Recent progress, developments, and issues in comparative fungal genomics
Notice bibliographique
Résumé
Biologists face an overwhelming richness of nucleotide and protein sequence data. As of the end of 2003, there were over 100 complete or almost complete nonviral genomes in publicly available databases. Most of these were bacterial, since prokaryotic genomes are generally much smaller in size than eukaryotic genomes. Among eukaryotes, fungi have some of the smallest genome sizes and, hence, represent the highest number of complete or almost complete genomes sequenced, with most of these released within the last 2 years. What are the genes that fungi have in common? Among these genes, which ones have homologs in plants, animals, or bacteria, and which ones are only found in fungi? Researchers are just beginning to be able to address these types of questions with data from high-throughput genomic sequencing. This paper examines some recent and possible future uses of fungal genomic data in comparative genome analyses, particularly as they relate to the study of fungal plant pathogens. Comparative genomics can facilitate research into the following areas: phylogenetics (via whole genome comparisons), targeted drugs (via unique target sites in pests), gene discovery (via conserved sequences), and gene function (via guilt by association). Each of these is discussed as well as the availability and ownership of the genomic data, and the concepts of homology and similarity.
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 | 0,030 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,009 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».