MétaCan
Menu
Retour à la cohorte
Enregistrement W2898082227 · doi:10.1186/s12864-018-5108-9

Developing specific molecular biomarkers for thermal stress in salmonids

2018· article· en· W2898082227 sur OpenAlexafffundabout
Arash Akbarzadeh, Oliver P. Günther, Aimee Lee S. Houde, Shaorong Li, Tobi J. Ming, Kenneth M. Jeffries, Scott G. Hinch, Kristina M. Miller

Notice bibliographique

RevueBMC Genomics · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensUniversity of British ColumbiaUniversity of ManitobaFisheries and Oceans Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaGenome British Columbia
Mots-clésBiologyOncorhynchusMicroarrayDNA microarrayMicroarray analysis techniquesComputational biologyGeneCandidate geneBioinformaticsGeneticsFish <Actinopterygii>FisheryGene expression

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Pacific salmon (Oncorhynchus spp.) serve as good biological indicators of the breadth of climate warming effects on fish because their anadromous life cycle exposes them to environmental challenges in both marine and freshwater environments. Our study sought to mine the extensive functional genomic studies in fishes to identify robust thermally-responsive biomarkers that could monitor molecular physiological signatures of chronic thermal stress in fish using non-lethal sampling of gill tissue. RESULTS: Candidate thermal stress biomarkers for gill tissue were identified using comparisons among microarray datasets produced in the Molecular Genetics Laboratory, Pacific Biological Station, Nanaimo, BC, six external, published microarray studies on chronic and acute temperature stress in salmon, and a comparison of significant genes across published studies in multiple fishes using deep literature mining. Eighty-two microarray features related to 39 unique gene IDs were selected as candidate chronic thermal stress biomarkers. Most of these genes were identified both in the meta-analysis of salmon microarray data and in the literature mining for thermal stress markers in salmonids and other fishes. Quantitative reverse transcription PCR (qRT-PCR) assays for 32 unique genes with good efficiencies across salmon species were developed, and their activity in response to thermally challenged sockeye salmon (O. nerka) and Chinook salmon (O. tshawytscha) (cool, 13-14 °C and warm temperatures 18-19 °C) over 5-7 days was assessed. Eight genes, including two transcripts of each SERPINH1 and HSP90AA1, FKBP10, MAP3K14, SFRS2, and EEF2 showed strong and robust chronic temperature stress response consistently in the discovery analysis and both sockeye and Chinook salmon validation studies. CONCLUSIONS: The results of both discovery analysis and gene expression showed that a panel of genes involved in chaperoning and protein rescue, oxidative stress, and protein biosynthesis were differentially activated in gill tissue of Pacific salmon in response to elevated temperatures. While individually, some of these biomarkers may also respond to other stressors or biological processes, when expressed in concert, we argue that a biomarker panel comprised of some or all of these genes could provide a reliable means to specifically detect thermal stress in field-caught salmon.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,246
Écart entre enseignants0,207 · 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'étudeExpérimental (laboratoire)
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

Citations158
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC GenomicsMême sujetPhysiological and biochemical adaptationsTravaux en français237 207