MétaCan
Menu
Retour à la cohorte
Enregistrement W2129144882 · doi:10.1093/molbev/msp006

Similar Selective Factors Affect Both between-Gene and between-Exon Divergence in Drosophila

2009· article· en· W2129144882 sur OpenAlexaff
Wilfried Haerty, Brian Golding

Notice bibliographique

RevueMolecular Biology and Evolution · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésExonBiologyAlternative splicingGeneticsRNA splicingGeneDrosophila melanogasterTandem exon duplicationGenomeDivergence (linguistics)Exonic splicing enhancerGene expressionFunctional divergenceEvolutionary biologyGene familyRNA

Résumé

récupéré en direct d'OpenAlex

As a consequence of alternative splicing, a gene's exons will have different frequencies of inclusion into mature mRNA and different patterns of expression. These differences affect their patterns of evolutionary divergence. Using the recently reannotated genome of Drosophila melanogaster and the genome sequences of four closely related species of the melanogaster subgroup, we investigated the effect of alternative splicing, inclusion level (defined as the number of transcripts an exon is found in), and expression pattern on exon evolution across divergence times ranging from 1 to 12.5 Ma. Genes undergoing alternative splicing have a broader pattern of expression associated with a lower divergence rate in comparison with genes with a single annotated protein isoform. Within genes undergoing alternative splicing, we report a significant effect of inclusion level on exon evolution, as alternatively spliced exons are less conserved than constitutively spliced exons. More generally, there are significant negative correlations between inclusion level and exon evolutionary rates that can be associated with relaxation of selection. A significant effect of expression pattern on evolution rates is also observed. Overall, we found that similar selective factors such as the expression level and the pattern of expression are affecting both gene and exon evolution.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0000,000
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 Opus0,011
Tête enseignante GPT0,286
Écart entre enseignants0,275 · 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

Citations4
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Biology and EvolutionMême sujetRNA Research and SplicingTravaux en français237 207