Comparative gene-based <i>in silico</i> analysis of transcriptomes in different bovine tissues and (or) organs
Notice bibliographique
Résumé
A gene-based approach was used to annotate 322,168 cattle expressed sequence tags (ESTs) based on human genes in order to census the transcriptomes, analyze their expression similarities, and identify genes preferentially expressed in different bovine tissues and (or) organs. Of the 34,157 human coding genes used in a standalone BLAST search, 14,928 could be matched with provisional orthologous sequences in a total of 230,135 bovine ESTs. The remaining 92,033 bovine ESTs were estimated to represent an additional 5970 genes in cattle. On average, approximately 8600 genes were estimated to be expressed in a single tissue and (or) organ and 13,000 in a pooled tissue library. On the basis of the estimated numbers of genes, no more than 3% of genes would be missed when approximately 34,000 ESTs were sequenced from a single tissue and (or) organ library and approximately 40,000 ESTs from a pooled source, respectively. Cluster analyses of the gene expression patterns among 12 single tissues and (or) organs in cattle revealed that their expression similarities would depend on physiological functions. In addition, a total of 1502 genes were identified as preferentially expressed genes in these 12 single tissues and (or) organs with LOD (logarithm of the odds, base 10) > or = 3.0. Therefore, our study provides some insights for further investigating the developmental and functional relations of various tissues and organs in mammals.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».