Meta-analysis of gene expression profiles in granulosa cells during folliculogenesis
Notice bibliographique
Résumé
Folliculogenesis involves coordinated profound changes in different follicular compartments and significant modifications of their gene expression patterns, particularly in granulosa cells. Huge datasets have accumulated from the analyses of granulosa cell transcriptomic signatures in predefined physiological contexts using different technological platforms. However, no comprehensive overview of folliculogenesis is available. This would require integration of datasets from numerous individual studies. A prerequisite for such integration would be the use of comparable platforms and experimental conditions. The EmbryoGENE program was created to study bovine granulosa cell transcriptomics under different physiological conditions using the same platform. Based on the data thus generated so far, we present here an interactive web interface called GranulosaIMAGE (Integrative Meta-Analysis of Gene Expression), which provides dynamic expression profiles of any gene of interest and all isoforms thereof in granulosa cells at different stages of folliculogenesis. GranulosaIMAGE features two kinds of expression profiles: gene expression kinetics during bovine folliculogenesis from small (6 mm) to pre-ovulatory follicles under different hormonal and physiological conditions and expression profiles of granulosa cells of dominant follicles from post-partum cows in different metabolic states. This article provides selected examples of expression patterns along with suggestions for users to access and generate their own patterns using GranulosaIMAGE. The possibility of analysing gene expression dynamics during the late stages of folliculogenesis in a mono-ovulatory species such as bovine should provide a new and enriched perspective on ovarian physiology.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».