Utilization of high throughput genome sequencing technology for large scale single nucleotide polymorphism discovery in red deer and Canadian elk
Notice bibliographique
Résumé
ABSTRACT Deer farming is a significant international industry. For genetic improvement, using genomic tools, an ordered array of DNA variants and associated flanking sequence across the genome is required. This work reports a comparative assembly of the deer genome and subsequent DNA variant identification. Next generation sequencing combined with an existing bovine reference genome enabled the deer genome to be assembled sufficiently for large-scale SNP discovery. In total, 28 Gbp of sequence data were generated from seven Cervus elaphus (European red deer and Canadian elk) individuals. After aligning sequence to the bovine reference genome build UMD 3.0 and binning reads into one Mbp groups; reads were assembled and analyzed for SNPs. Greater than 99% of the non-repetitive fraction of the bovine genome was covered by deer chromosomal scaffolds. We identified 1.8 million SNPs meeting Illumina InfiniumII SNP chip technical threshold. Markers on the published Red x Pere David deer linkage map were aligned to both UMD3.0 and the new deer chromosomal scaffolds. This enabled deer linkage groups to be assigned to deer chromosomal scaffolds, although the mapping locations remain based on bovine order. Genotyping of 270 SNPs on a Sequenom MS system showed that 88% of SNPs identified could be amplified. Also, inheritance patterns showed no evidence of departure from Hardy-Weinberg equilibrium. A comparative assembly of the deer genome, alignment with existing deer genetic linkage groups and SNP discovery has been successfully completed and validated facilitating application of genomic technologies for subsequent deer genetic improvement.
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 | 0,001 | 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 ».