MétaCan
Menu
Retour à la cohorte
Enregistrement W2993999898 · doi:10.1093/jas/skz258.543

PSVIII-31 Genome-wide estimation of linkage disequilibrium using American mink genotyping-by-sequencing data

2019· article· en· W2993999898 sur OpenAlexaff
Karim Karimi, A. Farid, Mehdi Sargolzaei, Sean Myles, Younes Miar

Notice bibliographique

RevueJournal of Animal Science · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensUniversity of GuelphDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBiologyLinkage disequilibriumGeneticsAmerican minkGenotypingSingle-nucleotide polymorphismGenomeBovine genomeTag SNPMinkGeneGenotype

Résumé

récupéré en direct d'OpenAlex

Abstract Linkage disequilibrium (LD) has been defined as the correlation between alleles at different loci in the genome. The LD levels can be influenced by the evolutionary processes and historical events in populations. The main objective of this study was to estimate the LD levels at different distances of American mink genome using genotyping-by-sequencing (GBS) data. A total of 285 American mink (Neovison vison) were sequenced based on GBS libraries prepared by digesting the genomic DNA with the restriction enzyme ApeKI. After quality control, 13,321 single nucleotide polymorphism (SNP) markers located on 46 Scaffolds were used to determine the extension of LD in the genome. The average r2 was computed for all syntenic SNP pairwise at inter-marker distances from 0 up to 1 Mb. The average r2 between adjacent SNPs was 0.29, ranged from 0.18 to 0.53 across all scaffolds. In addition, the average distance between adjacent markers was 51 kb. The average r2 above 0.3 was observed in less than 1 kb distances and declined with increase in distances between markers. The average r2 was estimated to be less than 0.2 for markers more than 10 kb apart. Furthermore, the average LD level was decreased to 0.08 for inter-marker distances between 0.9 and 1 Mb. The results of this study can be used to determine the optimum maker density required for obtaining enough accuracy and power in both genomic selection and genome-wide association studies.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,293
Écart entre enseignants0,271 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207