Museum epigenomics: Characterizing cytosine methylation in historic museum specimens
Notice bibliographique
Résumé
Museum genomics has transformed the field of collections-based research, opening up a range of new research directions for paleontological specimens as well as natural history specimens collected over the past few centuries. Recent work demonstrates that it is possible to characterize epigenetic markers such as DNA methylation in well preserved ancient tissues. This approach has not yet been tested in traditionally prepared natural history specimens such as dried bones and skins, the most common specimen types in vertebrate collections. In this study, we developed and tested methods to characterize cytosine methylation in dried skulls up to 76 years old. Using a combination of ddRAD and bisulphite treatment, we characterized patterns of cytosine methylation in two species of deer mouse (Peromyscus spp.) collected in the same region in Michigan in 1940, 2003, and 2013-2016. We successfully estimated methylation in specimens of all age groups, although older specimens yielded less data and showed greater interindividual variation in data yield than newer specimens. Global methylation estimates were reduced in the oldest specimens (76 years old) relative to the newest specimens (1-3 years old), which may reflect post-mortem hydrolytic deamination. Methylation was reduced in promoter regions relative to gene bodies and showed greater bimodality in autosomes relative to female X chromosomes, consistent with expectations for methylation in mammalian somatic cells. Our work demonstrates the utility of historic specimens for methylation analyses, as with genomic analyses; however, studies will need to accommodate the large variance in the quantity of data produced by older specimens.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».