Epigenetic marks: regulators of livestock phenotypes and conceivable sources of missing variation in livestock improvement programs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Improvement in animal productivity has been achieved over the years through careful breeding and selection programs. Today, variations in the genome are gaining increasing importance in livestock improvement strategies. Genomic information alone, however, explains only a part of the phenotypic variance in traits. It is likely that a portion of the unaccounted variance is embedded in the epigenome. The epigenome encompasses epigenetic marks such as DNA methylation, histone tail modifications, chromatin remodeling, and other molecules that can transmit epigenetic information such as non-coding RNA species. Epigenetic factors respond to external or internal environmental cues such as nutrition, pathogens, and climate, and have the ability to change gene expression leading to emergence of specific phenotypes. Accumulating evidence shows that epigenetic marks influence gene expression and phenotypic outcome in livestock species. This review examines available evidence of the influence of epigenetic marks on livestock (cattle, sheep, goat, and pig) traits and discusses the potential for consideration of epigenetic markers in livestock improvement programs. However, epigenetic research activities on farm animal species are currently limited partly due to lack of recognition, funding and a global network of researchers. Therefore, considerable less attention has been given to epigenetic research in livestock species in comparison to extensive work in humans and model organisms. Elucidating therefore the epigenetic determinants of animal diseases and complex traits may represent one of the principal challenges to use epigenetic markers for further improvement of animal productivity.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 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 découle