Comparative Genome Hybridization on Tiling Microarrays to Detect Aneuploidies in Yeast
Notice bibliographique
Résumé
Chromosomal aberrations resulting in aneuploidies have been implicated in the development of most cancers and numerous other genetic disorders. Aneuploidies are a key feature of genomic instability, so classification of these copy number changes will be important in understanding how rearrangements arise and how ongoing instability is maintained. Traditional methods for detecting copy number changes have relatively poor resolution, making accurate detection of breakpoints impossible. The advent of microarray technology and its advance over the years has improved the ability to detect aneuploidies with greater accuracy. Mammalian comparative genome hybridization on microarrays (array-CGH) has been applied to the study of many carcinomas, identifying common copy number changes in key regions including known oncogenes. However, the large size of mammalian genomes has made it impractical to perform whole genome CGH at high resolution. Yeast has been established as a useful model for studying pathways relevant to oncogenesis, particularly those that maintain the integrity of the genome. Given the smaller size of the yeast genome, oligonucleotide tiling arrays have been developed that allow for nucleotide resolution of the whole genome on a single chip. Here we describe in detail how to use these arrays to detect copy number variations in yeast. This method will be useful in many different studies, but particularly in monitoring and cataloguing the changes resulting from genetic instability.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».