MétaCan
Menu
Retour à la cohorte
Enregistrement W3007506343 · doi:10.3389/fgene.2020.00067

NanoGBS: A Miniaturized Procedure for GBS Library Preparation

2020· article· en· W3007506343 sur OpenAlexafffund
Davoud Torkamaneh, Brian Boyle, Jérôme St‐Cyr, Gaétan Légaré, Sonia Pomerleau, François Belzile

Notice bibliographique

RevueFrontiers in Genetics · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Phylogenetic Studies
Établissements canadiensUniversité Laval
Organismes subventionnairesGenome Canada
Mots-clésGenotypingSNP genotypingMultiplexingSingle-nucleotide polymorphismSNPDNA sequencingIon semiconductor sequencingComputational biologyComputer scienceThroughputBiologyGenotypeGeneticsDNAOperating systemGeneTelecommunications

Résumé

récupéré en direct d'OpenAlex

High-throughput reduced-representation sequencing (RRS)-based genotyping methods, such as genotyping-by-sequencing (GBS), have provided attractive genotyping solutions in numerous species. Here, we present NanoGBS, a miniaturized and eco-friendly method for GBS library construction. Using acoustic droplet ejection (ADE) technology, NanoGBS libraries were constructed in tenfold smaller volumes compared to standard methods (StdGBS) and leading to a reduced use of plastics of up to 90%. A high-quality DNA library and SNP catalogue were obtained with extensive overlap (96%) in SNP loci and 100% agreement in genotype calls compared to the StdGBS dataset with a high level of accuracy (98.5%). A highly multiplexed pool of GBS libraries (768-plex) was sequenced on a single Ion Proton PI chip and yielded enough SNPs (~4K SNPs; 1.5 SNP per cM, on average) for many high-volume applications. Combining NanoGBS library preparation and increased multiplexing can dramatically reduce (72%) genotyping cost per sample. We believe that this approach will greatly facilitate the adoption of marker applications where extremely high throughputs are required and cost is still currently limiting.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Expérimental (laboratoire)low
gptaucune catégorie
Domaine: non disponible · Genre: Protocole
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,295
Score d'incertitude au seuil0,639

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,224
Écart entre enseignants0,214 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeExpérimental (laboratoire) · Sans objet
Domainenon disponible
GenreMéthodes · Protocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in GeneticsMême sujetGenomics and Phylogenetic StudiesTravaux en français237 207