MétaCan
Menu
Retour à la cohorte
Enregistrement W2141365767 · doi:10.1093/oxfordjournals.molbev.a004018

Evolution of a Perfect Simple Sequence Repeat Locus in the Context of Its Flanking Sequence

2002· article· en· W2141365767 sur OpenAlexaboutno aff
Scott Blankenship, Bernie May, Dennis Hedgecock

Notice bibliographique

RevueMolecular Biology and Evolution · 2002
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Fish and Wildlife ServiceMassachusetts Department of Fish and GameDepartment of Water ResourcesCalifornia Department of Fish and Game
Mots-clésBiologyMicrosatelliteHaplotypeLocus (genetics)GeneticsContext (archaeology)AlleleEvolutionary biologyPopulation geneticsPopulationGenePaleontology

Résumé

récupéré en direct d'OpenAlex

Microsatellites, which have rapidly become the preferred markers in population genetics, reliably assign individual chinook salmon to the winter, fall, late-fall, or spring chinook runs in the Sacramento River in California's Central Valley (Banks et al. 2000. Can. J. Fish. Aquat. Sci. 57:915-927). A substantial proportion of this discriminatory power comes from Ots-2, a simple CA repeat, which is expected to evolve rapidly under the stepwise mutation model. We have sequenced a 300-bp region around this locus and typed 668 microsatellite-flanking sequence haplotypes to explore further the basis of this microsatellite divergence. Three sites of nucleotide polymorphism in the Ots-2 flanking sequence define five haplotypes that are shared by the Californian and Canadian populations. The Ots-2 microsatellite alleles are nonrandomly distributed among these five haplotypes in a pattern of gametic disequilibrium that is also shared among populations. Divergence between the winter run and other Central Valley stocks appears to be caused by a combination of surprisingly static evolution at Ots-2 within a context of more rapidly changing haplotype frequencies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,348
Score d'incertitude au seuil0,383

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,017
Tête enseignante GPT0,262
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations31
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Biology and EvolutionMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207