MétaCan
Menu
Retour à la cohorte
Enregistrement W3028072083 · doi:10.1016/j.isci.2020.101193

Microevolutionary Dynamics of Chicken Genomes under Divergent Selection for Adiposity

2020· article· en· W3028072083 sur OpenAlexaff
Hui Zhang, Qiqi Liang, Ning Wang, Qigui Wang, Li Leng, Jie Mao, Yuxiang Wang, Shouzhi Wang, Jiyang Zhang, Hao Liang, Xun Zhou, Yumao Li, Zhiping Cao, Peng Luan, Zhipeng Wang, Hui Yuan, Zhiquan Wang, Xuming Zhou, Susan J. Lamont, Yang Da, Ruiqiang Li, Shilin Tian, Zhi‐Qiang Du, Hui Li

Notice bibliographique

RevueiScience · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Agricultural Research SystemNational Natural Science Foundation of China
Mots-clésGenomeBiologySelection (genetic algorithm)MicroevolutionAdaptation (eye)Evolutionary biologyGeneticsGenomicsEvolutionary dynamicsDirectional selectionGeneComputational biologyGenetic variationPopulation

Résumé

récupéré en direct d'OpenAlex

Decades of artificial selection have significantly improved performance and efficiency of animal production systems. However, little is known about the microevolution of genomes due to intensive breeding. Using whole-genome sequencing, we document dynamic changes of chicken genomes under divergent selection on adiposity over 19 generations. Directional selection reduced within-line but increased between-line genomic differences. We observed that artificial selection tended to result in recruitment of preexisting variations of genes related to adipose tissue growth. In addition, novel mutations contributed to divergence of phenotypes under selection but contributed significantly less than preexisting genomic variants. Integration of 15 generations genome sequencing, genome-wide association study, and multi-omics data further identified that genes involved in signaling pathways important to adipogenesis, such as autophagy and lysosome (URI1, MBL2), neural system (CHAT), and endocrine (PCSK1) pathways, were under strong selection. Our study provides insights into the microevolutionary dynamics of domestic animal genomes under artificial selection.

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 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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,598
Score d'incertitude au seuil0,230

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 Opus0,014
Tête enseignante GPT0,234
Écart entre enseignants0,220 · 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 tête enseignante, 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207