Standard methods for molecular research in<i>Apis mellifera</i>
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
SummaryFrom studies of behaviour, chemical communication, genomics and developmental biology, among many others, honey bees have long been a key organism for fundamental breakthroughs in biology. With a genome sequence in hand, and much improved genetic tools, honey bees are now an even more appealing target for answering the major questions of evolutionary biology, population structure, and social organization. At the same time, agricultural incentives to understand how honey bees fall prey to disease, or evade and survive their many pests and pathogens, have pushed for a genetic understanding of individual and social immunity in this species. Below we describe and reference tools for using modern molecular-biology techniques to understand bee behaviour, health, and other aspects of their biology. We focus on DNA and RNA techniques, largely because techniques for assessing bee proteins are covered in detail in Hartfelder et al. (2013). We cover practical needs for bee sampling, transport, and storage, and then discuss a range of current techniques for genetic analysis. We then provide a roadmap for genomic resources and methods for studying bees, followed by specific statistical protocols for population genetics, quantitative genetics, and phylogenetics. Finally, we end with three important tools for predicting gene regulation and function in honey bees: Fluorescence in situ hybridization (FISH), RNA interference (RNAi), and the estimation of chromosomal methylation and its role in epigenetic gene regulation.
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 | 0,006 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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