Copy number variations in high and low fertility breeding boars
Notice bibliographique
Résumé
BACKGROUND: In this study we applied the extreme groups/selective genotyping approach for identifying copy number variations in high and low fertility breeding boars. The fertility indicator was the calculated Direct Boar Effect on litter size (DBE) that was obtained as a by-product of the national genetic evaluation for litter size (BLUP). The two groups of animals had DBE values at the upper (high fertility) and lower (low fertility) end of the distribution from a population of more than 38,000 boars. Animals from these two diverse phenotypes were genotyped with the Porcine SNP60K chip and compared by several approaches in order to prove the feasibility of our CNV analysis and to identify putative markers of fertility. RESULTS: We have identified 35 CNVRs covering 36.5 Mb or ~1.3% of the porcine genome. Among these 35 CNVRs, 14 were specific to the high fertility group, while 19 CNVRs were specific to the low fertility group which overlap with 137 QTLs of various reproductive traits. The identified 35 CNVRs encompassed 50 genes, among them 40 were specific to the low fertility group, seven to the high fertility group, while three were found in regions that were present in both groups but with opposite gain/loss status. A functional analysis of several databases revealed that the genes found in CNVRs from the low fertility group have been significantly enriched in members of the innate immune system, Toll-like receptor and RIG-I-like receptor signaling and fatty acid oxidation pathways. CONCLUSIONS: We have demonstrated that our analysis pipeline could identify putative CNV markers of fertility, especially in case of low fertility boars.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».