<i>De novo</i> transcriptome analysis of dermal tissue from the rough-skinned newt, <i>Taricha granulosa</i> , enables investigation of tetrodotoxin expression
Notice bibliographique
Résumé
Abstract Background Tetrodotoxin (TTX) is a potent neurotoxin used in anti-predator defense by several aquatic species, including the rough-skinned newt, Taricha granulosa . While several possible biological sources of newt TTX have been investigated, mounting evidence suggests a genetic, endogenous origin. We present here a de novo transcriptome assembly and annotation of dorsal skin samples from the tetrodotoxin-bearing species T. granulosa , to facilitate the study of putative genetic mechanisms of TTX expression. Findings Approximately 211 million read pairs were assembled into 245,734 transcripts using the Trinity de novo assembly method. Of the assembled transcripts, we were able to annotate 34% by comparing them to databases of sequences with known functions, suggesting that many transcripts are unique to the rough-skinned newt. Our assembly has near-complete sequence information for an estimated 83% of genes based on Benchmarking Universal Single Copy Orthologs. We also utilized other comparative methods to assess the quality of our assembly. The T. granulosa assembly was compared with that of the Japanese fire-belly newt, Cynops pyrrhogaster , and they were found to share a total of 30,556 orthologous sequences (12.9% gene set). Conclusions We provide a reference assembly for Taricha granulosa that will enable downstream differential expression and comparative transcriptomics analyses. This publicly available transcriptome assembly and annotation dataset will facilitate the investigation of a wide range of questions concerning amphibian adaptive radiation, and the elucidation of mechanisms of tetrodotoxin defense in Taricha granulosa and other TTX-bearing species.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».