CATchUP: A Web Database for Spatiotemporally Regulated Genes
Notice bibliographique
Résumé
For proper control of biological activity, some key genes are highly expressed in a particular spatiotemporal domain. Mining of such spatiotemporally expressed genes using large-scale gene expression data derived from a broad range of experimental sources facilitates our understanding of genome-scale functional gene networks. However, comprehensive information on spatiotemporally expressed genes is lacking in plants. To collect such information, we devised a new index, Δdmax, which is the maximum difference in relative gene expression levels between sample runs which are neighboring when sorted by the levels. Employing this index, we comprehensively evaluated transcripts using large-scale RNA sequencing (RNA-Seq) data stored in the Sequence Read Archive for eight plant species: Arabidopsis thaliana (Arabidopsis), Solanum lycopersicum (tomato), Solanum tuberosum (potato), Oryza sativa (rice), Sorghum bicolor (sorghum), Vitis vinifera (grape), Medicago truncatula (Medicago), and Glycine max (soybean). Based on the frequency distribution of the Δdmax values, approximately 70,000 transcripts showing 0.3 or larger Δdmax values were extracted for the eight species. Information on these genes including the Δdmax values, functional annotations, conservation among species, and experimental conditions where the genes show high expression levels is provided in a new database, CATchUP (http://plantomics.mind.meiji.ac.jp/CATchUP). The CATchUP database assists in identifying genes specifically expressed under particular conditions with powerful search functions and an intuitive graphical user interface.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,027 |
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 ».