PSXVII-4 A comparison of weighted gene co-expression networks in high- and low-feed efficiency dairy cattle.
Notice bibliographique
Résumé
Feed efficiency is a trait of growing importance in the field of dairy cattle breeding as feed is often the single largest expense in dairy production systems. However, biological underpinnings of this trait have yet to be definitively characterized. The objective of this study was to identify gene networks that exhibited correlated expression patterns in dairy cattle classified as either high- or low-feed efficiency based on residual feed intake (RFI; kg/d). Data used for analyses was obtained from a previous study and accessed through a publicly-available repository (NCBI GEO: GSE92398). Transcriptome data generated using RNA-Sequencing technology was available from two sets of liver biopsies performed on 19 dairy cattle (10 Jersey & 9 Holstein). Animals of both breeds were selected from a research herd based on extreme RFI and allocated to two groups: HIGH feed efficiency (Holstein [n = 5], Jersey [n = 5]) and LOW feed efficiency (Holstein [n = 4], Jersey [n = 5]). Weighted gene co-expression networks (WGCN) were estimated using the WGCNA package in R for high- and low-feed efficiency groups to identify modules of co-expressed genes exclusively present in either of the groups. Twenty-nine and 38 modules were identified as uniquely co-expressed in high- and low-feed efficiency groups, respectively. In the high-feed efficiency group, modules of co-expressed genes were composed of 4336 genes that play crucial roles in biological processes related to feed efficiency, such as regulation of mitochondrial metabolism. In the low-feed efficiency group, 3940 genes responsible for regulation of carbohydrate and protein absorption were found to be in networks differentially co-expressed vs. high efficiency group co-expression networks. Genes involved in uniquely co-expressed networks and the positional markers located within those candidate genes will be further analyzed to elucidate functional relationships of these genes and how they contribute to feed efficiency in dairy cattle.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».