MétaCan
Menu
Retour à la cohorte
Enregistrement W2912943704 · doi:10.1089/zeb.2018.1664

Discriminating Sex in Zebrafish ( <i>Danio rerio</i> ) Using Geometric Morphometrics

2019· article· en· W2912943704 sur OpenAlexafffund
Nicole M. Duff, Robin E. Sommerfeld, Matthew K. Litvak

Notice bibliographique

RevueZebrafish · 2019
Typearticle
Langueen
DomaineMathematics
ThématiqueMorphological variations and asymmetry
Établissements canadiensMount Allison University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNew Brunswick Innovation Foundation
Mots-clésDanioMorphometricsBiologyZebrafishSuperimpositionJackknife resamplingSexingSexual dimorphismPeduncle (anatomy)AnatomyZoologyArtificial intelligenceStatisticsGeneticsMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

Zebrafish (Danio rerio) adults are viewed as sexually dimorphic. However, current approaches to sex discrimination rely mainly on subjective assessment of color patterns and body structures. Here, we explore how geometric morphometrics allow for quantitative sex discrimination based on overall body geometry of adult zebrafish (aged 12-24 months). Ten homologous landmarks were placed on the left lateral view of adult zebrafish and transformed through Procrustes superimposition before being analyzed with canonical variate analysis. We compared two models to distinguish between sexes. The first model consisted of landmarks that included the abdominal region and the second model did not. Males and females clearly diverged along a single canonical variate, and jackknife testing reinforced the strength of the sorting algorithm with 100% correct assignment of sex for both models. Analysis of body geometry demonstrated that males have a longer caudal peduncle, a more streamlined ventral region, and slightly more inferior placement of eyes than females. Based on these results we developed a logistic regression equation using the ratio of ventral caudal peduncle length to standard length to provide researchers a reliable and objective method for sex discrimination in zebrafish.

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)0,002
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,056
Tête enseignante GPT0,296
Écart entre enseignants0,240 · 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

Citations11
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZebrafishMême sujetMorphological variations and asymmetryTravaux en français237 207