MétaCan
Menu
Retour à la cohorte
Enregistrement W2407523666 · doi:10.1186/s12864-016-2709-z

Gene evolution and gene expression after whole genome duplication in fish: the PhyloFish database

2016· article· en· W2407523666 sur OpenAlexfundno aff
Jérémy Pasquier, Cédric Cabau, Thaovi Nguyen, Elodie Jouanno, Dany Séverac, Ingo Braasch, Laurent Journot, Pierre Pontarotti, Christophe Klopp, John H. Postlethwait, Yann Guiguen, Julien Bobe

Notice bibliographique

RevueBMC Genomics · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Phylogenetic Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthInstitut National de la Recherche AgronomiqueAgence Nationale de la RechercheAgentschap voor Natuur en BosCentre National de la Recherche ScientifiqueUniversité de Pau et des Pays de l'AdourUniversité Laval
Mots-clésBiologyGene duplicationGeneEvolutionary biologyLineage (genetic)GenomeTranscriptomeVertebrateGene expressionPhylogeneticsConcerted evolutionDNA microarrayDatabaseGenetics

Résumé

With more than 30,000 species, ray-finned fish represent approximately half of vertebrates. The evolution of ray-finned fish was impacted by several whole genome duplication (WGD) events including a teleost-specific WGD event (TGD) that occurred at the root of the teleost lineage about 350 million years ago (Mya) and more recent WGD events in salmonids, carps, suckers and others. In plants and animals, WGD events are associated with adaptive radiations and evolutionary innovations. WGD-spurred innovation may be especially relevant in the case of teleost fish, which colonized a wide diversity of habitats on earth, including many extreme environments. Fish biodiversity, the use of fish models for human medicine and ecological studies, and the importance of fish in human nutrition, fuel an important need for the characterization of gene expression repertoires and corresponding evolutionary histories of ray-finned fish genes. To this aim, we performed transcriptome analyses and developed the PhyloFish database to provide (i) de novo assembled gene repertoires in 23 different ray-finned fish species including two holosteans (i.e. a group that diverged from teleosts before TGD) and 21 teleosts (including six salmonids), and (ii) gene expression levels in ten different tissues and organs (and embryos for many) in the same species. This resource was generated using a common deep RNA sequencing protocol to obtain the most exhaustive gene repertoire possible in each species that allows between-species comparisons to study the evolution of gene expression in different lineages. The PhyloFish database described here can be accessed and searched using RNAbrowse, a simple and efficient solution to give access to RNA-seq de novo assembled transcripts.

Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.

Comment cette classification a été obtenuedéplier

Le tri à trois modèles

les 5 600 travaux triés →

Les trois modèles l'ont jugé hors champ.

strate : fund_new · poids de sondage : 1678.90 (l'échantillon est stratifié ; tout taux calculé sans le poids est faux)
Claude Opus 4.8OUT
genre : empirical
porte sur le Canada: non
confiance: medium

Transcriptome analyses plus release of the PhyloFish database; a domain genomics resource, not infrastructure of the research ecosystem in the metaresearch sense.

GPT-5.6 (high)T3 · adjacent, hors champ
genre : infrastructure/announcement
porte sur le Canada: non
confiance: high

This describes a genomics database resource and is an infrastructure announcement rather than an analytic study.

Grok 4.5OUT
genre : empirical
porte sur le Canada: non
confiance: high

Domain genomics resource (PhyloFish) for fish gene evolution; uses a database tool rather than studying research infrastructure.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,008

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 Opus0,012
Tête enseignante GPT0,219
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations395
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC GenomicsMême sujetGenomics and Phylogenetic StudiesTravaux en français237 207