Landscape of multi-tissue global gene expression reveals the regulatory signatures of feed efficiency in beef cattle
Notice bibliographique
Résumé
MOTIVATION: Feed efficiency is an important trait for sustainable beef production that is regulated by the complex biological process, but the mode of action behinds it has not been clearly defined. Here, we aimed to elucidate the regulatory mechanisms of this trait through studying the landscape of the genome-wide gene expression of rumen, liver, muscle and backfat tissues, the key ones involved in the energy metabolism. RESULTS: The transcriptome of 189 samples across four tissues from 48 beef steers with varied feed efficiency were generated using Illumina HiSeq4000. The analysis of global gene expression profiles of four tissues, functional analysis of tissue-shared and -unique genes, co-expressed network construction of tissue-shared genes, weighted correlations analysis between gene modules and feed efficiency-related traits in each tissue were performed. Among four tissues, the transcriptome of muscle tissue was distinctive from others, while those of rumen and backfat tissues were similar. The associations between co-expressed genes and feed efficiency related traits at single or all tissues level exhibited that the gene expression in the rumen, liver, muscle and backfat were the most correlated with feed conversion ratio, dry matter intake, average daily gain and residual feed intake, respectively. The 19 overlapped genes identified from the strongest module-trait relationships in four tissues are potential generic gene markers for feed efficiency. AVAILABILITY AND IMPLEMENTATION: The distribution of gene expression data can be accessed at https://www.cattleomics.com/transcriptome. SUPPLEMENTARY INFORMATION: Supplementary data are available at Bioinformatics online.
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 ».