Chicken sperm transcriptome profiling by microarray analysis
Notice bibliographique
Résumé
It has been confirmed that mammalian sperm contain thousands of functional RNAs, and some of them have vital roles in fertilization and early embryonic development. Therefore, we attempted to characterize transcriptome of the sperm of fertile chickens using microarray analysis. Spermatozoal RNA was pooled from 10 fertile males and used for RNA preparation. Prior to performing the microarray, RNA quality was assessed using a bioanalyzer, and gDNA and somatic cell RNA contamination was assessed by CD4 and PTPRC gene amplification. The chicken sperm transcriptome was cross-examined by analysing sperm and testes RNA on a 4 × 44K chicken array, and results were verified by RT-PCR. Microarray analysis identified 21,639 predominantly nuclear-encoded transcripts in chicken sperm. The majority (66.55%) of the sperm transcripts were shared with the testes, while surprisingly, 33.45% transcripts were detected (raw signal intensity greater than 50) only in the sperm and not in the testes. The greatest proportion of up-regulated transcripts were responsible for signal transduction (63.20%) followed by embryonic development (56.76%) and cell structure (56.25%). Of the 20 most abundant transcripts, 18 remain uncharacterized, whereas the least abundant genes were mostly associated with the ribosome. These findings lay a foundation for more detailed investigations on sperm RNAs in chickens to identify sperm-based biomarkers for fertility.
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 ».