CNVs into the wild: screening the genomes of conifer trees (Picea spp.) reveals fewer gene copy number variations in hybrids and links to adaptation
Notice bibliographique
Résumé
BACKGROUND: Copy number variations (CNVs) have been linked to different phenotypes in human, including many diseases. A genome-scale understanding of CNVs is available in a few plants but none are wild species, leaving a knowledge gap regarding their genome biology and evolutionary role. We developed a reliable CNV detection method for species lacking contiguous reference genome. We selected multiple probes within 14,078 gene sequences and developed comparative genome hybridization on arrays. Gene CNVs were assessed in three full-sib families from species with 20 Gb genomes, i.e., white and black spruce, and interior spruce - a natural hybrid. RESULTS: We discovered hundreds of gene CNVs in each species, 3612 in total, which were enriched in functions related to stress and defense responses and narrow expression profiles, indicating a potential role in adaptation. The number of shared CNVs was in accordance with the degree of relatedness between individuals and species. The genetically mapped subset of these genes showed a wide distribution across the genome, implying numerous structural variations. The hybrid family presented significantly fewer CNVs, suggesting that the admixture of two species within one genome reduces the occurrence of CNVs. CONCLUSIONS: The approach we developed is of particular interest in non-model species lacking a reference genome. Our findings point to a role for CNVs in adaptation. Their reduced abundance in the hybrid may limit genetic variability and evolvability of hybrids. We propose that CNVs make a qualitatively distinct contribution to adaptation which could be important for short term change.
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 | 0,000 | 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 ».