MétaCan
Menu
← Retour à la cohorte
Enregistrement W2743596934 · doi:10.2527/asasann.2017.173

173 SNP discovery for QTL associated with grazing distribution in Angus cattle using RNA-Seq

2017· article· en· W2743596934 sur OpenAlexaff
Courtney F. Pierce, Derek W. Bailey, Juan F. Medrano, Ángela Cánovas, Scott E Speidel, S.J. Coleman, R. M. Enns, M. G. Thomas

Notice bibliographique

RevueJournal of Animal Science · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Mapping and Diversity in Plants and Animals
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésGrazingBiologyBeef cattleSNPQuantitative trait locusGeneticsSingle-nucleotide polymorphismGenotypeGeneAgronomy

Résumé

récupéré en direct d'OpenAlex

Grazing distribution is important for pasture management in beef cattle production systems. In mountainous terrain, abiotic factors such as steep slope and high elevation often yield concentrated grazing near riparian areas and limited livestock use in uplands. While management practices (fencing, water development, and herding) are effective in improving grazing distribution, these practices are costly and labor intensive. Previous research suggests that the traits used in indices to quantify grazing distribution are moderately heritable; therefore, genomic selection could be used to improve grazing distribution. Five QTL and underlying candidate genes (ACN9, FAM48A, GRM5, MAML3, and RUSC2) have been determined to be associated with grazing distribution traits in cattle. The objective of this study was to further examine these candidate genes and identify SNP that may then be incorporated into a previously developed 50-SNP panel used for genotype associations with grazing distribution phenotypes. Sequencing of RNA (RNA-Seq) yielded 30 million reads (single-read) per sample from 6 tissues (aorta, LM muscle, lung, pulmonary artery, and right and left ventricle) collected as part of an altitude tolerance study of Angus cattle. These tissues were from 10 steers with outlying pulmonary arterial pressure observations and unique sires. Sequences were assembled to the annotated bovine reference genome (UMD3.1; release annotation 87) and analyzed using CLC Genomics Workbench (version 8.0). Variant detection was performed using two methods: (1) individual samples and (2) a pool of all samples. No variants were detected in GRM5, MAML3, and RUSC2; however, individual sample analysis identified 30 SNP within ACN9 and FAM48A, and pooled sample analysis identified 184 SNP within ACN9 and FAM48A. Twenty-one SNP were identified in both approaches. The Ensemble Variant Effect Predictor was used to determine the functional consequence of each SNP. Of the 21 SNP, 16 were intronic, four were exonic, and one was reported to be a downstream variant and a splice acceptor variant. The SNP discovered using RNA-Seq technology were compared to the exonic SNP in dbSNP within the 5 candidate genes. There were 1,663 exonic SNP in dbSNP in these genes. One synonymous SNP, located within ACN9 (rs382949979), was observed in both data from RNA-Seq and dbSNP. In summary, 21 SNP were discovered in two of the five candidate genes underlying QTL associated with grazing distribution. These SNP will be incorporated in a new genotyping panel to examine associations with the grazing distribution phenotypes.

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 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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,039
Tête enseignante GPT0,300
Écart entre enseignants0,261 · 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'étudeObservationnel
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal Science→Même sujetGenetic Mapping and Diversity in Plants and Animals→Travaux en français237 207→