, Hamming distances, and assessment of star phylogenies were used to quantify TFVs. Results Participants with AHI (N=100, median age 30.3 years, 15% female) were included, contributing 350 samples from four longitudinal time points 10-540 days post infection. SGA succeeded on 90% of research cohort and 48% of clinical cohort samples. Comparative analysis of linked SGA and MC data from 10 samples indicated that approximately eight sequences were necessary for diversity estimates. Consistently higher sequence diversity was observed among MC relative to SGA sequences (mean±SD 0.009±0.007 and 0.006±0.006 substitutions/site, p<0.001), whereas evolutionary rates were similar between the two methods (mean±SD 0.014±0.006 vs. 0.014±0.009 substitutions/site/year, p=0.673). Five participants with visits within 45 days post infection were eligible for TFV quantification and all found to have one TFV using both MC and SGA data. Conclusion MC data is a suitable supplement for SGA-based studies to preserve the value of precious samples for evolutionary rate but not sequence diversity analysis.
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 | 0,022 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».