HIV-phyloTSI: Subtype-independent estimation of time since HIV-1 infection for cross-sectional measures of population incidence using deep sequence data - Université Paris Cité Accéder directement au contenu
Pré-Publication, Document De Travail Année : 2022

HIV-phyloTSI: Subtype-independent estimation of time since HIV-1 infection for cross-sectional measures of population incidence using deep sequence data

Tanya Golubchik
Lucie Abeler-Dörner
Matthew Hall
Chris Wymant
David Bonsall
George Macintyre-Cockett
  • Fonction : Auteur
Laura Thomson
  • Fonction : Auteur
Jared Baeten
  • Fonction : Auteur
Connie Celum
  • Fonction : Auteur
Ronald Galiwango
  • Fonction : Auteur
Barry Kosloff
  • Fonction : Auteur
Mohammed Limbada
  • Fonction : Auteur
Andrew Mujugira
  • Fonction : Auteur
Nelly Mugo
  • Fonction : Auteur
Astrid Gall
Margreet Bakker
  • Fonction : Auteur
Daniela Bezemer
Swee Hoe Ong
Jan Albert
Norbert Bannert
  • Fonction : Auteur
Jacques Fellay
Barbara Gunsenheimer-Bartmeyer
  • Fonction : Auteur
Huldrych Günthard
Pia Kivelä
Roger Kouyos
  • Fonction : Auteur
Kholoud Porter
Ard van Sighem
Mark van der Valk
  • Fonction : Auteur
Ben Berkhout
  • Fonction : Auteur
Paul Kellam
Marion Cornelissen
Peter Reiss
  • Fonction : Auteur
Helen Ayles
  • Fonction : Auteur
David Burns
  • Fonction : Auteur
Sarah Fidler
  • Fonction : Auteur
Mary Kate Grabowski
Richard Hayes
  • Fonction : Auteur
Joshua Herbeck
  • Fonction : Auteur
Joseph Kagaayi
  • Fonction : Auteur
Pontiano Kaleebu
  • Fonction : Auteur
Jairam Lingappa
  • Fonction : Auteur
Deogratius Ssemwanga
  • Fonction : Auteur
Susan Eshleman
  • Fonction : Auteur
Myron Cohen
  • Fonction : Auteur
Oliver Ratmann
Oliver Laeyendecker
Christophe Fraser

Résumé

Estimating the time since HIV infection (TSI) at population level is essential for tracking changes in the global HIV epidemic. Most methods for determining duration of infection classify samples into recent and non-recent and are unable to give more granular TSI estimates. These binary classifications have a limited recency time window of several months, therefore requiring large sample sizes, and cannot assess the cumulative impact of an intervention. We developed a Random Forest Regression model, HIV-phyloTSI, that combines measures of within-host diversity and divergence to generate TSI estimates from viral deep-sequencing data, with no need for additional variables. HIV-phyloTSI provides a continuous measure of TSI up to 9 years, with a mean absolute error of less than 12 months overall and less than 5 months for infections with a TSI of up to a year. It performed equally well for all major HIV subtypes based on data from African and European cohorts. We demonstrate how HIV-phyloTSI can be used for incidence estimates on a population level.
Fichier principal
Vignette du fichier
Golubchik et al. 2022 HIV phylo STI.pdf (3.79 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03835696 , version 1 (11-11-2022)

Identifiants

Citer

Tanya Golubchik, Lucie Abeler-Dörner, Matthew Hall, Chris Wymant, David Bonsall, et al.. HIV-phyloTSI: Subtype-independent estimation of time since HIV-1 infection for cross-sectional measures of population incidence using deep sequence data. 2022. ⟨hal-03835696⟩
59 Consultations
15 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More