MétaCan
Menu
Retour à la cohorte
Enregistrement W1561377979 · doi:10.1002/9780470015902.a0006117.pub3

Gene Clustering in Eukaryotes

2013· other· en· W1561377979 sur OpenAlexaff
Maja Tarailo‐Graovac, Nansheng Chen

Notice bibliographique

RevueEncyclopedia of Life Sciences · 2013
Typeother
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésBiologyGenomeGeneGeneticsOperonPseudogeneGene clusterComparative genomicsGenome evolutionGene densityIntronComputational biologyGenomics

Résumé

récupéré en direct d'OpenAlex

Abstract Recent advances in genomics have provided us with better understanding of genomes from many different species, their architectures and evolutionary relationships. Genome architecture (a nonrandom arrangement of functional elements in the genome, such as genes and regulatory regions) is different in eukaryotes than in prokaryotes. Although in prokaryotes, many genes are organised into linearly positioned cotranscribed groups (operons), eukaryotic genomes possess very small number of genes organised into operons. The acquisition of the nuclear membrane, decoupling of transcription and translation and adoption of the ribosome‐scanning mechanism for translation initiation (necessitating monocistronic messenger ribonucleic acids (mRNAs) ) are possible reasons for the loss of operon structure in eukaryotes. Despite the general trend of low level of gene clustering within operon structures in eukaryotes, there is an evidence for nonrandom linear and spatial organisation of eukaryotic genomes, as a result of multiple mechanisms that can lead to the proximity of coexpressed genes. Key Concepts: Albeit not as common as the gene clustering within operons observed in bacteria, linear gene clustering does occur in eukaryotes. In eukaryotes, linear gene clusters form predominantly by partially adaptive, but largely neutral processes, such as genome rearrangements. In natal clusters, genes occupy adjacent positions on chromosomes as a result of a tandem duplication and consequent divergence. In embedded clusters, coding sequence of one gene may be entirely positioned within an intron of another gene, or one gene may have exons that interweave with the exons of other genes. In coregulated clusters, genes could be either linearly clustered on chromosomes to share regulatory sequences, or genes could be spatially colocalised within the nucleus forming transcription factories. Linearly coregulated clusters in eukaryotes include: alternatively spliced transcripts, polycistronic messages, uORFs and genes regulated by bidirectional promoters. Spatial sequestration of genes positioned distantly on the same chromosome or even on different chromosomes can modulate coregulated gene expression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,331
Score d'incertitude au seuil0,710

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,246
Écart entre enseignants0,233 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEncyclopedia of Life SciencesMême sujetRNA and protein synthesis mechanismsTravaux en français237 207