MétaCan
Menu
Retour à la cohorte
Enregistrement W2020112011 · doi:10.1111/j.1095-8649.2000.tb02218.x

Microsatellite allelic heterogeneity among hatchery rainbow trout maturing in different seasons

2000· article· en· W2020112011 sur OpenAlexaff
Anthony G Fishback, Roy G. Danzmann, Moira M. Ferguson

Notice bibliographique

RevueJournal of Fish Biology · 2000
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBiologyBroodstockRainbow troutQuantitative trait locusAlleleMicrosatelliteHatcheryGeneticsTroutZoologyFisheryAquacultureFish <Actinopterygii>Gene

Résumé

récupéré en direct d'OpenAlex

Allele frequencies were determined at 14 microsatellite loci in 284 female and 50 male rainbow trout that were sampled throughout the spawning season from a commercial trout farm. Phenotypic selection has expanded the spawning season of the broodstock from 2 weeks to 8 months. Females maturing in different seasons showed significantly different allelic distributions (P<0·001) at all loci. The spawning time for the majority of females sampled could be predicted based on their genotypic information [chromosome segment sharing coefficient (CSSC) values]. CSSC analyses assigned 100, 56, 76 and 68% of summer, fall, winter, and spring spawning females, respectively to the season from which their gametes were actually collected. Alternatively, only 38 and 14% of summer and spring spawning XY males respectively, were assigned to the correct season. Loci linked to thermal tolerance and spawning time quantitative trait loci (QTL) showed significantly greater heterogeneity (higher average Ds values) in allele frequencies than those not known to be linked to QTL based on previous work. Thus, phenotypic selection for spawning time has led to concomitant changes in allele frequencies at markers of QTL. This suggests that the QTL detected in our previous work have detectable effects in fish from other genetic backgrounds.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,010
Tête enseignante GPT0,243
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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations29
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fish BiologyMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207