Analysis of the role of gene regulatory elements in human health and evolution
Notice bibliographique
Résumé
When the first draft of the human genome was published, scientists labeled all non-genic regions (>95% of the genome) as "junk DNA" since they were not predicted to encode for proteins, the molecular building blocks of life. This proved to be a hasty conclusion because it turns out that much of what was considered to be "junk" comprises important functional elements, such as transposons, retrotransposons, non-coding RNAs, and gene regulatory elements (GREs). "Junk" DNA is now simply referred to as "non-coding DNA" to indicate that though they are not expected to encode for protein, they may indeed still serve some important function. Francis Crick's central dogma of molecular biology provides the now standard pathway of gene activation. It states that a gene (a DNA subsequence of the genome) is first transcribed into messenger RNA (mRNA) which is in turn translated into protein. A subset of GREs, often referred to as cis-elements, are involved in regulating the transcriptional and translational aspects of gene activation. In 1975, King & Wilson speculated that differences in gene activation patterns underlie phenotypic (observable physical or biochemical characteristics) variation within and between species [1]. With the advent of large-scale computational and experimental techniques for the identification of GREs it is becoming increasingly tractable to test their speculation. In this thesis, I present computational techniques for the genome-wide identification of a sub-class of GREs known as microRNA target sites, and evidences for their important role in human health and disease. Further, I also describe and discuss the results of a quantitative population genomics approach to analyze human population patterns of sequence variation in another sub-class of GREs known as transcription factor binding sites (TFBSs). These results extend current knowledge of the role of GREs in human evolution, and also point to the importance of continued research in the area of evolution of gene regulation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».