Insights into gene expression responses to infections in teleosts using microarray data: a systematic review
Notice bibliographique
Résumé
Abstract The rapid growth of production in aquaculture in the last decades has brought unwanted consequences affecting fish health and increasing the susceptibility to different infections. This systematic review aimed to analyse and summarize the current knowledge of gene expression responses to infectious diseases in teleosts using viruses, bacteria, fungi and parasites as agents through published microarray data. We conducted searches in electronic databases, including PubMed, Web of Science and SCOPUS until 1 May 2019. We identified 862 citations across databases and manual searches. After removing duplicates, we screened 455 unique references using titles and abstracts, of which 262 proved potentially eligible and evaluated using full text. A total of 79 articles proved eligible for this review. From the articles retrieved, we examined 261 different experiments (or ‘studies’) and more than a hundred thousand differentially expressed genes (DEGs). This systematic review represents the first catalogue of genes (and their associated processes) that differentially transcribe in different teleost species (13 species) due to infections generated by a large variety of pathogens (38 types). Although the obtained gene expression results are in considerable measure associated with expected immune response, other genes showed surprising significant transcriptional outcomes that may unravel unknown functions related to fish infections. This type of investigations facilitates the visualization of existing gaps in researches that may inspire future analysis in non‐traditional but relevant host or pathogen species.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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 ».