Next-Generation Sequencing and the Crustacean Immune System: The Need for Alternatives in Immune Gene Annotation
Notice bibliographique
Résumé
Next-generation sequencing has been a huge benefit to investigators studying non-model species. High-throughput gene expression studies, which were once restricted to animals with extensive genomic resources, can now be applied to any species. Transcriptomic studies using RNA-Seq can discover hundreds of thousands of transcripts from any species of interest. The power and limitation of these techniques is the sheer size of the dataset that is acquired. Parsing these large datasets is becoming easier as more bioinformatic tools are available for biologists without extensive computer programming expertise. Gene annotation and physiological pathway tools such as Gene Ontology and Kyoto Encyclopedia of Genes and Genomes (KEGG) Orthology enable the application of the vast amount of information acquired from model organisms to non-model species. While noble in nature, utilization of these tools can inadvertently misrepresent transcriptomic data from non-model species via annotation omission. Annotation followed by molecular pathway analysis highlights pathways that are disproportionately affected by disease, stress, or the physiological condition being examined. Problems occur when gene annotation procedures only recognizes a subset, often 50% or less, of the genes differently expressed from a non-model organisms. Annotated transcripts normally belong to highly conserved metabolic or regulatory genes that likely have a secondary or tertiary role, if any at all, in immunity. They appear to be disproportionately affected simply because conserved genes are most easily annotated. Evolutionarily induced specialization of physiological pathways is a driving force of adaptive evolution, but it results in genes that have diverged sufficiently to prevent their identification and annotation through conventional gene or protein databases. The purpose of this manuscript is to highlight some of the challenges faced when annotating crustacean immune genes by using an American lobster (Homarus americanus) transcriptome as an example. Immune genes have evolved rapidly over time, facilitating speciation and adaption to highly divergent ecological niches. Complete and proper annotation of immune genes from invertebrates has been challenging. Modulation of the crustacean immune system occurs in a variety of physiological responses including biotic and abiotic stressors, molting and reproduction. A simple method for the identification of a greater number of potential immune genes is proposed, along with a short introductory primer on crustacean immune response. The intended audience is not the advanced bioinformatic user, but those investigating physiological responses who require rudimentary understanding of crustacean immunological principles, but where immune gene regulation is not their primary interest.
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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,005 | 0,014 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».